基于区块链共识算法中共识节点的确定方法及装置 |
|||||||
| 申请号 | CN202410397266.8 | 申请日 | 2024-04-03 | 公开(公告)号 | CN118018555A | 公开(公告)日 | 2024-05-10 |
| 申请人 | 湖南天河国云科技有限公司; | 发明人 | 谭林; 邓慧娜; 钟玉洁; 郭兆中; 刘齐军; | ||||
| 摘要 | 发明 提供一种基于 区 块 链 共识 算法 中共识 节点 的确定方法及装置，所述方法包括通过广播节点心跳包将节点形成节点链，并且将节点链组织成DAG结构；根据DAG结构选取最优轴心树上的节点为最具代表性的候选节点；使用 机器学习 算法从候选节点中选取共识速度最快的节点作为共识节点。与相关技术相比，本发明提供的基于区块链共识算法中共识节点的确定方法及装置其能有效的降低算 力 消耗，提高共识效率。 | ||||||
| 权利要求 | 1.一种基于区块链共识算法中共识节点的确定方法，其特征在于，包括： |
||||||
| 说明书全文 | 基于区块链共识算法中共识节点的确定方法及装置技术领域[0001] 本发明涉及区块链技术领域，尤其涉及一种基于区块链共识算法中共识节点的确定方法及装置。 背景技术[0002] 在节点可移动的物联网应用中，使用区块链技术可以保障数据的安全性与可靠性，现有技术方案大多存在使用利用公私钥对进行隐秘通信的复杂计算。《可信激励算法对区块链移动节点共识优化研究》公开了利用边缘服务器接收信标反馈给每一个节点来建立区块链节点可移动模型，基于移动节点通信连接时间短、算例低、共识达成吞吐量低的特点，以激励模型选取共识节点，有效降低验证消息验证失败率。但在这种方式中，移动节点要以注册的方式加入网络，得到公私钥对后与其它节点建立隐秘通信，并依靠中继节点来将消息扩散到下一个集群，但物联网设备算力不高，这种方式会带来较长的时延。 [0003] 以往区块链节点共识需要除发起交易的节点外所有节点均进行共识，现有技术方案有使用构建小世界网络来选取节点。公布号为CN109102296A的专利申请公开了一种节点共识方法及系统，通过在预设时间内对所有可信节点执行广播，每个节点能广播到的节点作为一个小世界网络，然后在小世界网络中执行选取共识节点的算法。但由于只要广播能达到的节点就会作为一个小世界网络来建立，会出现一个节点发起交易，多个小世界网络中的所有节点执行共识选取算法的情况，效率较低。 [0004] 作为区块链实现节点间一致性达成的核心算法，现有典型共识算法有pow共识算法、pos共识算法、dpos共识算法、pbft算法，均存在一定缺点。pow算法会消耗大量的算力资源且耗时极长、pos和dpos算法有一定的中心化趋势、pbft算法需要在故障节点小于1/3的前提下才能保证信息的一致性传输。现有共识算法具有由于物联网设备算力较低使用密码学算法共识导致时延较长、需要遍历大部分节点执行共识节点选取算法导致效率较低、典型共识算法有资源消耗大、依赖于链上货币达成共识、需要小于一定故障节点数才能达成正确共识等问题。 发明内容[0006] 本发明的目的在于提供一种新型的基于区块链共识算法中共识节点的确定方法及装置，其能有效的降低算力消耗，提高共识效率。 [0007] 为了达到上述目的， 本发明提供一种基于区块链共识算法中共识节点的确定方法，包括：步骤一：通过广播节点心跳包将节点形成节点链，并且将节点链组织成DAG结构； 步骤二：根据DAG结构选取最优轴心树上的节点为最具代表性的候选节点； 步骤三：使用机器学习算法从候选节点中选取共识速度最快的节点作为共识节点。 [0008] 本发明还提供一种基于区块链共识算法中共识节点的确定装置，该装置包括：节点广播模块，用来向下一级节点广播心跳包形成DAG结构节点链； 节点选取模块，采用最优轴心树规则来选取候选节点； 机器学习算法模块，用于根据机器学习算法选择出块效率最高的节点作为共识节点。 [0009] 本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述基于区块链共识算法中共识节点的确定方法的步骤。 [0010] 本发明还提供一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于区块链共识算法中共识节点的确定方法的步骤。 [0011] 与相关技术相比较，本发明以广播心跳包的方式为动态节点构建节点链，并组织成DAG结构，减少了物联网设备的算力消耗；以最优轴心树的思想选取最具代表性的轴心节点，作为共识节点的备选节点，从技术上免对整个节点链中的所有节点遍历来进行共识选取算法的执行，提高了共识节点选取的效率；采用机器学习的方法，通过收集影响区块共识效率的因素的数据进行训练，实现了共识节点选取的概率公平且速度最快。附图说明 [0012] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：图1为本发明基于区块链共识算法中共识节点的确定方法的流程图； 图2为本发明基于区块链共识算法中共识节点的确定方法的最优轴心树规则从DAG中选取候选节点示意图； 图3为本发明基于区块链共识算法中共识节点的确定方法的LSTM单元模型图。 具体实施方式[0013] 下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。 [0014] 本发明设计了一种基于区块链共识算法中共识节点的确定方法。区块链网络中可以有多个节点，各节点分别在目标地理围栏中广播扩散心跳包，从而构建各节点对应的节点链，不同的节点可以形成不同的DAG拓扑结构。当区块链节点需要共识过程中，以区块链节点构成的DAG拓扑结构根据最优轴心树规则，确定该轴心树中的区块链节点，并以这些区块链节点根据机器学习的方法来选取共识节点，减少参与共识节点的数量。同理，在共识算法中选取记账节点、领导节点或者候选节点的时候，均可以采取上述方法。 [0015] 下面是本发明的详细描述。 [0016] 请参阅图1，步骤一：组织已划分为同一地理位置内的节点形成节点链，并且由于节点在地理位置上是动态的，将节点链组织成DAG。 [0017] 1. 节点链形成：每个节点都有一个唯一的标识符，可以是一个字符串或一串数字，当节点链完成后应该达到每个节点都知道下一个节点的标识符的效果。在实际场景中，每个节点的地理位置是动态的。当一个新节点加入时，它会找到当前节点链的最后一个节点，并将自己的标识符设置为该节点的下一个节点。这样，新节点就被添加到节点链的末尾，形成了节点链。在节点链形成过程中，除了节点的唯一标识符，还可以包含节点的地理位置信息。每个节点可以记录自己的地理位置，例如经纬度或者其他位置标识。当一个新节点加入时，它可以通过获取已存在节点的地理位置信息来判断自己应该加入到哪个节点链中。这样，节点链可以根据地理位置的不同来进行划分，形成多条地理位置相关的节点链。 [0018] 2. 心跳包确认在线节点：每个节点定期发送心跳包给下一个节点，以确认下一个节点是否在线。心跳包可以是一个简单的网络请求，例如ping请求。节点可以使用网络协议（如HTTP）或者自定义协议来发送心跳包。如果一个节点在一定时间内没有收到来自下一个节点的心跳包，则认为下一个节点离线。 [0019] 1）心跳包数据信息：心跳包可以包含节点的标识符、地理位置信息、时间戳等数据。这些数据可以用于确认节点的在线状态和识别节点的特征。 [0020] 2）心跳包的发送接收确认流程：发送心跳包：每个节点定期发送心跳包给下一个节点。节点根据设定的时间间隔，使用网络协议（如HTTP）或者自定义协议发送心跳包数据给下一个节点。 [0021] 接收心跳包：下一个节点接收到心跳包后，根据心跳包中的数据进行处理。它可以验证发送节点的标识符和地理位置信息，以确认心跳包的合法性。 [0022] 确认接收：下一个节点在接收到心跳包后，可以发送一个确认消息给发送节点，表示心跳包已经成功接收。这个确认消息可以是一个简单的响应，例如HTTP的200 OK状态码。 [0023] 超时处理：如果发送节点在一定时间内没有收到下一个节点的确认消息，或者接收到错误的响应，则可以认为下一个节点离线或者出现了异常情况。 [0024] 3. 形成的DAG结构：在节点链的基础上，可以形成一个有向无环图（DAG）。节点之间的关系可以通过节点的标识符来表示。例如，节点A的下一个节点是节点B，节点B的下一个节点是节点C，以此类推。这样，节点之间形成了一种有序的关系，可以方便地进行数据传递和处理。 [0025] 节点之间的关系可以表示为有向边，每个边代表一个数据传递的路径。在这种情况下，有向边的方向表示节点之间的时间上的先后顺序。每个节点可以有多个父节点，表示它依赖于这些父节点的数据或者计算结果。节点之间的关系形成了一个有序的数据流向。数据可以通过节点之间的边进行传递，从一个节点流向另一个节点。形成的DAG结构可以作为后续选取共识节点的算法的基础，节点间可以根据接收到的数据进行计算与验证。 [0026] 通过这个方案，不断移动的节点可以形成节点链，并且通过心跳包确认在线的节点。同时，节点之间的关系形成了DAG结构，可以实现数据的有序传递和处理。 [0027] 步骤二：根据DAG选取最具代表性的候选节点，即最优轴心树上的节点。 [0028] 最具代表性的节点就是指在形成的DAG中能够形成一棵最稳定节点树的节点。最优轴心树的思想来源于专利CN111080288A‑一种基于有向无环图的区块链共识达成方法及装置，在本发明专利中根据实际情况改造成为在给定地理位置的当前时间点上，选取最优轴心节点作为候选节点。如图2所示，一个圆圈代表DAG中的一个节点，箭头代表节点间根据心跳包构成的从属关系，虚线圆圈表示从DAG所有节点中选取出的候选节点。对于每个候选节点，其所包含的子树中节点数量，比其它姐妹节点包含的子树节点都多，构造步骤为：1. 初始化一个空的结果列表，用于存储最优轴心树的节点，以及一个空的集合，用于存储已经被访问的节点。 [0029] 2.从最后加入节点链的节点出发，选择广播给这个节点心跳包的上一级节点作为后续节点，形成最优轴心树的父子节点关系。 [0030] 3.依次计算当前节点的所有子树包含的节点数，选择包含节点数最多的节点作为轴心树的子节点。 [0031] 4.重复这个步骤，直到找到轴心树的最后一个节点，即没有上级节点广播心跳包的节点，此时最优轴心树构建完成。 [0032] 步骤三：使用机器学习的方法从候选节点中选取共识节点，在考虑多参数的情况下选出共识速度最快的节点，使节点的选取最具公平性。将影响节点共识的因素进行概括：1. 节点的计算能力：节点的计算能力越强，可以更快地完成哈希运算等计算任务，从而提高出块速度。 [0033] 2. 节点的存储容量：节点的存储容量越大，可以保存更多的交易数据和区块信息，从而减少数据读取和写入的时间，提高出块速度。 [0034] 3. 节点的带宽限制：节点的带宽限制越低，可能会导致网络传输速度变慢，从而降低出块速度。 [0035] 4. 节点的延迟：节点的延迟指的是与其它节点通信的网络时延。延迟较高的节点可能会导致整个网络的出块速度下降。 [0036] 5. 节点的稳定性：节点的稳定性指的是在对应地理位置的节点链内在线的时长，代表了节点运行的稳定性和可靠性。如果节点经常出现故障或者离线，将会导致出块速度下降。 [0037] 6. 节点的网络连接质量：节点的网络连接质量指的是节点与其他节点之间的连接质量。如果连接质量较差，可能会导致网络延迟增加，从而降低出块速度。 [0038] 7. 节点的并行处理能力：节点是否支持并行处理也会影响出块速度。如果节点能够同时处理多个任务，可以提高出块速度。 [0039] 选取了可能影响节点出块效率的因素作为机器学习的参数进行学习，使用的机器学习模型是LSTM。最后在保证公平的情况下选取出块效率最高的节点作为共识节点。还可以使用其它能够根据影响节点出块效率因素进行学习后输出共识节点的算法。 [0040] 使用LSTM算法来选择出块效率最高的共识节点的流程为：1. 数据准备：收集共识节点的历史出块数据并转换成适合LSTM算法输入的格式，即这些节点在时间序列内这些参数的数据，并且收集对应的出块效率作为标签。 [0041] 2. 数据预处理：对收集到的数据进行预处理，包括数据清洗、归一化等操作，以确保数据的质量和一致性。 [0042] 3. 数据划分：将预处理后的数据划分为训练集和测试集。80%的数据用于训练，20%的数据用于测试。 [0043] 4. LSTM模型构建：使用递归神经网络处理具备事件相关性的数据，也就是时间序列上的共识节点历史数据，将当前时刻的输入与上一时刻的隐藏状态进行结合，来捕捉数据的时间依赖关系。另外引入了门控机制来解决在学习较长时序下造成的梯度消失和梯度爆炸问题，包括遗忘门（forget gate）、输入门（input gate）和输出门（output gate），如图3所示。遗忘门决定前一时刻的隐藏状态中需要被遗忘的数据，输入门决定当前时刻的输入中需要被记忆的信息，输出门决定当前时刻的隐藏状态中哪些信息需要被输出。其中隐藏状态是一个对于当前时间下步骤的概括，在LSTM模型中用算式表达并计算，将当前时间步骤的输入与上一时间步骤的隐藏状态进行结合输出为当前的隐藏状态。 [0044] 5. 模型训练：使用训练集对LSTM模型进行训练。通过反向传播算法，不断调整模型的参数，使其能够更好地拟合训练数据。 [0045] 6. 模型验证：使用测试集对训练好的LSTM模型进行验证。通过比较模型的预测结果与实际结果，评估模型的准确性和性能，当达到一定阈值范围内的误差时，就可以用于下一步的预测输出。 [0046] 7. 出块效率预测：使用已训练好的LSTM模型对新的共识节点进行出块效率预测。将节点的历史数据输入到LSTM模型中，模型将输出一个预测值，表示该节点的出块效率。 [0047] 8. 共识节点选择：根据LSTM模型预测的出块效率，选择出块效率最高的节点作为共识节点。 [0048] 通过以上流程，可以使用LSTM算法来选择出块效率最高的共识节点。LSTM模型将历史出块数据作为输入，通过学习历史数据的模式和趋势，预测新的共识节点的出块效率，从而帮助选择最佳的共识节点。从宏观来说，这种方法可以提高区块链中共识节点的出块效率和整体性能。实际情况中，根据每个地理位置中节点特性不同，可以使用不同的数据集来进行调整和优化。 [0049] 本发明采用在已划分为同一地理位置内的节点通过广播心跳包形成节点链的方法，解决了由于复杂密码学算法和单一节点传播信息带来的时延较长的问题。 [0050] 本发明采用改进的最优轴心树方法进行候选节点的选取，解决了多个网络小世界节点重复执行共识选取算法效率较低的问题。 [0051] 本发明使用机器学习方法从候选节点中选取共识节点的算法，解决了以往共识节点选取不公平的问题。 [0052] 以下为本发明的系统工作模型。 [0053] 包含节点广播模块，用来向下一级节点广播心跳包形成DAG结构节点链；节点选取模块，采用最优轴心树规则来选取候选节点； 机器学习算法模块，用于根据机器学习算法选择出块效率最高的节点作为共识节点。 [0054] 与相关技术相比较， 本发明设计的基于区块链共识算法中共识节点确认方法，能带来以下益处：（1）本发明以地理位置内广播心跳包的方式为动态节点构建节点链，并组织成DAG结构，从技术上减少了物联网设备的算力消耗。另一方面，对于整个区块链中的所有节点来说，通过减少算力消耗，整个网络的能源效率可以得到提升，降低能源成本和环境影响，吸引更多的参与者加入网络，增加分布式性和去中心化程度，且有助于防止任何单一实体或联盟攫取过多的算力控制权，提高网络的抗攻击性和安全性。 [0055] （2）本发明以最优轴心树的思想选取最具代表性的轴心节点，作为共识节点的备选节点，从技术上免对整个节点链中的所有节点遍历来进行共识选取算法的执行，提高了共识节点选取的效率。另一方面，对区块链网络来说，节点选取过程的高效意味着整体节点吞吐量和相应速度的提升，在有大量交易进行时可以尽可能减少积压，减少维护节点的运营成本，从而使网络更加经济高效，并使用户获得更好的服务质量。 [0056] （3）本发明采用机器学习的方法，通过收集影响区块共识效率的因素的数据进行训练，从技术上实现了共识节点选取的概率公平且速度最快。另一方面，对于区块链网络中的所有参与者来说，有相等机会成为共识节点，有助于维持区块链的去中心化特性，防止少数实体垄断控制权，增加了攻击者操控共识的难度。 [0057] 作为本发明另一方面的延伸还提供一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于区块链共识算法中共识节点的确定方法的步骤。 [0058] 所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在终端设备中的执行过程。 [0059] 所述计算机终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。可包括但不仅限于，处理器、存储器。可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备、总线等。 [0060] 所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field‑Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。 [0061] 所述存储器可以是内部存储单元，例如硬盘或内存。所述存储器也可以是外部存储设备，例如插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（Secure Digital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器还可以既包括内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。 [0062] 所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。 [0063] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。 [0064] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。 [0065] 在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。 [0066] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。 [0067] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。 [0068] 所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。 [0069] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。 |
||||||
QQ群二维码
意见反馈
意见反馈