CN110290021B - 基于动态规划算法的跨链共识时延优化方法 - Google Patents

基于动态规划算法的跨链共识时延优化方法 Download PDF

Info

Publication number
CN110290021B
CN110290021B CN201910532204.2A CN201910532204A CN110290021B CN 110290021 B CN110290021 B CN 110290021B CN 201910532204 A CN201910532204 A CN 201910532204A CN 110290021 B CN110290021 B CN 110290021B
Authority
CN
China
Prior art keywords
consensus
chain
transaction
cross
conflict
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910532204.2A
Other languages
English (en)
Other versions
CN110290021A (zh
Inventor
王妍
刘荆欣
韩笑
李继鑫
潘宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Liaoning University
Original Assignee
Liaoning University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Liaoning University filed Critical Liaoning University
Priority to CN201910532204.2A priority Critical patent/CN110290021B/zh
Publication of CN110290021A publication Critical patent/CN110290021A/zh
Application granted granted Critical
Publication of CN110290021B publication Critical patent/CN110290021B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14Network analysis or design
    • H04L41/145Network analysis or design involving simulating, designing, planning or modelling of a network
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00Arrangements for monitoring or testing data switching networks
    • H04L43/08Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0852Delays
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00Network architectures or network communication protocols for network security
    • H04L63/08Network architectures or network communication protocols for network security for authentication of entities

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

基于动态规划算法的跨链共识时延优化方法,步骤为:1)针对跨区块链交易时两条链选取共识机制的异同,对跨链双方的共识机制进行预处理;2)对预处理机制传入的相异共识机制进行智能化模拟共识过程,计算两条链共识机制的平均时延差值t;3)将不满足系统可容忍的最长时延差值σ的相异共识机制输入决策控制器进行处理,在不改变双方链本身共识机制前提下,决策控制器基于动态规划算法选择出适合相异共识机制的共识机制M;4)选取双方链的部分可信节点,采用步骤3)中得到的共识机制M,对跨链交易进行验证达成共识。本发明通过上述方法,提供了一种步骤简单、处理效果好的跨链共识时延优化方法。

Description

基于动态规划算法的跨链共识时延优化方法
技术领域
本发明创造针对跨链共识机制时延差值过多对系统造成的影响,提出基于动态规划算法的跨链共识时延优化方法。
背景技术
随着区块链应用的迅速发展,不同业务场景对区块链的需求进一步提高。全球区块链的数量在不断增多,而不同区块链网络的相互隔绝,导致链之间无法有效进行数字资产转移、跨链通信等操作.随着区块链应用场景的不断丰富和复杂化,越来越多的区块链项目提出跨区块链交易的需求与解决方案,跨区块链交易机制打破了区块链孤立的局面,使得不同区块链之间可以互联互动互通,极大的提升了区块链数据的价值和使用空间。但实现不同区块链间的协同操作面临着许多前所未有的理论和实践挑战。
区块链A与区块链B进行跨链交易时,由于交易双方所在区块链不同,因此跨链双方所在链可能选择不同的共识机制对账本达成一致,在一定程度上导致两侧最终达成共识的时间不同甚至相差很多。而要避免跨链交易双花问题的产生,链A与链B必须同时将跨链交易所在的新区块链接到各自的主链上。共识时间的时延差过大可能导致共识一致性快的区块链A花费时间等待链B达成共识,在链A的等待阶段新交易无法被节点处理验证,众多新交易滞留在等待序列中,这容易造成链A网络的拥塞,对后续区块的生成造成影响。
发明内容
为了解决现有方法存在的问题,本发明提供一种基于动态规划算法的跨链共识时延优化方法。本方法利用模式识别方法对跨链双方所在链的共识机制进行预处理;模拟执行跨链双方的共识过程,计算双方的共识时延;对于时延超过控制器预设值的跨链共识,在不改变本身共识机制的基础上,由决策控制器基于动态规范算法选择出最优的共识机制M;选择两条链中的部分可信节点采用共识机制M对跨链交易的区块达成一致。
为了实现上述目的,本发明创造采用的技术方案为:基于动态规划算法的跨链共识时延优化方法,其特征在于:其步骤为:
步骤1)、针对跨区块链交易时两条链选取共识机制的异同,基于模式识别方法对跨链双方的共识机制进行预处理;
步骤2)、基于智能的共识机制运行模拟器,对预处理机制传入的相异共识机制进行智能化模拟共识过程,计算两条链共识机制的平均时延差值t;
步骤3)、将不满足系统可容忍的最长时延差值σ的相异共识机制输入决策控制器,进
行处理,在不改变双方链本身共识机制前提下,决策控制器基于动态规划算法选择出适合相异共识机制的共识机制M;
步骤4)、选取双方链的部分可信节点,采用步骤3)中得到的共识机制M,对跨链交易进行验证达成共识。
所述的步骤1)中,具体方法如下:
1.1)信息获取:使用相应的设备或者传感器对跨链交易的节点进行信息采集;
1.2)预处理:对采集获取的信息进行规范化处理,即将信息转化为数字量输入计算机;
1.3)特征提取与选择:将待处理的跨链双方各自的特征构造成便于比较、分析的描述量即特征向量,利用特征向量构造出特征空间进行特征表达;
1.4)分类决策:对跨链双方的特征分量按判别函数的计算结果进行识别和分类;
1.5)过滤掉相同类的共识机制保留相异的共识机制等待处理;
定义1:测试对象集合A={a1,a2};
定义2:模式向量集合B={B(i)|B(i)∈A,i=1,2,};
定义3:特征集合C={C1,C2,......CN}。
所述的步骤2)中,具体方法如下:
2.1)首先获取跨链双方所在链的某些交易数据以及包含跨链交易的区块信息;
2.2)其次利用共识机制模拟算法模拟跨链双方共识达成一致的过程,并获取各自链的共识时间;其中,需经过多次模拟获得相异共识机制的平均共识时间t1、t2,并计算相异共识机制的平均时延差值t,t=|t1-t2|。
所述的步骤3)中,具体方法如下:
3.1)将平均时延差值t与系统可容忍的时延差值σ进行比较,在这里将系统容忍度时延差值按照“2-5-8原则”进行判断。当用户在2秒以内得到响应时,感觉系统响应很快;当用户在2-5秒之间得到响应时,感觉系统的响应速度较快;当用户在5-8秒以内得到响应时,会感觉系统的响应速度很慢;而当用户在超过8秒后仍然无法得到响应时,会感觉系统执行效果差,或者认为系统已失去响应。因此系统可容忍时延差值σ≤8秒,若t<σ,则表明跨链共识时延t在可控范围内不会对跨链双方所在系统造成影响;若t≥σ,则需要将相异共识机制输入决策控制器进行处理;
3.2)在不改变双方链自身的共识机制前提下,决策控制器会以共识过程较快一方的共识时间ta作为基准,决策控制器将基于动态规划算法综合考量ti≤ta的其他共识机制;
3.3)动态规划算法的设计要经历以下步骤:初始状态→│决策1│→│决策2│→…→│决策n│→结束状态,以自底向上的顺序计算出最优解,即选择出适合相异共识机制的共识机制M。
所述的步骤4)中,具体方法如下:
4.1)依据节点可信值在各自链中选择Top k个节点组成验证群组N;
4.2)对跨链交易进行验证并打包成块放入验证节点本地的交易池中;
4.3)验证节点采用共识机制M对仅包含跨链交易的区块达成一致;
4.4)验证节点将跨链交易区块放到本地区块链并将区块凭证广播全网以更新账本
节点可信值计算公式:Tri=α1Ti h2Ti b1Ci2Ai
其中Ti h代表节点执行诚实行为的正面影响部分,Ti b代表节点执行恶意行为导致的负面影响部分,α1和α2分别代表每个部分的权重系数,系统可以调整α1和α2这两个部分的权重值。其中ni表示最近单位时间内节点的诚实行为数量,ΔT表示单位时间,wk表示第k个交易事务的权重。Ti h与节点i在单位时间内的诚实行为数量成正相关,定义为:
Figure BDA0002100106460000031
Ti b与节点i的恶意行为数量呈负相关,mi表示节点i执行恶意行为的总数,t表示当前时间,tk表示节点i进行的第k次恶意行为的时间点,γ表示恶意行为的惩罚系数。Ti b定义为:
Figure BDA0002100106460000032
ci表示单位时间的贡献值,ci可以通过两种方法来获得:成为块提议者的节点会被奖励一部分的ci;节点可以从自建区块的交易中获得ci。贡献值公式定义为:
Figure BDA0002100106460000033
Ai表示节点处理事务的活跃值,P代表单位时间内系统处理的总交易数目,pi表示节点单位时间内处理的交易数目。若
Figure BDA0002100106460000034
表明单位时间内节点i处理的事务效率满足系统预
设要求,活跃程度高;若节点i在一段时间内没有提交事务,或
Figure BDA0002100106460000041
则认为它是不活跃的或活跃程度低,间接认为其可信度较低。活跃值公式定义为:
Figure BDA0002100106460000042
本发明创造的有益效果为:
本发明与现有技术相比,本发明提出基于动态规划算法的跨链共识时延优化方法。本方法利用模式识别方法对跨链双方所在链的共识机制进行预处理;模拟执行跨链双方的共识过程,计算双方的共识时延;对于时延超过控制器预设值的跨链共识,在不改变本身共识机制的基础上,由决策控制器基于动态规范算法选择出最优的共识机制M;选择两条链中的部分可信节点采用共识机制M对跨链交易的区块达成一致。
附图说明
图1为本发明方法流程图。
图2为跨链共识机制模式识别示意图。
具体实施方式
基于动态规划算法的跨链共识时延优化方法,其特征在于:其步骤为:
步骤1)、针对跨区块链交易时两条链选取共识机制的异同,基于模式识别方法对跨链双方的共识机制进行预处理。
具体方法如下:
1.1)信息获取:使用相应的设备或者传感器对跨链交易的节点进行信息采集;
1.2)预处理:对采集获取的信息进行规范化处理,即将信息转化为数字量输入计算机;
1.3)特征提取与选择:将待处理的跨链双方各自的特征构造成便于比较、分析的描述量即特征向量,利用特征向量构造出特征空间进行特征表达;
1.4)分类决策:对跨链双方的特征分量按判别函数的计算结果进行识别和分类;
1.5)过滤掉相同类的共识机制保留相异的共识机制等待处理;
定义1:测试对象集合A={a1,a2};
定义2:模式向量集合B={B(i)|B(i)∈A,i=1,2,};
定义3:特征集合C={C1,C2,......CN}。
步骤2)、基于智能的共识机制运行模拟器,对预处理机制传入的相异共识机制进行智能化模拟共识过程,计算两条链共识机制的平均时延差值t。
具体方法如下:
2.1)首先获取跨链双方所在链的某些交易数据以及包含跨链交易的区块信息;
2.2)其次利用共识机制模拟算法模拟跨链双方共识达成一致的过程,并获取各自链的共识时间;其中,需经过多次模拟获得相异共识机制的平均共识时间t1、t2,并计算相异共识机制的平均时延差值t,t=|t1-t2|。
步骤3)、将不满足系统可容忍的最长时延差值σ的相异共识机制输入决策控制器,进行处理,在不改变双方链本身共识机制前提下,决策控制器基于动态规划算法选择出适合相异共识机制的共识机制M;
3.1)将平均时延差值t与系统可容忍的时延差值σ进行比较,在这里将系统容忍度时延差值按照“2-5-8原则”进行判断。当用户在2秒以内得到响应时,感觉系统响应很快;当用户在2-5秒之间得到响应时,感觉系统的响应速度较快;当用户在5-8秒以内得到响应时,会感觉系统的响应速度很慢;而当用户在超过8秒后仍然无法得到响应时,会感觉系统执行效果差,或者认为系统已失去响应。因此系统可容忍时延差值σ≤8秒,若t<σ,则表明跨链共识时延t在可控范围内不会对跨链双方造成影响;若t≥σ,则需要将相异共识机制输入决策控制器进行处理;
3.2)在不改变双方链自身的共识机制前提下,决策控制器会以共识过程较快一方的共识时间ta作为基准,决策控制器将基于动态规划算法综合考量ti≤ta的其他共识机制;
3.3)动态规划算法的设计要经历以下步骤:初始状态→│决策1│→│决策2│→…→│决策n│→结束状态,以自底向上的顺序计算出最优解,即选择出适合相异共识机制的共识机制M。
步骤4)、选取双方链的部分可信节点,采用步骤3)中得到的共识机制M,对跨链交易进行验证达成共识。
所述的步骤4)中,具体方法如下:
4.1)依据节点可信值在各自链中选择Top k个节点组成验证群组N;
4.2)对跨链交易进行验证并打包成块放入验证节点本地的交易池中;
4.3)验证节点采用共识机制M对仅包含跨链交易的区块达成一致;
4.4)验证节点将跨链交易区块放到本地区块链并将区块凭证广播全网以更新账本
节点可信值计算公式:Tri=α1Ti h2Ti b1Ci2Ai
其中Ti h代表节点执行诚实行为的正面影响部分,Ti b代表节点执行恶意行为导致的负面影响部分,α1和α2分别代表每个部分的权重系数,系统可以调整α1和α2这两个部分的权重值。其中ni表示最近单位时间内节点的诚实行为数量,ΔT表示单位时间,wk表示第k个交易事务的权重。Ti h与节点i在单位时间内的诚实行为数量成正相关,定义为:
Figure BDA0002100106460000061
Ti b与节点i的恶意行为数量呈负相关,mi表示节点i执行恶意行为的总数,t表示当前时间,tk表示节点i进行的第k次恶意行为的时间点,γ表示恶意行为的惩罚系数。Ti b定义为:
Figure BDA0002100106460000062
ci表示单位时间的贡献值,ci可以通过两种方法来获得:成为块提议者的节点会被奖励一部分的ci;节点可以从自建区块的交易中获得ci。贡献值公式定义为:
Figure BDA0002100106460000063
Ai表示节点处理事务的活跃值,P代表单位时间内系统处理的总交易数目,pi表示节点单位时间内处理的交易数目。若
Figure BDA0002100106460000064
表明单位时间内节点i处理的事务效率满足系统预设要求,活跃程度高;若节点i在一段时间内没有提交事务,或
Figure BDA0002100106460000065
则认为它是不活跃的或活跃程度低,间接认为其可信度较低。活跃值公式定义为:
Figure BDA0002100106460000066
实例说明:以两条公有链进行跨链交互为例进行说明
(1)对跨链双方的共识机制进行预处理
1.1)使用相应的设备或者传感器对跨链交易的节点进行信息采集;
1.2)对采集获取的信息进行规范化处理,即将信息转化为数字量输入计算机;
1.3)将待处理的跨链双方各自的特征构造成便于比较、分析的描述量即特征向量,利用特征向量构造出特征空间进行特征表达;
1.4)对跨链双方的特征分量按判别函数的计算结果进行识别和分类;
1.5)经过模式识别处理得到两条链的共识机制分别为POW共识机制及POS共识机制;
(2)对预处理机制传入的共识机制进行智能化模拟共识过程,计算共识机制的平均时延差值t
2.1)首先获取跨链双方所在链的某些交易数据以及包含跨链交易的区块信息;
2.2)利用共识机制模拟算法模拟共识过程,并获取POW、POS共识机制的共识时间;
2.3)为保证数据的精确性,多次模拟获得相异共识机制的平均共识时间t1、t2,t1=10.26分钟,t2=14.92秒。
2.4)计算相异共识机制的平均时延差值t,t≈10.11分钟。
(3)将相异共识机制的平均时延差值t与系统可容忍的最长时延差值σ比较
3.1)t≈10.11分钟,σ≤8秒,因此t≥σ,需要将POW、POS共识机制输入决策控制器进行处理;
3.2)在不改变双方链自身的共识机制前提下,决策控制器会以共识过程较快共识时间POS作为基准,决策控制器将基于动态规划算法综合考量ti≤14.92秒的其他共识机制;
3.3)动态规划算法的设计要经历以下步骤:初始状态→│去中心化│→│交易确认速度│→|网络成本|…→│安全机制和容错能力│→结束状态,以自底向上的顺序计算出最优解,即选择出适合相异共识机制的共识机制M;
(4)选取双方链的部分可信节点,采用步骤3)中得到的共识机制M,对跨链交易进行验证达成共识。
4.1)依据节点可信值计算公式计算两条链节点的可信值,选取可信值好的Top k个节点组成跨链交易验证群组;
4.2)验证节点对跨链交易进行验证并放入本地的交易池中;
4.3)验证节点采用共识机制M对仅包含跨链交易的区块达成一致;
4.4)验证节点将跨链交易区块存入本地区块链并将区块凭证广播全网以更新账本。

Claims (5)

1.基于动态决策的智能合约实现方法,其特征在于:其步骤为:
步骤1)、针对区块链平台以及跨区块链平台交易数量的不断增加,基于动态分片方法对单个以及多个区块链平台进行周期性的分片预处理;
步骤2)、基于动态决策的多版本并发控制方法,在每个片区上,对获得记账权的矿工节点已发布区块内的交易的冲突率进行计算;
步骤3)、通过冲突率来预测当前时刻的可能的冲突情况,并决定采用乐观或悲观的并发控制方法;
3.1)将预测得到的冲突率E用来决策时,需要为E指定阈值σ,阈值σ作为一个标准值需要设置得当,如果σ太大或者太小,决策便会接近纯乐观或者纯悲观状态;
3.2)若E≥σ,即冲突率较高时,则需要采用悲观的并发控制策略进行处理,反之,采用乐观的并发控制策略进行处理;
3.3)基于动态决策的并发控制方法要经历以下步骤:开始→取过去N分钟得到样本→计算回归系数k→预测冲突率E→与阈值比较→决策出并发策略→结束,将预测的冲突率E与指定阈值比较并决策,选择出适合的并发控制策略;
步骤4)、根据所选的并发控制方法,将并发执行智能合约分为两个阶段:并发阶段与串行阶段;
步骤5)、根据步骤4)中虚拟机线程数、冲突操作数量以及冲突率影响因素来设置单个或多个并发阶段,对区块链平台以及跨区块链平台交易触发的智能合约并发执行。
2.根据权利要求1所述的基于动态决策的智能合约实现方法,其特征在于:所述的步骤1)中,具体方法如下:
1.1)节点数量信息获取:区块链系统通过路由功能来对网络内的节点进行连接通信,完成彼此间的联系并传播信息,并通过“节点发现协议”来对节点的数量信息进行采集;
1.2)分片预处理:对获取到的节点数量采取合适的分片策略;
1.3)节点数量实时监测:使用“节点发现协议”实时监测区块链平台上节点数量的动态变化;
1.4)周期性分片处理:当节点数量动态变化比较大时,及时的调整分片,缩短或延长周期;
1.5)使用全局存储器来保存分片信息。
3.根据权利要求1所述的基于动态决策的智能合约实现方法,其特征在于:所述的步骤2)中,具体方法如下:
2.1)首先采用线性回归预测方法计算过去N分钟样本的冲突率E的回归系数k,冲突率E指的是某一区块内的交易在执行时发生冲突的概率,回归系数k指的是过去N分钟时间里的交易,对冲突率E影响大小的参数;
2.2)其次利用推导的方法预测当前时间t的冲突率E。
4.根据权利要求1所述的基于动态决策的智能合约实现方法,其特征在于:所述的步骤4)中,具体方法如下:
4.1)对于每一个块内的事务,将执行分为两个阶段,即并发阶段与串行阶段;
4.2)在并发阶段,虚拟机从块中选择事务并发执行,若事务发生冲突,则回滚事务,并将它延迟到第二阶段;
4.3)在完成一个事务后会选择下一个事务,直到选择完当前块内的所有事务;
4.4)将无法并发执行的事务在串行阶段顺序执行。
5.根据权利要求1所述的基于动态决策的智能合约实现方法,其特征在于:所述的步骤5)中,具体方法如下:
5.1)默认在事务执行时只使用一个并发阶段和一个串行阶段;
5.2)若冲突操作数量过多导致冲突率过高时,根据实际情况设置多个并发阶段,使后面的并发阶段获得足够的额外加速;
5.3)为事务的执行设置合适数量的并发阶段和串行阶段,以实现所有潜在的并发。
CN201910532204.2A 2019-06-19 2019-06-19 基于动态规划算法的跨链共识时延优化方法 Active CN110290021B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910532204.2A CN110290021B (zh) 2019-06-19 2019-06-19 基于动态规划算法的跨链共识时延优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910532204.2A CN110290021B (zh) 2019-06-19 2019-06-19 基于动态规划算法的跨链共识时延优化方法

Publications (2)

Publication Number Publication Date
CN110290021A CN110290021A (zh) 2019-09-27
CN110290021B true CN110290021B (zh) 2022-07-19

Family

ID=68004124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910532204.2A Active CN110290021B (zh) 2019-06-19 2019-06-19 基于动态规划算法的跨链共识时延优化方法

Country Status (1)

Country Link
CN (1) CN110290021B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021108978A1 (zh) * 2019-12-03 2021-06-10 深圳市网心科技有限公司 验证人节点选择方法、电子设备、系统及介质
CN112104607B (zh) * 2020-08-13 2023-03-21 北京新盛云佳科技有限公司 跨链通信的方法、装置、网络节点和存储介质
CN112104701B (zh) * 2020-08-13 2024-04-19 河南中新国创商业运营管理有限公司 一种跨链通信的方法、装置、网络节点和存储介质
CN112118292A (zh) * 2020-08-13 2020-12-22 北京新盛云佳科技有限公司 用于跨链通信的方法、装置、网络节点和存储介质
CN113556251A (zh) * 2021-07-22 2021-10-26 浙江百应科技有限公司 一种反欺诈决策引擎业务服务注册方法及系统
CN115865943B (zh) * 2022-11-23 2024-03-08 南方电网数字电网研究院有限公司 自适应动态跨链共识机制选择的方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10057148B2 (en) * 2016-08-25 2018-08-21 Fujitsu Limited Data-driven estimation of network port delay
US10158527B2 (en) * 2016-10-28 2018-12-18 International Business Machines Corporation Changing an existing blockchain trust configuration
CN109818993B (zh) * 2017-11-20 2021-08-24 西南交通大学 一种高效的区块链共识与交换系统
CN108512939B (zh) * 2018-04-17 2020-09-11 深圳市元征科技股份有限公司 一种区块链共识方法、装置及相关设备
GB2577118B (en) * 2018-09-14 2022-08-31 Arqit Ltd Autonomous quality regulation for distributed ledger networks
CN109361740B (zh) * 2018-09-27 2021-07-06 百度在线网络技术(北京)有限公司 一种区块链的区块生成方法、装置、设备和介质
CN109787867B (zh) * 2019-02-28 2020-10-20 矩阵元技术(深圳)有限公司 区块生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN110290021A (zh) 2019-09-27

Similar Documents

Publication Publication Date Title
CN110290021B (zh) 基于动态规划算法的跨链共识时延优化方法
CN110187990B (zh) 一种基于模式转移的虚拟机混合备用动态可靠性评估方法
Abdelmoniem et al. Refl: Resource-efficient federated learning
CN105488539B (zh) 分类模型的生成方法及装置、系统容量的预估方法及装置
CN105607952B (zh) 一种虚拟化资源的调度方法及装置
US20190094941A1 (en) Power state control of a mobile device
CN115510042A (zh) 基于生成对抗网络的电力系统负荷数据填补方法及装置
WO2016189675A1 (ja) ニューラルネットワークの学習装置及び学習方法
WO2022171001A1 (zh) 一种存储系统的gc性能预测方法、系统、介质及设备
CN107861873B (zh) 基于两属性分级调整的测试用例优先级调整方法
CN110276689A (zh) 基于动态决策的智能合约实现方法
CN110083518B (zh) 一种基于AdaBoost-Elman的虚拟机软件老化预测方法
CN110162379A (zh) 虚拟机迁移方法、装置和计算机设备
CN116569194A (zh) 联合学习
CN111090401B (zh) 存储设备性能预测方法及装置
JP7225874B2 (ja) モデル出力プログラム、モデル出力方法及びモデル出力装置
CN111967581A (zh) 分群模型的解释方法、装置、计算机设备和存储介质
Yan et al. Automatic virtual network embedding based on deep reinforcement learning
WO2022252694A1 (zh) 神经网络优化方法及其装置
US10162913B2 (en) Simulation device and simulation method therefor
US11556685B1 (en) Time-based power analysis
CN112416709B (zh) 芯片动态功耗估计方法、装置、处理器芯片及服务器
CN112242959B (zh) 微服务限流控制方法、装置、设备及计算机存储介质
Sagaama et al. Automatic parameter tuning for big data pipelines with deep reinforcement learning
CN114912627A (zh) 推荐模型训练方法、系统、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant