CN111800274B - 一种基于区块链的可验证计算能耗优化方法 - Google Patents

Abstract

本发明公开一种基于区块链的可验证计算能耗优化方法，包括：建立基于区块链的可验证计算系统模型，由主节点和副本节点分别完成任务的计算和验证，并依据区块链共识对计算结果在节点间达成一致性。通过详细分析服务器各节点在共识过程中的计算资源和消耗，从而给出基于能耗考虑的系统整体优化方法。仿真结果表明，本发明的技术方法基于分布式共识在节点间进行计算验证，在能耗约束下通过节点上的计算资源优化提高计算任务的吞吐量。

Description

一种基于区块链的可验证计算能耗优化方法

技术领域

本发明属于可验证计算中计算资源分配相关领域，尤其涉及一种基于区块链的可验证计算能耗优化方法，进一步涉及一种结合区块链PBFT共识协议及智能合约的可验证计算能耗优化方法。

背景技术

随着计算机技术的深度开发以及互联网行业的蓬勃发展，用户需要计算处理的数据日趋庞大。但单一的用户因计算能力、设备成本等限制不能够完成巨大的计算任务。针对这一问题，提出了外包计算技术。

外包计算技术使得用户可以将计算任务通过互联网委托给一个或多个服务器完成。然而，外包计算的动态性、随机性、复杂性和开放性等特点给外包计算服务的可靠性带来了严峻的挑战。为了验证外包计算结果的正确性，目前已提出了许多可验证计算方案。在这些可验证计算方案中,用户可能会需要依据服务器提供的可靠证据对计算结果进行验证，通常过程很复杂且通信复杂度较高；其次，某些方案需要用户多次参与或重新进行部分计算的验证，这给计算能力低的用户造成很大的负担，未完全达到外包计算的目的；此外,一些方案要求服务器要么是诚实,要么是恶意的行为的假设并不符合实际外包计算情况。

发明内容

本发明要解决的技术问题是，提供一种在拥有多个服务器节点的外包计算系统环境中基于区块链的可验证计算能耗优化方法。该方法首先对外包计算的共识验证过程进行具体分析，然后结合能耗公式给出交易吞吐量的优化策略，最终实现在消耗较低计算资源的情况下有效完成用户外包的正确计算处理。

为解决上述问题，本发明采用如下的技术方案：

一种基于区块链的可验证计算能耗优化方法包括以下步骤：

步骤1、建立基于区块链的可验证计算系统模型

在该模型中，计算能力较弱的用户将其数据或计算任务以交易的形式提交到区块链系统，由智能合约驱动完成上述计算过程并将最终正确的计算结果发送给请求客户，用户不需再对接受到的结果进行验证。

步骤2、共识过程与性能分析，包括以下步骤：

步骤2.1、Request→Pre-Prepare

步骤2.2、Pre-Prepare→prepare

步骤2.3、prepare→Commit

步骤2.4、Commit→Reply

步骤2.5、Reply→被添加到链中

步骤3、考虑能耗的节点资源优化

考虑到能量的损耗，所提模型的优化目标是通过使用CPU的最小能量成本以及尽可能减少区块上链的延迟来最大化区块链的吞吐量K/T(每T时间生成一个包含K个交易的区块)。结合能耗公式，设定优化目标函数。

步骤4、优化问题求解

采用内点法对目标函数进行求解。

作为优选，该所述基于区块链的可验证计算系统模型中，考虑N个边缘计算节点(服务器)，每个节点的计算能力以f_n(CPU cycles per second)表示、各共识步骤中每个节点的计算能力为f_sn(CPU cycles per second)，s＝1,…,5，n＝1,...,N。在PBFT共识下，最多存在f＝3^-1(N-1)个故障节点，各节点生成或验证一个签名和生成或验证一个MAC分别需要β和θ个CPU cycles。假设在主节点上调用智能合约执行计算任务所消耗的CPU周期的均值为α(cycles)，在验证节点上验证所需的CPU周期的均值为α′(cycles)，通常，η＝α′/α≤1。

本发明通过建立基于区块链的可验证计算系统模型、详细分析服务器各节点在共识过程中的性能、结合能耗公式对系统进行能耗的整体优化。通过分析服务器各节点在共识过程中的性能以及引入能量公式，制定优化函数的约束条件，从而给出系统的能耗优化的最终目标函数。

在计算能力相对较弱的计算系统中，建立基于区块链的可验证计算系统模型，从而使得计算能力较弱的用户将其数据或计算任务以交易的形式提交到区块链系统，通过分布式共识使主节点和副节点的计算和验证对计算结果达成一致性来保证结果的正确性，通过共识步骤的计算量化、能耗分析和计算资源优化提高系统吞吐量，实现高速的计算任务处理效率。仿真结果表明，与传统的固定分配方法(在每一步共识过程中各节点所分得的计算资源是相同且固定的)相比，提出方法有更好的性能。

附图说明

图1为区块内交易格式图；

图2为节点计算或验证时调用的智能合约格式图；

图3为基于区块链的可验证计算系统模型共识过程图；

图4为随着系统能耗变化的吞吐量变化趋势(N＝7，α/α′＝100、10)；

图5为随着节点数变化的吞吐量变化趋势(α/α′＝100，P＝50、100)。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

步骤1、建立基于区块链的可验证计算系统模型

基于区块链的可验证计算系统模型可描述为：计算能力较弱的Clients将包括其外包计算内容和其签名的交易提交到区块链的Replica节点。作为主节点，它首先验证每个交易的签名和消息验证码(MAC)。如果有效，则执行智能合约中约定的计算过程，然后将一定数量的交易及计算结果打包成一个新区块，并广播给其余验证节点。每个验证节点对接收到的区块进行验证，依次验证区块和交易的签名和MAC，核实后按照智能合约要求验证交易内部的计算结果。并向所有其他Replicas发送其验证结果。当新区块内的计算结果在所有Replicas中依据PBFT协议达成一致后，将最终正确的计算结果发送给Client，Client不需再对接受到的结果进行验证。

其中，Clients为提交事务请求的用户(终端设备)；Replicas为执行和验证请求事务并最终达成分布式共识的节点(服务器)；主节点是Replicas之一，除主节点之外的Replicas为验证节点，主节点执行完事务请求的计算后生成区块，该区块将由其他验证节点进行验证；交易是基础区块共识允许或验证的单一事件，是改变以太坊分布式计算机的状态。这里，考虑一个交易完成一个计算任务。区块包含多个交易和区块头，其中区块头中的当前区块hash，上一个区块hash以及当前区块中全部交易构成的Merkle hash是使区块链系统具有防篡改性的关键因素。智能合约是嵌入在区块链上运行的计算机代码中的一种自我执行协议，当代码中包含的规则得到满足时，该协议将自动实现。由于智能合约中的规则和要求根据具体的计算任务而不同，在执行计算和验证过程中，计算复杂度和相应的能耗通常是不同的，因此假设在主节点上调用智能合约执行计算任务所消耗的CPU周期的均值为α(cycles)，在验证节点上验证所需的CPU周期的均值为α′(cycles)，通常，η＝α′/α≤1。

该模型中，考虑N个边缘计算节点(服务器)，每个节点的计算能力以f_n(CPUcycles per second)表示、各共识步骤中每个节点的计算能力为f_sn(CPU cycles persecond)，s＝1,…,5，n＝1,...,N。在PBFT共识下，最多存在f＝3^-1(N-1)个故障节点，各节点生成或验证一个签名和生成或验证一个MAC分别需要β和θ个CPU cycles。

步骤2、共识过程与性能分析，包括以下步骤：

步骤2.1、Request→Pre-Prepare

client将交易提交到主节点n′，主节点每隔一段时间T从交易池中按顺序提取一批交易。交易的签名和MAC将被验证，但考虑到不合法交易的存在，只有g(百分比)部分交易才能够通过验证。通过验证的交易内的计算任务将由智能合约执行。最后，将通过验证并计算后的K(区块内交易数)个具有计算结果和其他重要信息的交易打包到一个新的区块中。在生成新的区块之后，主节点将该区块连同Pre-Prepare消息一起广播给其他验证节点进行验证。Pre-Prepare消息包含主节点的ID、签名和区块的hash结果。

因此，对于计算资源为f_1n′的主节点生成的每个块，计算成本Δ₁和时间T_1n′可以写为

步骤2.2、Pre-Prepare→prepare

验证节点n″≠n′接收带有Pre-prepare消息的新区块，首先验证区块的签名和MAC，然后验证每个交易的签名和MAC，最后按照智能合约中验证交易计算方式验证结果。如果结果被验证成功，验证节点将向所有其他replicas发送一条Prepare消息，并添加其ID和签名。相应的计算成本Δ₂和时间T_2n″可以写成

Δ₂＝β+θ+K(β+θ)+Kα′+β+(N-1)θ

步骤2.3、prepare→Commit

每个replica接收并检查Prepare消息，以确保它与Pre-Prepare消息一致。当从其他replicas接收到2f个Prepare消息，replica就会向所有其他replicas发送一个Commit消息，其中包括它的ID和签名。计算成本Δ₃和时间T_3n是

Δ₃＝2f(β+θ)+β+(N-1)θ

步骤2.4、Commit→Reply

每个replica接收并检查Commit消息，以确保其与Prepare消息一致。一旦该节点收到来自其他replicas的2f个Commit消息，将传递Reply消息到主节点，其中包括对每个交易的签名和ID。计算成本Δ₄和时间T_4n″是

Δ₄＝2f(β+θ)+K(β+θ)

步骤2.5、Reply→被添加到链中

主节点接收并检查Reply消息。当主节点接收到2f个Reply消息后，新区块将生效并被添加到区块链中。这个过程的计算成本Δ₅和时间T_5n′是

Δ₅＝2f(β+θ)

步骤3、考虑能耗的节点资源优化

设定的优化目标函数设为

s.t.C1:

C2:

C3:F_e(f,K)≤P

其中，P为可验证计算共识过程中所提供的总能耗；

向量

代表整体的计算资源，

γ是与硬件体系结构相关的常量，在某个区块的共识过程中，δ_n＝[δ_sn]，δ_sn＝0,1用来表示节点n是否参与步骤s。例如δ_n′＝[1,0,1,1,1]表示主节点n′在共识过程中各个步骤的参与情况；δ_n″≠n′＝[0,1,1,1,0]表示其他验证节点。

步骤4、优化问题求解

首先，将目标函数改写为

s.t.C1:

C2:

C3:

然后，引入惩罚函数

以近似原目标函数，以使优化问题转化为等式约束条件下的凸优化

其中，松弛变量p，p＝[p_1,,…p_i,,…p_6N+1]^T与不等式约束g，

维度一致，并一一对应。p_i为正以保持ln(p_i)有界。μ＞0为惩罚参数，且μ越小，函数F_μ(·)就越接近F(·)。根据约束条件，更新目标函数可以写作

求解函数的极小值，只需求解令函数梯度等于0所应的

即为最小值。F_μ(·)的梯度

和Hessian矩阵H(F_μ(·))分别为

·当H(F_μ(·))为可逆矩阵时，采用牛顿迭代法求解，第v+1次迭代参数和第v次迭代关系如下

在这个迭代过程中，惩罚参数μ是固定的。每对应一个μ，都可以找到一个最小值

其中最小的μ所对应的最小值最精确。

·当H(F_μ(·))矩阵不可逆时，采用共轭梯度法，以优化方向r^(v)和优化步长λ^(v)完成迭代。

其中，优化方向初始为

第v次优化方向与第v-1次优化方向的关系为

相应的优化步长λ^(v)为

A为系数矩阵。

则第v+1次迭代和第v次迭代关系如下：

[K^(v+1),T^(v+1),(f^(v+1))^T]^T＝[K^(v),T^(v),(f^(v))^T]^T+λ^(v)r^(v)

根据上述步骤迭代计算，直到找到最小值

下面给出了仿真参数的设置与仿真结果和分析：

利用MATLAB进行仿真，建立系统模型。

其中，仿真过程中的一些参数设置为：μ＝0.1，γ＝10^-15，g＝0.7，s＝5，

β＝0.008M cycles，θ＝0.0005M cycles。

仿真图4是在节点数N＝7，α′固定为0.02M cycles，α/α′＝100、10时，随着系统能耗变化的吞吐量的变化趋势。图中显示，随着能耗的不断增大，系统的吞吐量呈不断上升的趋势。其次，在每个共识步骤中，本发明提出的根据计算任务的大小分配计算资源的方案较传统固定分配资源的方案(即，在每一步共识过程中各节点所分得的计算资源是相同且固定的)在同一能耗处具有更高的吞吐量。此外，当计算和验证的计算量比例减小且系统提供能耗越高时，提出算法优化资源的能力越高，与固定分配方案相比，获得的吞吐量提升更为显著。

仿真图5是α/α′＝100，P＝50、100时，随着节点数变化系统的吞吐量的变化趋势。当参与共识的节点数N不断增大时，传统方案中系统的吞吐量会急剧减少，而提出的资源优化方案通过资源优化，调整不同节点的计算计算消耗，具有相对更高的吞吐量且受节点数影响的波动性较小。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (1)

1.一种基于区块链的可验证计算能耗优化方法，其特征在于，包括以下步骤：

步骤1、建立基于区块链的可验证计算系统模型；

其系统模型可描述为：计算能力弱的Clients将包括其外包计算内容和其签名的交易提交到区块链的Replica节点；作为主节点，它首先验证每个交易的签名和消息验证码；如果有效，则执行智能合约中约定的计算过程，然后将一定数量的交易及计算结果打包成一个新区块，并广播给其余验证节点；每个验证节点对接收到的区块进行验证，依次验证区块和交易的签名和MAC，核实后按照智能合约要求验证交易内部的计算结果；并向所有其他Replicas发送其验证结果；当新区块内的计算结果在所有Replicas中依据PBFT协议达成一致后，将最终正确的计算结果发送给Client，Client不需再对接受到的结果进行验证；

步骤2、共识过程与性能分析，包括以下步骤：

步骤2.1、Request→Pre-Prepare

client将交易提交到主节点n′，主节点每隔一段时间T从交易池中按顺序提取一批交易；交易的签名和MAC将被验证，但考虑到不合法交易的存在，只有g部分交易才能够通过验证；通过验证的交易内的计算任务将由智能合约执行；最后，将通过验证并计算后的K个具有计算结果和其他重要信息的交易打包到一个新的区块中；在生成新的区块之后，主节点将该区块连同Pre-Prepare消息一起广播给其他验证节点进行验证；Pre-Prepare消息包含主节点的ID、签名和区块的hash结果；

步骤2.2、Pre-Prepare→prepare

验证节点n″≠n′接收带有Pre-prepare消息的新区块，首先验证区块的签名和MAC，然后验证每个交易的签名和MAC，最后按照智能合约中验证交易计算方式验证结果；如果结果被验证成功，验证节点将向所有其他replicas发送一条Prepare消息，并添加其ID和签名；

步骤2.3、prepare→Commit

每个replica接收并检查Prepare消息，以确保它与Pre-Prepare消息一致；当从其他replicas接收到2f个Prepare消息，replica就会向所有其他replicas发送一个Commit消息，其中包括它的ID和签名；

步骤2.4、Commit→Reply

每个replica接收并检查Commit消息，以确保其与Prepare消息一致；一旦该节点收到来自其他replicas的2f个Commit消息，将传递Reply消息到主节点，其中包括对每个交易的签名和ID；

步骤2.5、Reply→被添加到链中

主节点接收并检查Reply消息；当主节点接收到2f个Reply消息后，新区块将生效并被添加到区块链中；这个过程的计算成本Δ₅和时间T_5n′是

Δ₅＝2f(β+θ)

步骤3、考虑能耗的节点资源优化；设定的优化目标函数设为

s.t.C1:

C2:

C3:F_e(f,K)≤P

其中，P为可验证计算共识过程中所提供的总能耗；

向量

代表整体的计算资源，

γ是与硬件体系结构相关的常量，在某个区块的共识过程中，δ_n＝[δ_sn]，δ_sn＝0,1用来表示节点n是否参与步骤s；例如δ_n′＝[1,0,1,1,1]表示主节点n′在共识过程中各个步骤的参与情况；δ_n″≠n′＝[0,1,1,1,0]表示其他验证节点；

步骤4、优化问题求解并进行迭代计算，直到找到最小值；首先，将目标函数改写为

s.t.C1:

C2:

C3:

然后，引入惩罚函数

以近似原目标函数，以使优化问题转化为等式约束条件下的凸优化

s.t.

其中，松弛变量p，p＝[p₁,,…p_i,,…p_6N+1]^T与不等式约束g，

维度一致，并一一对应；p_i为正以保持ln(p_i)有界；μ＞0为惩罚参数，且μ越小，函数F_μ(·)就越接近F(·)；根据约束条件，更新目标函数写作：

求解函数的极小值，只需求解令函数梯度等于0所应的

即为最小值；F_μ(·)的梯度

和Hessian矩阵H(F_μ(·))分别为

·当H(F_μ(·))为可逆矩阵时，采用牛顿迭代法求解，第v+1次迭代参数和第v次迭代关系如下

在这个迭代过程中，惩罚参数μ是固定的；每对应一个μ，找到一个最小值

其中最小的μ所对应的最小值最精确；

·当H(F_μ(·))矩阵不可逆时，采用共轭梯度法，以优化方向r^(v)和优化步长λ^(v)完成迭代；

其中，优化方向初始为

第v次优化方向与第v-1次优化方向的关系为

相应的优化步长λ^(v)为

A为系数矩阵；

则第v+1次迭代和第v次迭代关系如下：

[K^(v+1),T^(v+1),(f^(v+1))^T]^T＝[K^(v),T^(v),(f^(v))^T]^T+λ^(v)r^(v)

根据迭代计算，直到找到最小值

Images