CN115510152A - 一种预言机节点筛选方法、装置、存储介质及电子装置 - Google Patents
一种预言机节点筛选方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115510152A CN115510152A CN202110694893.4A CN202110694893A CN115510152A CN 115510152 A CN115510152 A CN 115510152A CN 202110694893 A CN202110694893 A CN 202110694893A CN 115510152 A CN115510152 A CN 115510152A
- Authority
- CN
- China
- Prior art keywords
- nodes
- node
- activity
- reputation
- determining
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 title claims abstract description 29
- 230000000694 effects Effects 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 239000002699 waste material Substances 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer And Data Communications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种预言机节点筛选方法、装置、存储介质及电子装置,该方法包括:通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,该多个节点的数量小于该多个预言机节点的数量;确定该多个节点的用于描述节点置信度的信誉值;根据该多个节点的信誉值确定用于工作的目标预言机节点,可以解决相关技术中将大量的预言机节点用于执行相同的任务请求并返回结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现的问题,利用可验证随机函数从预言机节点中随机选出不定量的多个节点,根据多个节点的信誉值选定工作的预言机节点,通过两阶段选择提高工作的预言机节点的可信性,节省网络资源,避免出现富者恒富的情况。
Description
技术领域
本申请实施例涉及通信领域,具体而言,涉及一种预言机节点筛选方法、装置、存储介质及电子装置。
背景技术
随着区块链技术的发展,区块链+成为应用热点。区块链与其他领域的结合可充分发挥其去中心化、难以篡改的特性。但是,由于区块链网络需要多个节点共同验证和维护,在执行用户发来的交易时,只能验证交易结果的一致性,以达到全网的数据一致性。因此,区块链无法执行不确定的交易即无法执行链下不确定数据产生的交易,如区块链无法得知链下的天气、数据等,这给区块链+带来极大挑战。区块链与其他领域的结合不免需要使用大量的链下数据,当链下数据来源、数量、内容不确定时,使得区块链无法取得数据一致性。预言机是为解决区块链链上链下协同的数据协议,其通过构建虚拟的预言机网络,让链下的预言机节点代替区块链链上的节点输入确定性的结果。预言机节点首先根据区块链上指定的数据源或者是数据,根据链上提示在链下收集数据后将其返回到区块链上,通过比较多个预言机节点返回的结果,最终聚合成唯一的结果返回给区块链,以满足链上链下的交互需求。预言机通过交互的方式打破区块链的封闭性,达到链上链下协同的效果,加速区块链+的应用场景落地。
在区块链技术的发展过程中,预言机已经成为整个区块链生态不可或缺的一环,区块链的应用场景由此衍生。例如,去中心化金融是需要区块链预言机实时从链下进行获取价格数据随后在区块链上进行喂价的过程。当前,去中心化金融繁荣发展,其背后离不开区块链和预言机的技术支撑,通过二者的链上链下协同将现实世界金融迁移到区块链上,构建更加繁荣的数字生态。但是,预言机同时面临着以下技术难题:
预言机节点返回数据时,可能故意作恶返回错误的数据或者是故意上传随机数据。传统的预言机网络通过设计奖惩激励机制防止上述情况的出现,历史信誉较好以及质押通证较多的预言机节点的回调结果更加可信。这些预言机节点返回正确结果时将获得用户支付的费用,返回错误结果时将被扣除一定的费用以补偿用户,这种奖惩机制使得预言机节点更加趋于按照协议返回正确的结果。尽管这种方式能够规范预言机节点的行为,但是将大量的预言机节点用于执行相同的任务请求并返回相同的结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现。
针对相关技术中将大量的预言机节点用于执行相同的任务请求并返回相同的结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现的问题,尚未提出解决方案。
发明内容
本申请实施例提供了一种预言机节点筛选方法、装置、存储介质及电子装置,以至少解决相关技术中将大量的预言机节点用于执行相同的任务请求并返回相同的结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现的问题。
根据本申请的一个实施例,提供了一种预言机节点筛选方法,包括:
通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
确定所述多个节点的用于描述节点置信度的信誉值;
根据所述多个节点的信誉值确定用于工作的目标预言机节点。
在一示例性实施例中,通过可验证随机函数从预言机节点中随机选取多个节点包括:
获取所述多个预言机节点通过可验证随机函数确定的随机数;
从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
在一示例性实施例中,在从所述多个预言机节点中选取所述随机数大于预设阈值的所述多个节点之前,所述方法还包括:
接收所述多个预言机节点发送的预言机请求;
通过智能合约,根据所述预言机请求和区块高度生成安全参数;
将所述安全参数确定为所述随机选择阈值。
在一示例性实施例中,根据所述多个节点的信誉值确定用于工作的目标预言机节点包括:
将多个节点按照信誉度值进行排序;
从所述多个节点中选取信誉度大于预设阈值的部分节点作为所述目标预言机节点。
在一示例性实施例中,确定所述多个节点的用于描述节点置信度的信誉值包括:
分别获取每个节点的参与活动的总次数,参与活动的重要程度、每次活动中的诚信状况以及每次活动中其余节点的信誉值总和;
分别根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值。
在一示例性实施例中,分别通过以下公式根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值:
其中,P(t)为节点t的信誉值,T(t,i)为节点t在第i次活动中其余节点的信誉值总和的归一值,P(t,i)为任务i中节点t的信誉值总和,I(t)为节点t参与活动的总次数,C(t,i)为节点t在第i次活动中的诚信状况,R(t,i)为节点t参与的第i次活动的重要程度,α、β、γ为常数,b为初始信誉值。
根据本申请的另一个实施例,还提供了一种预言机节点筛选装置,包括:
选取模块,用于通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
第一确定模块,用于确定所述多个节点的用于描述节点置信度的信誉值;
第二确定模块,用于根据所述多个节点的信誉值确定用于工作的目标预言机节点。
在一示例性实施例中,所述选取模块包括:
第一获取子模块,用于获取所述多个预言机节点通过可验证随机函数确定的随机数;
第一选取子模块,用于从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
在一示例性实施例中,所述装置还包括:
接收模块,用于接收所述多个预言机节点发送的预言机请求;
生成模块,用于通过智能合约,根据所述预言机请求和区块高度生成安全参数;
第三确定模块,用于将所述安全参数确定为所述随机选择阈值。
在一示例性实施例中,所述第二确定模块包括:
排序子模块,用于将多个节点按照信誉度值进行排序;
第二选取子模块,用于从所述多个节点中选取信誉度大于预设阈值的部分节点作为所述目标预言机节点。
在一示例性实施例中,所述第一确定模块包括:
第二获取子模块,用于分别获取每个节点的参与活动的总次数,参与活动的重要程度、每次活动中的诚信状况以及每次活动中其余节点的信誉值总和;
确定子模块,用于分别根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值。
在一示例性实施例中,所述确定子模块,还用于分别通过以下公式根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值:
其中,P(t)为节点t的信誉值,T(t,i)为节点t在第i次活动中其余节点的信誉值总和的归一值,P(t,i)为任务i中节点t的信誉值总和,I(t)为节点t参与活动的总次数,C(t,i)为节点t在第i次活动中的诚信状况,R(t,i)为节点t参与的第i次活动的重要程度,α、β、γ为常数,b为初始信誉值。
根据本申请的又一个实施例,还提供了一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
本申请实施例,通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;确定所述多个节点的用于描述节点置信度的信誉值;根据所述多个节点的信誉值确定用于工作的目标预言机节点,可以解决相关技术中将大量的预言机节点用于执行相同的任务请求并返回结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现的问题,利用可验证随机函数从预言机节点中随机选出不定量的多个节点,根据多个节点的信誉值选定工作的预言机节点,通过两阶段选择提高工作的预言机节点的可信性,节省网络资源。
附图说明
图1是本申请实施例的预言机节点筛选方法的移动终端的硬件结构框图;
图2是根据本申请实施例的预言机节点筛选方法的流程图;
图3是根据本实施例的随机选择预言机节点的流程图;
图4是根据本实施例的基于信誉评估模型选择工作的预言机节点的流程图;
图5是根据本实施例的50个信誉值不同的节点通过第一阶段筛选的次数的示意图;
图6是根据本实施例的50个信誉值不同的节点通过第二阶段请求的次数的示意图;
图7是根据本实施例的选定的10个节点在100次请求处理后的信誉值变化曲线的示意图;
图8是根据本实施例的预言机节点筛选装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请的实施例。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本申请实施例的预言机节点筛选方法的移动终端的硬件结构框图,如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的预言机节点筛选方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及业务链地址池切片处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端或网络架构的预言机节点筛选方法,应用于终端,所述终端通过双连接(Dual Connection,简称为DC)接入源区域的当前主节点MN小区与当前辅节点SN小区,图2是根据本申请实施例的预言机节点筛选方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
步骤S204,确定所述多个节点的用于描述节点置信度的信誉值;
步骤S206,根据所述多个节点的信誉值确定用于工作的目标预言机节点。
通过上述步骤S202至S206,通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;确定所述多个节点的用于描述节点置信度的信誉值;根据所述多个节点的信誉值确定用于工作的目标预言机节点,可以解决相关技术中将大量的预言机节点用于执行相同的任务请求并返回结果可能导致网络节点资源的浪费,同时导致富者恒富的情况出现的问题,利用可验证随机函数从预言机节点中随机选出不定量的多个节点,根据多个节点的信誉值选定工作的预言机节点,通过两阶段选择提高工作的预言机节点的可信性,节省网络资源。
本实施例中,上述步骤S202具体可以包括:
获取所述多个预言机节点通过可验证随机函数确定的随机数;
从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
在一示例性实施例中,在从所述多个预言机节点中选取所述随机数大于预设阈值的所述多个节点之前,接收所述多个预言机节点发送的预言机请求;通过智能合约,根据所述预言机请求和区块高度生成安全参数;将所述安全参数确定为所述随机选择阈值。
本实施例中,上述步骤S206具体可以包括:
将多个节点按照信誉度值进行排序;
从所述多个节点中选取信誉度大于预设阈值的部分节点作为所述目标预言机节点。
本实施例中,上述步骤S204具体可以包括:
分别获取每个节点的参与活动的总次数,参与活动的重要程度、每次活动中的诚信状况以及每次活动中其余节点的信誉值总和;
分别根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值,进一步的,分别通过以下公式确定每个节点的信誉值:
其中,P(t)为节点t的信誉值,T(t,i)为节点t在第i次活动中其余节点的信誉值总和的归一值,P(t,i)为任务i中节点t的信誉值总和,I(t)为节点t参与活动的总次数,C(t,i)为节点t在第i次活动中的诚信状况,R(t,i)为节点t参与的第i次活动的重要程度,α、β、γ为常数,b为初始信誉值。
本实施例的预言机节点选择机制由两个阶段组成,分别是随机选择阶段和信誉评价阶段。随机选择阶段将利用可验证随机函数从预言机节点中随机选出不定量的节点,信誉评估阶段根据随机选择阶段选择节点确定其相应的信誉值最终选定工作的预言机节点,通过两阶段选择提高工作的预言机节点的可信性,节省网络资源。以下将对预言机节点选择机制展开详细描述。
在随机选择阶段,利用可验证随机函数(Verifiable Random Function,VRF)使得预言机节点在不公开私钥的前提下,进行数据有效性证明,并结合智能合约和区块链实现预言机节点的不可预测性、公平性和可验证性,图3是根据本实施例的随机选择预言机节点的流程图,如图3所示,包括:
步骤S301,用户向预言机节点发送请求;
步骤S302,预言机节点利用私钥和预言机请求生成可验证证明;
步骤S303,预言机节点根据证明生成随机数;
步骤S304,智能合约根据预言机请求和区块高度生成安全参数;
步骤S305,根据安全参数筛选和验证预言机节点的资格。
预言机网络中的节点首先在本地生成公私钥对Keypair(ski,pki)用作预言机网络的身份以进行数据获取和回调操作,随后该节点利用私钥以及监听到的预言机请求消息生成消息证明Proof=S(sli,H(m)),并根据消息证明生成该消息对应的随机数Random=H(Proof)用于判断是否达到第二阶段的准入门槛。由于区块链发出的每个预言机请求序号Request不同以及区块链在进行预言机请求共识的区块高度不同,因此本专利根据预言机请求序号以及区块高度指定随机选择的阈值Randomthreshold,只有预言机节点生成随机数小于该阈值的节点才可进入信誉评价阶段,以避免每轮均是相同的节点进入第二阶段,为进入第二阶段的节点增加随机性,防止富者恒富的情况出现。本专利采用每轮都变化的预言机请求序号以及区块高度Height在智能合约中共同频繁更新安全参数Para,其中Para=H((Request+1)||(Height+1)),预言机节点需要保证H(S(ski,H(Para)))<Randomthreshold,即只有生成随机数小于阈值随机数的预言机节点才能进入第二阶段,并且这个结果根据消息证明可以在不公开预言机节点私钥的前提下被其他节点所证明。即使预言机节点有资格进入第二阶段,在其公布证明之前,其他节点不知道该节点具有进入第二阶段的资格。此时,该节点需要将其证明进行广播,由其他节点进行验证,只有Verify(pki,Proof,m)=true时,该节点的资格才被认可,否则该预言机节点的结果将不被认可,其无法根据执行结果获取信誉值奖励。因此,第一阶段是从大量的预言机节点中随机选取不定量的节点进入信誉评价阶段,防止过多的节点执行重复的操作,浪费网络资源。
在信誉评价阶段,利用智能合约和信誉评价模型,将从随机阶段中选出的节点进行筛选,使得信誉度高的部分节点最终成为预言机工作节点,图4是根据本实施例的基于信誉评估模型选择工作的预言机节点的流程图,如图4所示,包括:
步骤S401,记录具有资格的预言机节点;
步骤S402,计算预言机节点当前节点的信誉值;
步骤S403,将节点按照信誉值高低排序;
步骤S404,筛选出信誉值较高的节点处理请求。
需要二次筛选的原因是,可验证随机函数无法防止女巫攻击,即某个实体控制大量的无效节点,利用节点的身份提高实体参与随机选择阶段的概率。因此,信誉评价阶段将通过信誉评价模型摒弃无效的节点,降低女巫攻击发生的概率。
在区块链网络上部署相应的信誉评价合约。根据每个节点在其参与的每次活动中所表现的行为,信誉评价合约会按照信誉模型描述的计算方法对每个节点的信誉值进行计算评估,同时将节点按照信誉值进行排序,筛选出信誉值较高的一部分节点处理请求,以保证在减少参与节点之后,整个网络在每次活动中都有足够高的可信度。
针对区块链网络中可能存在的不诚信行为和安全威胁,综合PeerTrust等信誉模型进行相应的改进和调整,增加区块链预言机场景下适用的节点信誉评价参数,删减区块链预言机网络场景下不适用的节点信誉评估参数,调整节点信誉值计算公式,并将改进调整后的信誉模型作为整个区块链网络的信誉模型,以对每个节点的信誉值进行评估。信誉模型将每个节点的活动参与总次数,每次活动的同行节点的信誉值总和以及每次活动的重要性等作为相关参数计算各个节点的信誉值。信誉值的计算函数如式(1)所示,其中I(t)表示节点t的活动参与总次数,T(t,i)表示节点t在第i次活动中其余节点的信誉值综合的归一值,R(t,i)表示节点t的第i次活动的重要程度,α,b作为参数,用于调整信誉值P(t)的取值范围。在无任何请求发生时,b将作为节点信誉初始值,β、γ作为参数分别用于调整任务因素和节点因素在节点信誉评估中的占比,C(t,i)表示节点t在第i次活动中的诚信状况:负值表示不诚信、正值表示诚信。
其中,T(t,i)所表示节点t在第i次活动中其余节点的信誉值综合的归一值的计算,则如公式(2)所示,其中P(t,i)表示任务i中节点t的信誉值总和。
每个节点在加入区块链网络后都会获得相应的初始信誉值。信誉值在每一次活动后,根据最终选择的节点和节点之间共识的结果,对节点在活动中的行为进行评价,并会将参与活动的节点的信誉值进行更新。为了防止女巫攻击以及单节点信誉值过高而可能导致的中心化问题,在信誉模型中添加了相应的阈值机制和归一化机制,保证节点信誉值不会出现无上限上升以及节点之间信誉值差距过大或者过小的问题。设置不同的信誉值梯度,当节点当前的信誉值处在较高的信誉值梯度中时,减少信誉值提升速度,提高信誉值下降速度;当节点当前信誉值处在最高的梯度时,大幅度的放缓信誉值提升速度,同时加快信誉值下降速度;同时,当节点信誉值处于较低梯度时,减少信誉值下降速度,加快信誉值提升速度。为了防止多个信誉值节点(包括恶意节点)参与节点筛选而产生的网络资源消耗,设置了相应的诚信度阈值,当节点信誉值在低于诚信度阈值之后,若再次出现不诚信行为,便将该节点从区块链网络中移除,从而使预言机系统的安全性和抗攻击行得到提高。
传统的预言机节点选择只通过基于通证的激励机制以惩罚预言机节点作恶。但是,随着时间的推移,逐渐出现头部预言机节点持有大量通证主导全局结果的情况出现。这些头部预言机节点可能为了通证的价值而按照协议规范执行任务,但是当这些预言机节点被外部攻击或者是故意作恶的情况出现,则预言机的结果将不够可信。因此,本实施例通过添加基于可验证随机函数以保证预言机网络的每个预言机节点均有可能参与任务执行,且对彼此并不信任,以提高预言机节点的随机性;同时,为了防止女巫攻击和富者恒富现象,采用信誉模型避免头部预言机节点掌握大量信誉值以及某一实体控制大量预言机节点的情况出现,提高预言机节点的可信度,从而提高数据质量。
下面以50个信誉值不同的模拟节点为例,对本实施例进行详细说明。
在实例模拟的50个节点中,包含有10个诚信概率为0.9的节点、15个诚信概率为0.8的节点、15个诚信概率为0.7的节点和10个诚信概率为0.6的节点。诚信概率为正确反馈用户请求的概率。第一阶段将筛选20个节点进入下一个阶段,第二阶段将从上一个阶段筛选出的20个节点中再根据信誉值大小筛选出10个信誉值较高的节点,信誉值相同的节点则按照节点序号排序进行挑选。
图5是根据本实施例的50个信誉值不同的节点通过第一阶段筛选的次数的示意图,如图5所示,向相应的预言机网络发送100条用户请求,每次请求都会对节点进行筛选。节点收到每次请求之后,会通过可验证随机函数生成随机数,预言机会对每次请求进行随机挑选。在100次请求之后,对每个节点通过第一阶段筛选的次数进行统计。
可以看出,无论信誉值的高低,每个节点在通过第一阶段的概率都较为平均,基本稳定在40次左右,上下大约有10次左右的偏差。所以,在第一阶段中能够保证节点选择的随机性,节点筛选结果较为平均,避免富者恒富的情况的出现。
图6是根据本实施例的50个信誉值不同的节点通过第二阶段请求的次数的示意图,如图6所示,对于第一阶段通过的节点进行第二阶段的筛选。第二阶段的筛选是基于信誉值的筛选过程。100次请求之后,我们同样对通过第二阶段的节点个数进行统计。
当通过第一阶段的节点在进行第二阶段筛选时会筛选掉信誉值较低的节点。不仅能够挑选出诚信度较高的节点参与用户请求,从而保证用户请求的可信性,还能够保证信誉值较低的节点的参与度。
图7是根据本实施例的选定的10个节点在100次请求处理后的信誉值变化曲线的示意图,如图7所示,对第二阶段的信誉值模型进行相应的测试。在50个预言机网络节点中,随机选择2个诚信概率为0.9的节点、3个诚信概率为0.8的节点、3个诚信概率为0.7的节点和2个诚信概率为0.6的节点。我们向预言机网络中持续发送用户请求,并在选定节点分别处理过100次请求之后,统计这10个节点的信誉值变化数据。
在诚信概率不相同的10个节点中,信誉模型能够较为准确地对这些节点进行信誉值评估。对于诚信和不诚信的节点,信誉模型能够进行准确的划分。如图所示,诚信概率在60%的节点的信誉值区间大致在50左右,而诚信概率在70%的节点的信誉值则为70左右,诚信概率在80%的节点的信誉值为85左右,诚信概率在90%的节点的信誉值则为90左右.由此可见,改进后的信誉模型能够在准确的区分诚信节点和恶意节点的基础上,缩小了诚信度较高的节点和诚信度极高的节点的差距,防止诚信度无上限增长带来的节点话语权过重的问题。
最后,将本实施例与传统的分布式预言机进行对比。本实例中,通过处理速度和正确率两个方面进行评估。节点的诚信度设置与实例中上述的50个节点相同。同样向两个预言机模型分别发送100条用户请求。传统预言机的处理速度和正确率包括:start time:1603784028153;end time:1603784052367;耗时:25347;用户请求正确次数:72。本实施例的处理速度和正确率start time:1603783406002;end time:1603783434378;耗时:28247;用户请求正确次数:89。
通过对比可以看出,本实施例的执行效率与传统预言机差别不大,但是在相同阶段诚信度下,面对相同的用户请求,本实施例的可信性相较于传统预言机有着较大的提高。在预言机网络整体诚信度不高,甚至存在较多恶意节点或女巫攻击威胁的情况下,仍然能够有较高的正确率。
根据本申请的另一个实施例,还提供了一种预言机节点筛选装置,图8是根据本实施例的预言机节点筛选装置的框图,如图8所示,包括:
选取模块82,用于通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
第一确定模块84,用于确定所述多个节点的用于描述节点置信度的信誉值;
第二确定模块86,用于根据所述多个节点的信誉值确定用于工作的目标预言机节点。
在一示例性实施例中,所述选取模块82包括:
第一获取子模块,用于获取所述多个预言机节点通过可验证随机函数确定的随机数;
第一选取子模块,用于从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
在一示例性实施例中,所述装置还包括:
接收模块,用于接收所述多个预言机节点发送的预言机请求;
生成模块,用于通过智能合约,根据所述预言机请求和区块高度生成安全参数;
第三确定模块,用于将所述安全参数确定为所述随机选择阈值。
在一示例性实施例中,所述第二确定模块包括:
排序子模块,用于将多个节点按照信誉度值进行排序;
第二选取子模块,用于从所述多个节点中选取信誉度大于预设阈值的部分节点作为所述目标预言机节点。
在一示例性实施例中,所述第一确定模块包括:
第二获取子模块,用于分别获取每个节点的参与活动的总次数,参与活动的重要程度、每次活动中的诚信状况以及每次活动中其余节点的信誉值总和;
确定子模块,用于分别根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值。
在一示例性实施例中,所述确定子模块,还用于分别通过以下公式根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的信誉值:
其中,P(t)为节点t的信誉值,T(t,i)为节点t在第i次活动中其余节点的信誉值总和的归一值,P(t,i)为任务i中节点t的信誉值总和,I(t)为节点t参与活动的总次数,C(t,i)为节点t在第i次活动中的诚信状况,R(t,i)为节点t参与的第i次活动的重要程度,α、β、γ为常数,b为初始信誉值。
本申请的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种预言机节点筛选方法,其特征在于,包括:
通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
确定所述多个节点的用于描述节点置信度的信誉值;
根据所述多个节点的信誉值确定用于工作的目标预言机节点。
2.根据权利要求1所述的方法,其特征在于,通过可验证随机函数从预言机节点中随机选取多个节点包括:
获取所述多个预言机节点通过可验证随机函数生成的随机数;
从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
3.根据权利要求2所述的方法,其特征在于,在从所述多个预言机节点中选取所述随机数大于预设阈值的所述多个节点之前,所述方法还包括:
接收所述多个预言机节点发送的预言机请求;
通过智能合约,根据所述预言机请求和区块高度生成安全参数;
将所述安全参数确定为所述随机选择阈值。
4.根据权利要求1所述的方法,其特征在于,根据所述多个节点的信誉值确定用于工作的目标预言机节点包括:
将多个节点按照信誉度值进行排序;
从所述多个节点中选取信誉度大于预设阈值的部分节点作为所述目标预言机节点。
5.根据权利要求1所述的方法,其特征在于,确定所述多个节点的用于描述节点置信度的信誉值包括:
分别获取每个节点的参与活动的总次数,参与活动的重要程度、每次活动中的诚信状况以及每次活动中其余节点的信誉值总和;
分别根据所述参与活动的总次数,所述参与活动的重要程度、所述每次活动中的诚信状况以及所述信誉值总和确定每个节点的所述信誉值。
7.一种预言机节点筛选装置,其特征在于,包括:
选取模块,用于通过可验证随机函数从多个预言机节点中随机选取多个节点,其中,所述多个节点的数量小于所述多个预言机节点的数量;
第一确定模块,用于确定所述多个节点的用于描述节点置信度的信誉值;
第二确定模块,用于根据所述多个节点的信誉值确定用于工作的目标预言机节点。
8.根据权利要求7所述的装置,其特征在于,所述选取模块包括:
第一获取子模块,用于获取所述多个预言机节点通过可验证随机函数确定的随机数;
第一选取子模块,用于从所述多个预言机节点中选取所述随机数小于随机选择阈值的所述多个节点。
9.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694893.4A CN115510152A (zh) | 2021-06-22 | 2021-06-22 | 一种预言机节点筛选方法、装置、存储介质及电子装置 |
PCT/CN2022/091533 WO2022267715A1 (zh) | 2021-06-22 | 2022-05-07 | 一种预言机节点筛选方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694893.4A CN115510152A (zh) | 2021-06-22 | 2021-06-22 | 一种预言机节点筛选方法、装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115510152A true CN115510152A (zh) | 2022-12-23 |
Family
ID=84499659
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694893.4A Pending CN115510152A (zh) | 2021-06-22 | 2021-06-22 | 一种预言机节点筛选方法、装置、存储介质及电子装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115510152A (zh) |
WO (1) | WO2022267715A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049319A (zh) * | 2023-03-07 | 2023-05-02 | 天聚地合(苏州)科技股份有限公司 | 一种基于预言机信誉值的链外数据获取方法和装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116866045B (zh) * | 2023-07-18 | 2024-01-23 | 四川华西集采电子商务有限公司 | 一种基于访问控制规则的区块链可信预言机决策支撑系统 |
CN117314473A (zh) * | 2023-10-23 | 2023-12-29 | 苏州思萃区块链技术研究所有限公司 | 一种基于可验碳凭证的碳排放数据要素流通管理系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7222187B2 (en) * | 2001-07-31 | 2007-05-22 | Sun Microsystems, Inc. | Distributed trust mechanism for decentralized networks |
CN111882104A (zh) * | 2020-06-15 | 2020-11-03 | 合肥维天运通信息科技股份有限公司 | 一种基于区块链和Oracle预言机的物流运价预测方法和系统 |
CN112016105B (zh) * | 2020-08-17 | 2022-04-08 | 东北大学秦皇岛分校 | 基于分布式预言机和同态加密的链上链下数据共享方法 |
CN112003942B (zh) * | 2020-08-25 | 2023-04-21 | 杭州时戳信息科技有限公司 | 链下数据请求响应方法、系统、节点设备与存储介质 |
CN112003941A (zh) * | 2020-08-25 | 2020-11-27 | 杭州时戳信息科技有限公司 | 分发链下数据请求的方法、系统、节点设备与存储介质 |
CN112532587B (zh) * | 2020-11-04 | 2022-05-10 | 齐鲁工业大学 | 基于PeerTrust的DPos的共识节点评估方法 |
-
2021
- 2021-06-22 CN CN202110694893.4A patent/CN115510152A/zh active Pending
-
2022
- 2022-05-07 WO PCT/CN2022/091533 patent/WO2022267715A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049319A (zh) * | 2023-03-07 | 2023-05-02 | 天聚地合(苏州)科技股份有限公司 | 一种基于预言机信誉值的链外数据获取方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022267715A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115510152A (zh) | 一种预言机节点筛选方法、装置、存储介质及电子装置 | |
CN110610242B (zh) | 一种联邦学习中参与者权重的设置方法及装置 | |
CN110443614B (zh) | 节点设备删除方法、装置、计算机设备及存储介质 | |
CN111130790B (zh) | 基于区块链节点网络的共识出块方法 | |
CN112866282B (zh) | 区块链中时间信息验证方法和装置 | |
US11025709B2 (en) | Load processing method and apparatus | |
CN112954009B (zh) | 区块链共识方法、设备及存储介质 | |
CN110662245A (zh) | 基于深度学习的基站负荷预警方法及装置 | |
CN112837157A (zh) | 区块链中定时智能合约的注册、执行方法、装置和系统 | |
CN114301935B (zh) | 一种基于声誉的物联网边云协同联邦学习节点选择方法 | |
CN110930254A (zh) | 基于区块链的数据处理方法、装置、终端及介质 | |
CN113364831B (zh) | 基于区块链的多域异构算网资源可信协同方法 | |
CN114003584A (zh) | 一种基于演化博弈的拜占庭容错共识方法 | |
CN111131184B (zh) | 一种区块链共识机制的自主调节方法 | |
CN110460471B (zh) | 一种超级节点竞选方法、装置及存储介质 | |
CN111428885B (zh) | 一种联邦学习中用户的索引方法及联邦学习装置 | |
CN113486118A (zh) | 共识节点选取方法及装置 | |
CN114900374B (zh) | 一种智能化异地的网络资源互通部署方法、系统及云平台 | |
CN115879889A (zh) | 基于区块链的业务处理方法、装置和计算机设备 | |
CN115834054A (zh) | 一种多级密钥级数管理方法及装置 | |
CN114205249B (zh) | 资源分配方法及终端设备 | |
CN112511312A (zh) | 一种可组装的共识方法及系统 | |
CN112866399B (zh) | 一种改进的pbft共识方法、装置、智能终端及存储介质 | |
CN117172627B (zh) | 一种业务执行方法、装置、设备及存储介质 | |
Borjigin et al. | Time-saving first: Coflow scheduling for datacenter networks |
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 |