CN117221335B - 无线区块链网络分片方法及装置、电子设备、存储介质 - Google Patents
无线区块链网络分片方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN117221335B CN117221335B CN202311479413.8A CN202311479413A CN117221335B CN 117221335 B CN117221335 B CN 117221335B CN 202311479413 A CN202311479413 A CN 202311479413A CN 117221335 B CN117221335 B CN 117221335B
- Authority
- CN
- China
- Prior art keywords
- node
- nodes
- consensus
- time delay
- nth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000003993 interaction Effects 0.000 claims abstract description 134
- 238000012795 verification Methods 0.000 claims abstract description 82
- 230000005540 biological transmission Effects 0.000 claims abstract description 80
- 230000002068 genetic effect Effects 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 49
- 230000000694 effects Effects 0.000 claims abstract description 25
- 210000000349 chromosome Anatomy 0.000 claims description 42
- 238000005457 optimization Methods 0.000 claims description 42
- 239000012634 fragment Substances 0.000 claims description 32
- 239000002131 composite material Substances 0.000 claims description 24
- 108090000623 proteins and genes Proteins 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000005192 partition Methods 0.000 claims description 13
- 230000001934 delay Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000013467 fragmentation Methods 0.000 claims description 2
- 238000006062 fragmentation reaction Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract description 10
- 230000006399 behavior Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000010200 validation analysis Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000001550 time effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000001726 chromosome structure Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000030279 gene silencing Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种无线区块链网络分片方法及装置、电子设备、存储介质,所述方法包括:根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点,该评分是根据节点的交互效果、交互时延、交互频率及交互时效确定的;基于多种群遗传算法,根据共识时延,确定最优分片结果,共识时延是根据节点的传输时延与验证时延确定的。根据本发明提供的方法,通过综合节点交互时效、交互效果、交互时延及交互频率等因素综合确定的评分来确定参与共识的节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,能够提高无线区块链网络的共识效率,减小共识时产生的时延。
Description
技术领域
本发明属于区块链技术领域,具体涉及一种无线区块链网络分片方法及装置、电子设备、存储介质。
背景技术
随着无线通信技术的发展,人们对通信业务的需求日益增长,推动无线网络衍生出众多新业务与新场景。这些新场景对未来无线网络的数据安全与隐私保护提出了更高的要求。区块链作为一种分布式账本技术,其去中心化、公开透明、不可篡改的特点,为提高无线网络稳健性、数据隐私性和安全性提供天然优势。分片技术是解决区块链网络共识效率低的一种有效方法。
现有的分片方法在无线区块链网络下仅从较少的几个维度对节点进行评价,比如通过交易正确率、节点贡献度等,无法对无线区块链节点复杂多变的行为进行准确表征。并且,现有的节点聚类方法(即哪些节点属于一个分片),多采用基于随机性、基于“均衡节点评分”准则和基于地理位置的节点聚类方法。其中,基于随机性和基于“均衡节点评分”准则的分片方法没有考虑无线传输时延的影响;基于地理位置的分片方法虽然考虑了无线网络中距离相近的节点共享较低的网络延迟,但是没有考虑在共识过程中,无线网络节点除无线传输时延以外的区块链交易验证时延。
因此,由于当前的无线区块链网络分片方法在对节点进行评价时,只根据较少的几个维度对节点进行评价;根据节点的评价结果进行分片时,只考虑到单一的时延因素;并且上述分片方法都没有对共识时延进行优化,导致使用现有的区块链网络的分片方法得到的分片结果进行共识时区块链网络的延迟较大,效率较低。
发明内容
本发明实施例提供了一种无线区块链网络分片方法及装置、电子设备、存储介质,可以解决根据当前的区块链网络的分片方法得到的分片结果进行共识时区块链网络的延迟较大、效率较低问题。
第一方面,本发明实施例提供的一种无线区块链网络分片方法,所述方法包括:根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点,其中,最终综合信誉评分是根据节点的交互效果、交互时延、交互频率及交互时效确定的;基于多种群遗传算法,根据共识时延,确定无线区块链网络的最优分片结果,其中,共识时延是根据成员节点、领导节点及最高领导节点的传输时延与验证时延确定的,无线区块链网络根据分片结果进行共识产生的共识时延最小。
在第一方面的一种可能的实现方式中,在根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点之前,可以随机对节点进行分片,得到无线区块链网络的多个第一分片;根据节点和第一其它节点之间的交互时延和交互效果,确定第一其它节点对节点的本地信誉意见,根据节点与第二其它节点之间的交互频率、交互时效及交互效果,确定第二其它节点对节点的推荐信誉意见,根据第一其它节点对节点的本地信誉意见和第一其它节点对应的第二其它节点对节点的推荐信誉意见,确定第一其它节点对节点的最终信誉意见;根据第一其它节点对节点的最终信誉意见,确定第一其它节点对节点的综合信誉评分;根据每个第一其它节点对节点的综合信誉评分,确定节点的最终综合信誉评分。
示例性的,第一其它节点为节点所属的第一分片中除节点外的任意一个节点。
示例性的,第二其它节点为节点所属的第一分片中除节点和第一其它节点外的节点。
在第一方面的一种可能的实现方式中,可以将最终综合信誉评分大于或者等于第一信誉阈值的节点,确定为共识节点;随机对共识节点进行分片,得到多个第二分片;将每个第二分片内最终综合信誉评分最大的共识节点,确定为领导节点,并将共识节点中的其它节点确定为成员节点;将最终综合信誉评分最大的领导节点,确定为最高领导节点。
在第一方面的一种可能的实现方式中,可以根据共识时延,确定共识时延最小化优化模型;基于多种群遗传算法,根据第n个分片结果,对共识时延最小化优化模型进行第n+1次优化,得到第n+1个分片结果;重复对共识时延最小化优化模型进行优化,直至得到无线区块链网络的最优分片结果。
示例性的,n=0,1,2……,第0个分片结果为第二分片。
示例性的,无线区块链网络的最优分片结果为共识时延最小化优化模型的最优解。
在第一方面的一种可能的实现方式中,共识时延最小化优化模型满足下述公式:
;
其中,为共识时延,为最优分片结果中成员节点的第三分片结果,为领导节点的集合,表示共识时延与第三分片结果及领导节点集合的函数关系,为第个第三分片,为第个第三分片,为交集,为并集,为空集,表示任意一个,为共识节点集,为第三分片中单个分片的最大共识节点数,为第个成员节点,为第个成员节点的最终综合信誉评分,为第一信誉阈值,表示第个成员节点属于第个第三分片,为第个领导节点,为第个领导节点的最终综合信誉评分,为第个成员节点的最终综合信誉评分。
在第一方面的一种可能的实现方式中,可以将共识节点的索引确定为多种群遗传算法中的染色体的位置索引;将共识节点所属的分片在第n个分片结果中的索引,确定为多种群遗传算法中的染色体上的基因数值;根据第n个分片结果中成员节点、领导节点及最高领导节点的传输时延与验证时延,确定第n个共识时延;根据第n个共识时延,确定多种群遗传算法中每个染色体的适应度函数;基于每个染色体的适应度函数,对多种群遗传算法中的染色体执行第一操作,以对共识时延最小化优化模型进行优化,得到第n+1个分片结果。
示例性的,第一操作依次包括:遗传进化、染色体校正、移民及人工选择。
在第一方面的一种可能的实现方式中,可以根据第n个分片结果中每个分片内的领导节点和成员节点的验证时延,确定第n个片内验证时延;根据第n个分片结果中每个分片内的领导节点与成员节点之间的传输时延,以及成员节点之间的传输时延,确定第n个片内传输时延;根据第n个分片结果中的最高领导节点的验证时延和其它领导节点的验证时延,确定第n个上层验证时延,其它领导节点为除最高领导节点外的领导节点;根据第n个分片结果中的最高领导节点与其它领导节点之间的传输时延,以及其它领导节点之间的传输时延,确定第n个上层传输时延;根据第n个片内验证时延和第n个片内传输时延,确定第n个片内共识时延;根据第n个上层验证时延和第n个上层传输时延,确定第n个上层共识时延;根据第n个片内共识时延和第n个上层共识时延,确定第n个共识时延。
根据本发明提供的方法,通过综合节点的交互时效、交互效果、交互时延及交互频率等因素综合确定的评分确定参与共识的节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,同时还通过多种群遗传算法对得到的分片结果进行优化,使得无线区块链网络通过得到的最优分片结果进行共识时产生的时延最小;由此能够提高无线区块链网络的共识效率,减小共识时产生的时延。
第二方面,本发明实施例提供了一种无线区块链网络分片装置,装置包括处理单元;处理单元用于:
根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点,其中,最终综合信誉评分是根据节点的交互效果、交互时延、交互频率及交互时效确定的;基于多种群遗传算法,根据共识时延,确定无线区块链网络的最优分片结果,其中,共识时延是根据成员节点、领导节点及最高领导节点的传输时延与验证时延确定的,无线区块链网络根据分片结果进行共识产生的共识时延最小。
在第二方面的一种可能的实现方式中,在根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点之前,处理单元具体可以用于随机对节点进行分片,得到无线区块链网络的多个第一分片;然后根据节点和第一其它节点之间的交互时延和交互效果,确定第一其它节点对节点的本地信誉意见,根据节点与第二其它节点之间的交互频率、交互时效及交互效果,确定第二其它节点对节点的推荐信誉意见,根据第一其它节点对节点的本地信誉意见和第一其它节点对应的第二其它节点对节点的推荐信誉意见,确定第一其它节点对节点的最终信誉意见;根据第一其它节点对节点的最终信誉意见,确定第一其它节点对节点的综合信誉评分;根据每个第一其它节点对节点的综合信誉评分,确定节点的最终综合信誉评分。
示例性的,第一其它节点为节点所属的第一分片中除节点外的任意一个节点。
示例性的,第二其它节点为节点所属的第一分片中除节点和第一其它节点外的节点。
在第二方面的一种可能的实现方式中,处理单元具体可以用于将最终综合信誉评分大于或者等于第一信誉阈值的节点确定为共识节点;随机对共识节点进行分片得到多个第二分片;将每个第二分片内最终综合信誉评分最大的共识节点,确定为领导节点,并将共识节点中的其它节点确定为成员节点;将最终综合信誉评分最大的领导节点,确定为最高领导节点。
在第二方面的一种可能的实现方式中,处理单元具体可以用于根据共识时延,确定共识时延最小化优化模型;基于多种群遗传算法,根据第n个分片结果,对共识时延最小化优化模型进行第n+1次优化,得到第n+1个分片结果;重复对共识时延最小化优化模型进行优化,直至得到无线区块链网络的最优分片结果。
示例性的,n=0,1,2……,第0个分片结果为第二分片。
示例性的,无线区块链网络的最优分片结果为共识时延最小化优化模型的最优解。
在第二方面的一种可能的实现方式中,共识时延最小化优化模型满足下述公式:
;
其中,为共识时延,为最优分片结果中成员节点的第三分片结果,为领导节点的集合,表示共识时延与第三分片结果及领导节点集合的函数关系,为第个第三分片,为第个第三分片,为交集,为并集,为空集,表示任意一个,为共识节点集,为第三分片中单个分片的最大共识节点数,为第个成员节点,为第个成员节点的最终综合信誉评分,为第一信誉阈值,表示第个成员节点属于第个第三分片,为第个领导节点,为第个领导节点的最终综合信誉评分,为第个成员节点的最终综合信誉评分。
在第二方面的一种可能的实现方式中,处理单元具体可以用于将共识节点的索引确定为多种群遗传算法中的染色体的位置索引;将共识节点所属的分片在第n个分片结果中的索引,确定为多种群遗传算法中的染色体上的基因数值;根据第n个分片结果中成员节点、领导节点及最高领导节点的传输时延与验证时延,确定第n个共识时延;根据第n个共识时延,确定多种群遗传算法中每个染色体的适应度函数;基于每个染色体的适应度函数,对多种群遗传算法中的染色体执行第一操作,以对共识时延最小化优化模型进行优化,得到第n+1个分片结果。
示例性的,第一操作依次包括:遗传进化、染色体校正、移民及人工选择。
在第二方面的一种可能的实现方式中,处理单元具体可以用于根据第n个分片结果中每个分片内的领导节点和成员节点的验证时延,确定第n个片内验证时延;根据第n个分片结果中每个分片内的领导节点与成员节点之间的传输时延,以及成员节点之间的传输时延,确定第n个片内传输时延;根据第n个分片结果中的最高领导节点的验证时延和其它领导节点的验证时延,确定第n个上层验证时延,其它领导节点为除最高领导节点外的领导节点;根据第n个分片结果中的最高领导节点与其它领导节点之间的传输时延,以及其它领导节点之间的传输时延,确定第n个上层传输时延;根据第n个片内验证时延和第n个片内传输时延,确定第n个片内共识时延;根据第n个上层验证时延和第n个上层传输时延,确定第n个上层共识时延;根据第n个片内共识时延和第n个上层共识时延,确定第n个共识时延。
第三方面,本发明实施例提供了一种电子设备,包括处理器和存储器,其中,存储器用于存储计算机程序;处理器可以用于执行存储在存储器中的计算器程序(指令),以实现上述第一方面的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,当计算机程序被执行时,可以实现如上述第一方面的方法。
可以理解的是上述第二方面至第四方面的有益效果可以参见上述第一方面的相关描述,在此不赘述。
本发明实施例与现有技术相比存在的有益效果是:根据本发明提供的方法,通过综合节点的交互时效、交互效果、交互时延及交互频率等因素综合确定的评分确定参与共识的节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,同时还通过多种群遗传算法对得到的分片结果进行优化,使得无线区块链网络通过得到的最优分片结果进行共识时产生的时延最小,由此能够提高无线区块链网络的共识效率,减小共识时产生的时延。
附图说明
图1为一种无线区块链网络通过分片方式进行共识的场景示意图;
图2为本发明实施例提供的一种无线区块链网络分片方法的流程示意图;
图3为本发明实施例提供的一种多种群遗传算法中确定染色体结构的场景示意图;
图4为本发明实施例提供的一种无线区块链网络分片方法的流程示意图;
图5为本发明实施例提供的一种共识时延的结构示意图;
图6为本发明实施例提供的一种无线区块链网络分片装置的结构示意图;
图7为本发明实施例提供的一种交易吞吐量和共识时延的对比示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
图1示出的是一种无线区块链网络通过分片方式进行共识的场景示意图。
示例性的,参见图1,图1中的无线区块链网络可以由从个节点中挑选出的个共识节点组成。该区块链分片系统可以分为上下两层。下层分片集(即图中的分片1至分片3)是由划分为个分片的个共识节点构成。上层分片集(即图1中的上层分片)由下层各分片的片内领导节点构成。下层分片节点(即图1中的片内成员节点)收到交易后进行片内共识,形成子区块;上层分片获得各下层分片的子区块,随后进行最终共识并由上层分片中的最高领导节点(即图1中的上层领导节点)合并子区块,生成最终区块上链至区块链账本并向全网广播。片内共识和最终共识均采用能够仅通过通信达成共识的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)共识算法,这样可以减少算力消耗、防止分叉并保证一定的去中心化程度,同时还能容忍一定数量的拜占庭节点。
根据节点运行状况、所处的地理位置等因素节点可以被分为三种类别:诚实行为节点:诚实行为节点可以由基站、服务器等本身的安全保障能力较强的设备担任,在网络环境稳定的情况下始终持正确的验证结果,并一直在时限内作出响应。故障行为节点:当无线区块链节点网络环境不稳定,由自身电量受限、待机时长较短的设备担任或离开了可以直接建链的范围时,可能存在宕机或长时间不响应的情况,这类节点为故障行为节点。恶意行为节点:恶意行为节点可以由路边单元等容易受到攻击或破坏的节点担任,表现出与诚实节点相反的行为或长时间保持沉默。无线区块链网络中恶意行为节点的攻击方法可以包括三类:天真恶意攻击模型(Naive Nalicious Attack,NNA):恶意节点始终与诚实节点表现出相反的行为,在共识过程中和诚实节点持有相反的验证结果,拒绝接受正确的区块。沉默攻击模型(Silence Nalicious Attack,SNA):恶意节点在共识过程中,故意长时间不作响应,导致网络延迟大幅增加。伪装攻击模型(Canouflage Nalicious Attack,CNA):恶意节点保持一段时间与诚实节点相同的行为,伪装诚实节点,直到累积一定的信誉分数或成为分片领导。
本发明实施例提供的无线区块链网络分片方法可以应用于如移动终端、个人笔记本电脑、超级计算机等电子设备上,本发明实施例对电子设备的具体类型不作任何限制。
图2示出的是本发明实施例提供的一种无线区块链网络分片方法的示意性流程图。作为示例而非限定,方法200可以应用于上述电子设备中。方法200可以包括步骤S201-S202,下面对各步骤作以说明。
S201,根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点。
示例性的,节点的最终综合信誉评分是根据该节点与其它节点的交互效果、交互时延、交互频率及交互时效确定的。
在一些实施例中,在确定成员节点、领导节点及最高领导节点之前,可以随机对节点进行分片,得到无线区块链网络的多个第一分片。然后根据该节点和第一其它节点之间的交互时延和交互效果,确定第一其它节点对该节点的本地信誉意见;根据第二其他节点与该节点之间的交互频率、交互时效及交互效果,确定第二其它节点对该节点的推荐信誉意见。然后根据第一其它节点对该节点的本地信誉意见和第一其它节点对应的第二其它节点对该节点的推荐信誉意见,确定该节点的最终信誉意见。然后根据第一其它节点对该节点的最终信誉意见,确定第一其它节点对该节点的综合信誉评分。最后根据所有第一其它节点对该节点的综合信誉评分,确定该节点的最终综合信誉评分。
示例性的,第一其它节点可以为节点所在的第一分片内除该节点外的任意一个节点。
示例性的,第二其它节点为节点所在的第一分片内除该节点和第一其它节点外的节点。
在一种可能的实现方式中,该节点的最终综合信誉评分可以为所有第一其它节点对该节点的综合信誉评分的均值。
在一个示例中,一个第一其它节点对该节点的最终信誉意见可以满足下述公式:
;
;
;
其中,为第一其它节点对节点的综合信誉意见,为第一其它节点对节点的本地信誉意见,为第一其它节点对应的第二其它节点对节点的推荐信誉意见,为异或运算符,为第一其它节点对节点的最终信任度,为第一其它节点对节点的最终不信任度,为第一其它节点对节点的最终不确定度,为第一其它节点对节点的信任度,为第一其它节点对节点的不信任度,为第一其它节点对节点的不确定度,为第一其它节点对应的第二其它节点对节点的推荐信任度,为第一其它节点对应的第二其它节点对节点的推荐不信任度,为第一其它节点对应的第二其它节点对节点的推荐不确定度。
示例性的,第一其它节点对节点的不确定度是根据第一其它节点对节点之间的交互时延确定的,第一其它节点对节点的信任度和不信任度是根据第一其它节点与节点之间的交互时延和交互效果确定的。
示例性的,第二其它节点对节点的推荐信任度、推荐不信任度及推荐不确定度,是根据第二其它节点与该节点之间的交互频率、交互时效及交互效果确定的。
示例性的,一个第一其它节点对该节点的最终信任度、最终不信任度及最终不确定度可以满足:。
在一种可能的实现方式中,可以通过下述公式,根据第一其它节点对节点的最终信誉意见,确定第一其它节点对节点的综合信誉评分:
;
其中,为第一其它节点对节点的综合信誉评分,为一给定的常量,。
在一些实施例中,可以将最终综合信誉评分大于或者等于第一信誉阈值的节点,确定为共识节点。然后随机对共识节点进行分片,得到多个第二分片。将每个第二分片内最终综合信誉评分最大的共识节点确定为领导节点,并组成第二上层分片,其余节点为成员节点。然后将第二上层分片中最终综合信誉评分最大的领导节点确定为最高领导节点。第二上层分片和第二分片中的共识节点均采用PBFT共识算法,其中的领导节点均对应PBFT算法中的主节点,第二分片中的领导节点负责打包子区块,第二上层分片中的最高领导节点负责打包合并子区块形成最终区块。
在一种可能的实现方式中,可以根据所有节点的最终综合信誉评分确定第一信誉阈值的数值。比如对所有节点的最终综合信誉评分进行降序排序,若无线区块链网络需要个共识节点,则将该序列中第个节点的最终综合信誉评分确定为第一信誉阈值。第一信誉阈值的数值能够体现无线区块链网络的安全性等级,第一信誉阈值越低说明无线区块链网络对安全性等级要求越低。
在一种可能的实现方式中,可以每隔一段时间,对无线区块链网络进行一次维护。比如,每隔1小时,重新确定一次所有节点的最终综合信誉评分,将最终综合信誉评分小于第一信誉阈值的节点剔除,从上一次没有被确定为共识节点的节点中选取节点来补充;同时更新领导节点和最高领导节点。
S202,基于多种群遗传算法,根据共识时延,确定无线区块链网络的最优分片结果。
在一些实施例中,可以根据共识时延,确定共识时延最小优化模型。然后基于多种群遗传算法,根据第n个分片结果,对共识时延最小优化模型进行第n+1次优化,得到第n+1个分片结果。重复对该模型进行优化,直至得到该模型的最优解,即得到无线区块链网络的最优分片结果。
示例性的,n=0,1,2……,第0个分片结果为第二分片。
示例性的,共识时延是根据成员节点、领导节点及最高领导节点的传输时延与验证时延确定的。
示例性的,无线区块链网络通过无线区块链网络的最优分片结果进行共识时产生的共识时延最小。
在一种可能的实现方式中,共识时延最小化优化模型满足下述公式:
;
其中,为共识时延,为最优分片结果中成员节点的第三分片结果,为领导节点的集合,表示共识时延与第三分片结果及领导节点集合的函数关系,为第个第三分片,为第个第三分片,为交集,为并集,为空集,表示任意一个,为共识节点集,为第三分片中单个分片的最大共识节点数,为第个成员节点,为第个成员节点的最终综合信誉评分,为第一信誉阈值,表示第个成员节点属于第个第三分片,为第个领导节点,为第个领导节点的最终综合信誉评分,为第个成员节点的最终综合信誉评分。
示例性的,共识时延最小化优化模型的优化变量为下层分片集和上层分片节点集。其中,,为分片数量,,为领导节点数量,。优化目标为共识时延,是优化变量和的函数。约束条件1:,表示各分片没有重合的节点。约束条件2:,表示为满足安全性要求需保证各分片至少有三个节点,且各分片节点数不超过单个分片的最大共识节点数。约束条件3:,表示所有共识节点都可以被划分至各分片,且共识节点集内所有共识节点的最终综合信誉评分需大于第一信誉阈值。约束条件4:,表示上层分片中的节点为各分片领导节点,且分片领导节点的最终综合信誉评分大于分片内所有成员节点的最终综合信誉评分。
在一种可能的实现方式中,可以将共识节点的索引确定为多种群遗传算法中的染色体的位置索引,将共识节点所属的分片在第n个分片结果中的索引,确定为多种群遗传算法中的染色体上的基因数值,然后根据第n个分片结果中成员节点、领导节点及最高领导节点的传输时延和验证时延,确定第n个共识时延;根据第n个共识时延,确定多种群遗传算法中每个染色体的第n个适应度函数,基于染色体的第n个适应度函数,对多种群遗传算法中的染色体执行第一操作,以对共识时延最小化优化模型进行优化,得到第n+1个分片结果。
举例来说,参见图3,一共有6个共识节点,其索引分别为:节点1、节点2、节点3、节点4、节点5、节点6。将其分为三个分片,分片1包括节点4和5,分片2包括节点2和3,分片3包括节点1和6。图3中的301即为染色体,各节点所属的分片的索引即为染色体上的基因数值。
示例性的,第一操作依次包括:遗传进化、染色体校正、移民及人工选择。
具体地,遗传进化操作为通过模拟遗传进化过程进行寻优,分为选择及交叉变异两部分。
具体地,染色体校正操作为每个染色体进行检查,若存在一个分片内的节点数少于三个或大于分片节点数最大值,则对染色体基因进行修改使其满足约束。例如,若染色体中相同基因值的数量少于三个时,从其余相同基因值多于三个的基因值中随机选取一个使其变异为少于三个的基因值;若染色体中相同基因值的数量超过最大值时,则计算超出个数,然后将这个基因值变异为其余相同基因值数量没有达到最大值的基因值,为防止其余相同基因值数量超出范围,将这个基因值变异为不同的基因值,这些基因值都满足相同基因值数量没有达到最大值。
具体地,移民操作为将遗传进化后得到新的N个种群,通过移民算子将前一个种群中的最差个体,即适应度函数最低的染色体,由后一个种群中的最优个体替换,即适应度函数最高的染色体,以实现多个种群的协同进化。
具体地,人工选择操作为保存所有种群中每个进化代中的最优个体,然后这些最优个体组成一个新的种群。
根据本发明提供的方法,通过综合节点的交互时效、交互效果、交互时延及交互频率等因素综合确定的评分确定参与共识的节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,同时还通过多种群遗传算法对得到的分片结果进行优化,使得无线区块链网络通过得到的最优分片结果进行共识时产生的时延最小,由此能够提高无线区块链网络的共识效率,减小共识时产生的时延。
图4示出的是本发明实施例提供的一种无线区块链网络分片方法的示意性流程图。方法400为方法200的一种具体的可能的实现方式。作为示例而非限定,方法400可以包括步骤S401-S412,下面对各步骤做以说明。
S401,随机对所有节点进行分片,得到无线区块链网络的多个第一分片。
S402,根据第一其它节点与节点之间的交互时延、正确交互次数及错误交互次数,确定第一其它节点对节点的本地信誉意见。
在一种可能的实现方式中,第一其它节点对节点的本地信誉意见可以满足下述公式:
;
;
;
其中,为第一其它节点对节点的本地信誉意见,为第一其它节点对节点的信任度,为第一其它节点对节点的不信任度,为第一其它节点对节点的不确定度,为第一其它节点与节点之间正确交互的次数,为第一其它节点与节点之间错误交互的次数,为第一其它节点与节点之间以实数形式表示的交互时延经过标准化后得到的数值,,为节点所在的第一分片内节点间的的最大值,为节点所在的第一分片内的节点间的的最小值。
示例性的,第一其它节点在PBFT共识交互过程中将节点的验证结果与自己的验证结果进行比对,若第一其它节点与节点的验证结果相同,则两个节点进行了一次正确交互,不同则进行了一次错误交互。正确交互次数和错误交互次数能够体现第一其它节点与节点之间的交互效果。
示例性的,第一其它节点对节点的不确定度可以体现第一其它节点与节点之间的交互时延,交互时延越长,不确定度的数值越大。
任一恶意节点都可以通过NNA和SNA两种恶意攻击模型进行攻击。恶意节点通过NNA攻击模型进行攻击时,通过上述公式确定的不信任度和不确定度的数值较大;通过SNA攻击模型进行攻击时,通过上述公式确定的不确定度较大。这样第一其它节点对通过NNA和SNA两种恶意攻击模型进行攻击的恶意节点的最终综合信誉评分会更低,在确定共识节点时即可排除通过NNA和SNA两种恶意攻击模型进行攻击的恶意节点。
S403,根据第二其它节点与节点之间的正确交互次数、错误交互次数、近期交互权重及往期交互权重,确定第二其它节点对节点的推荐信誉意见。
在一些实施例中,可以根据第二其它节点与节点之间的正确交互次数、错误交互次数、近期交互权重及往期交互权重,确定第二其它节点与节点之间的交互频率。然后根据第二其它节点与节点之间的交互频率、交互时延、正确交互次数及错误交互次数,确定第二其它节点对节点的推荐信誉意见。
示例性的,近期交互权重及往期交互权重可以体现第二其它节点与节点之间的交互时效。
示例性的,第二其它节点与节点之间的正确交互次数和错误交互次数能够体现第二其它节点与节点之间的交互效果。
在一种可能的实现方式中,第二其它节点对节点的推荐信誉意见可以满足下述公式:
;
其中,为所有第二其它节点对节点的推荐信誉意见,为所有第二其它节点对节点的推荐信任度,为所有第二其它节点对节点的推荐不信任度,为所有第二其它节点对节点的推荐不确定度。
类似的,。
示例性的,第一节点对应的所有第二其它节点对节点的推荐信任度、推荐不信任度及推荐不确定度满足下述公式:
;
其中,表示第二其它节点为其所在的第一分片内除节点和第一其它节点外的任意一个节点,为一个第二其它节点对节点的信誉评价意见。
示例性的,其中确定、、的方法与确定本地意见时相同。
示例性的,一个第二其它节点对节点的信誉评价意见可以满足下述公式:
;
其中,为第二其它节点的权值,,为第二其它节点对节点的交互频率。
在一个示例中,第二其它节点对节点的交互频率可以满足下述公式:
;
;
其中,为第二其它节点和节点在时间窗T内的整体交互次数,为第二其它节点与其所属的第一分片中所有节点的交互次数的均值,为第二其它节点与其所属的第一分片中的节点s的交互次数,为第二其它节点和节点所属的第一分片,为该第一分片中所有节点的总数,为第二其它节点与节点之间的整体正确交互次数,为第二其它节点与节点之间的整体错误交互次数。
在一个示例中,针对CNA模型的攻击特点,第二其它节点的整体正确交互次数和整体错误交互次数是根据第二其它节点与该节点在不同时期的正确交互次数、错误交互次数及不同时期的权重确定的。
由于CNA模型的攻击特点是恶意节点会在前期保持正常,后期表现出异常,所以可以将时间窗内的时间进行划分;通过设置不同时间段的权重来体现不同时间段的交互时效。
示例性的,时间窗T中的第T-T1时刻至第T时刻内发生的交互为近期交互,更能够体现该节点的特征,其中T为时间窗长度,T1为第一时间阈值;因此近期交互权重更大。而之前发生的交互为往期交互,可能是恶意节点的伪装;因此往期交互权重更小。所以近期交互和往期交互的权重可以满足:,。
示例性的,第二其它节点和节点在时间窗T内的整体交互次数可以满足下述公式:
;
其中,为第二其它节点与节点之间的近期正确交互的次数;为第二其它节点与节点之间的往期正确交互的次数;为第二其它节点与节点之间的近期错误交互的次数;为第二其它节点与节点之间的往期错误交互的次数;为错误交互的权重,为正确交互的权重,,。错误交互的权重大于正确交互的权重,这样错误交互的次数越多,第二其它节点对节点的推荐信誉意见就越低,能够筛选出更可靠的节点。
示例性的,第二其它节点对节点的交互频率可以满足下述公式:
;
S404,根据第一其它节点对节点的本地信誉意见和第一其它节点对应的第二其它节点对节点的推荐信誉意见,确定第一其它节点对节点的最终信誉意见。
S405,根据第一其它节点对节点的最终信誉意见,确定第一其它节点对节点的综合信誉评分。
S406,根据每个第一其它节点对节点的综合信誉评分,确定节点的最终综合信誉评分。
S407,根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点。
S408,根据共识时延,确定共识时延最小化优化模型。
S409,根据第n个分片结果中成员节点、领导节点及最高领导节点的验证时延和传输时延,确定第n个共识时延。
示例性的,n=0,1,2……,第0个分片结果为第二分片。
在一些实施例中,参见图5中共识时延的结构,可以根据第n个分片结果中每个分片内的领导节点和成员节点的验证时延,确定第n个片内验证时延;根据第n个分片结果中每个分片内的领导节点与成员节点之间的传输时延以及成员节点之间的传输时延,确定第n个片内传输时延;根据第n个分片结果中的最高领导节点的验证时延和其它领导节点的验证时延,确定第n个上层验证时延;根据第n个分片结果中的最高领导节点与其它领导节点之间的传输时延以及其它领导节点之间的传输时延,确定第n个上层传输时延;根据第n个片内验证时延和第n个片内传输时延,确定第n个片内共识时延;根据第n个上层验证时延和第n个上层传输时延,确定第n个上层共识时延;根据第n个片内共识时延和第n个上层共识时延,确定第n个共识时延。
示例性的,其它领导节点为除最高领导节点外的领导节点。
示例性的,每次基于多种群遗传算法得到的分片结果包括多个分片,每个分片内包括多个成员节点和一个领导节点。所有领导节点还组成一个上层分片,上层分片包括一个最高领导节点和多个领导节点。
在一种可能的实现方式中,片内共识时延可以为片内验证时延和片内传输时延之和,即,其中,为片内传输时延,为片内验证时延,为片内共识时延。
在一个示例中,在分片内的片内共识采用PBFT算法,该算法中验证时延主要包含两部分,分别为验证签名和消息认证码(Message Authentication Code,MAC)的时延。PBFT按批处理块验证请求,一批有M个请求,即M个块,一个请求对应一个MAC和一个签名。由于最高领导节点和上层分片中的其它领导节点的验证过程是并行进行的,且各分片的验证过程也是并行进行的。因此,片内验证时延为所有分片内最大的验证时延。片内验证时延满足下述公式:
;
其中,为一个分片内的领导节点的验证时延,为该分片内成员节点的验证时延。
示例性的,分片领导节点收到M个块验证请求后,首先验证M个MAC和M个签名;在预准备阶段,领导节点要将预准备消息发送给个片内成员节点,因此产生个MAC。为该分片(第个分片)中共识节点的总数。在准备阶段,所有成员节点要向领导节点发送准备消息,领导节点需验证个从其他成员节点收到的MAC;在提交阶段,领导节点要向个成员节点发送提交消息,因此,需生成个MAC。与此同时,领导节点会收到个成员节点发来的提交消息,因此,领导节点需验证个MAC。当领导节点收到了超过2/3成员节点的确认结果后,认为区块验证通过,需要对M个块请求生成M个MAC,然后广播至上层分片。因此,在片内共识过程中,领导节点总共需要验证M个签名和个MAC。则在分片内,领导节点的验证时延满足下述公式:
;
其中,为验证一个签名所需的CPU计算资源,为验证一个MAC所需的CPU计算资源,为第个分片中的领导节点的计算速度,为第个分片中共识节点的总数,为一个分片产生的区块个数。
示例性的,在预准备阶段,成员节点需验证1个来自主节点的MAC和对应M个块的M个签名。在准备阶段,成员节点需发给除自己外所有的个节点(包括领导节点)准备消息,因此需生成个MAC;并且成员节点会收到不包括自己和主节点的个成员节点的MAC,因此,需验证个MAC。在提交阶段,成员节点需发给除自己外所有的个节点(包括领导节点)的提交消息,因此,需生成个MAC;并且成员节点会收到包括主节点的个成员节点的提交消息,因此,需验证个MAC。因此,在片内共识过程中,成员节点总共需要验证M个签名和个MAC。成员节点的验证时延满足下述公式:
;
其中,为第个分片中的成员节点m的计算速度。
在一个示例中,传输时延表示PBFT共识过程中节点间通过无线信道发送区块数据包的时延。片内共识过程中传输时延分为三个部分,分别代表PBFT的三个阶段(预准备、准备和提交)。由于各分片并行验证交易,故片内传输时延为各分片中的最大传输时延。
示例性的,片内传输时延满足下述公式:
;
;
其中,为超时时限,为分片内领导节点和成员节点之间的传输速率,为分片内任意两个成员节点和节点之间的传输速率,B为带宽,为分片中任意两个节点和节点之间的传输速率,为节点的发送功率,为节点和节点之间的信道系数,为节点的发送功率,为节点和节点之间的信道系数,为噪声功率谱密度。
在一种可能的实现方式中,上层共识时延是上层验证时延和上层传输时延之和。即,其中,为上层验证时延,为上层传输时延,为上层共识延迟。
在一个示例中,上层分片同样采用PBFT共识算法,上层验证时延也为上层分片的最高领导节点的验证时延和其它领导节点的验证时延中的最大值。
示例性的,在最高领导节点收到各分片的子区块时,不需要再验证一遍自己分片内成员对块验证请求的签名和MAC,但仍需验证其余个分片对个块验证请求的签名和MAC;由于上层分片也采用PBFT共识算法,因此在PBFT的三个阶段中,上层领导节点总共需要验证个MAC,为上层分片中领导节点的总数。因此,最高领导节点共需验证个签名和个MAC。最高领导节点的验证时延满足下述公式:
;
其中,为最高领导节点的验证时延,为最高领导节点验证MAC所需的计算资源,为最高领导节点验证签名所需的计算资源,为上层分片中最高领导节点的计算速度。
示例性的,其它领导节点在受到各分片的子区块时,需验证其余个分片对个块验证请求的签名;由于上层分片也采用PBFT共识算法,因此在PBFT的三个阶段中,其它领导节点总共需要验证个MAC。因此,其它领导节点共需验证个签名和个MAC。其它领导节点的验证时延满足下述公式:
;
其中,为其它领导节点的验证时延,为上层分片中的其它领导节点的计算速度。
在一个示例中,上层传输时延共有五个部分:第一个部分为各分片领导节点将子区块发给最高领导节点的时延,第二、第三及第四部分分别为进行PBFT共识的三个阶段产生的时延,最后一个部分为各分片领导节点将合并后的最终区块下发至各分片成员节点的时延。上层传输时延满足下述公式:
;
其中,为上层分片中其它领导节点到最高领导节点之间的传输速率,为最高领导节点和其它领导节点之间的传输速率,为其它领导节点到其它领导节点s之间的传输速率,为包括其它领导节点和最高领导节点的领导节点与其所属的分片内的成员节点之间的传输速率。
在一些实施例中,共识时延可以满足下述公式:
;
其中,为共识时延。
S410,根据第n个共识时延,确定多种群遗传算法中每个染色体的第n个适应度函数。
在一个示例中,多种群遗传算法的适应度函数满足下述公式:
;
其中,为适应度函数,为当前分片结果对应的共识延迟,为幂律标定参数,当时,增大选择压力,当时,减小选择压力。
S411,基于每个染色体的第n个适应度函数,对多种群遗传算法中的染色体执行第一操作,以对共识时延最小化优化模型进行优化,得到第n+1个分片结果。
S412,重复对共识时延最小化优化模型进行优化,直至得到无线区块链网络的最优分片结果。
示例性的,每次分片结束后都要计算该次基于多种群遗传算法得到的分片结果的共识时延,直至无线区块链网络根据该次分片结果进行共识产生的共识时延最小,即得到的分片结果收敛。最后得到的收敛的分片结果即为无线区块链网络的最优分片结果。
根据本发明提供的方法,通过综合节点的交互时效、交互效果、交互时延及交互频率等因素综合确定的评分确定共识节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,同时还通过多种群遗传算法对得到的分片结果进行优化,使得无线区块链网络通过得到的分片结果进行共识时产生的时延最小,由此能够提高无线区块链网络的共识效率,减小共识时产生的时延。
图6示出了本发明实施例提供的一种无线区块链网络分片装置600的结构示意图。作为示例而非限定,装置600可以包括处理单元610。处理单元可以用于:
根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点,其中,最终综合信誉评分是根据节点的交互效果、交互时延、交互频率及交互时效确定的;
基于多种群遗传算法,根据共识时延,确定无线区块链网络的最优分片结果,其中,共识时延是根据成员节点、领导节点及最高领导节点的传输时延与验证时延确定的,无线区块链网络根据分片结果进行共识产生的共识时延最小。
在一种可能的实现方式中,在根据每个节点的最终综合信誉评分,确定成员节点、领导节点及最高领导节点之前,处理单元具体可以用于随机对节点进行分片,得到无线区块链网络的多个第一分片;根据节点和第一其它节点之间的交互时延和交互效果,确定第一其它节点对节点的本地信誉意见,根据节点与第二其它节点之间的交互频率、交互时效及交互效果,确定第二其它节点对节点的推荐信誉意见,根据第一其它节点对节点的本地信誉意见和第一其它节点对应的第二其它节点对节点的推荐信誉意见,确定第一其它节点对节点的最终信誉意见;根据第一其它节点对节点的最终信誉意见,确定第一其它节点对节点的综合信誉评分;根据每个第一其它节点对节点的综合信誉评分,确定节点的最终综合信誉评分。
示例性的,第一其它节点可以为节点所在的第一分片内除该节点外的任意一个节点。
示例性的,第二其它节点为节点所属的第一分片中除节点和第一其它节点外的节点。
在一种可能的实现方式中,处理单元具体可以用于将最终综合信誉评分大于或者等于第一信誉阈值的节点,确定为共识节点;随机对共识节点进行分片,得到多个第二分片;将每个第二分片内最终综合信誉评分最大的共识节点,确定为领导节点,并将共识节点中的其它节点确定为成员节点;将最终综合信誉评分最大的领导节点,确定为最高领导节点。
在一种可能的实现方式中,处理单元具体可以用于根据共识时延,确定共识时延最小化优化模型;基于多种群遗传算法,根据第n个分片结果,对共识时延最小化优化模型进行第n+1次优化,得到第n+1个分片结果;重复对共识时延最小化优化模型进行优化,直至得到无线区块链网络的最优分片结果。
示例性的,n=0,1,2……,第0个分片结果为第二分片。
示例性的,无线区块链网络的最优分片结果为共识时延最小化优化模型的最优解。
在一种可能的实现方式中,共识时延最小化优化模型满足下述公式:
;
其中,为共识时延,为最优分片结果中成员节点的第三分片结果,为领导节点的集合,表示共识时延与第三分片结果及领导节点集合的函数关系,为第个第三分片,为第个第三分片,为交集,为并集,为空集,表示任意一个,为共识节点集,为第三分片中单个分片的最大共识节点数,为第个成员节点,为第个成员节点的最终综合信誉评分,为第一信誉阈值,表示第个成员节点属于第个第三分片,为第个领导节点,为第个领导节点的最终综合信誉评分,为第个成员节点的最终综合信誉评分。
在一种可能的实现方式中,处理单元具体可以用于将共识节点的索引确定为多种群遗传算法中的染色体的位置索引;将共识节点所属的分片在第n个分片结果中的索引,确定为多种群遗传算法中的染色体上的基因数值;根据第n个分片结果中成员节点、领导节点及最高领导节点的传输时延和验证时延,确定第n个共识时延;根据第n个共识时延,确定多种群遗传算法中每个染色体的适应度函数;基于每个染色体适应度函数,对多种群遗传算法中的染色体执行第一操作,以对共识时延最小化优化模型进行优化,得到第n+1个分片结果。
示例性的,第一操作依次包括:遗传进化、染色体校正、移民及人工选择。
在一种可能的实现方式中,处理单元具体可以用于根据第n个分片结果中每个分片内的领导节点和成员节点的验证时延,确定第n个片内验证时延;根据第n个分片结果中每个分片内的领导节点与成员节点之间的传输时延以及成员节点之间的传输时延,确定第n个片内传输时延;根据第n个分片结果中的最高领导节点的验证时延和其它领导节点的验证时延,确定第n个上层验证时延,其它领导节点为除最高领导节点外的领导节点;根据第n个分片结果中的最高领导节点与其它领导节点之间的传输时延以及其它领导节点之间的传输时延,确定第n个上层传输时延;根据第n个片内验证时延和第n个片内传输时延,确定第n个片内共识时延;根据第n个上层验证时延和第n个上层传输时延,确定第n个上层共识时延;根据第n个片内共识时延和第n个上层共识时延,确定第n个共识时延。
为了更好的说明本发明提供的方法的有益效果,设计了如下仿真实验:
基于Matlab仿真平台搭建仿真模型,参数设置如下:节点总数为300,综合信誉门限为0.4;节点CPU在到范围内;区块大小为512Kb;块头大小为8Kb;交易大小在200bit到1000bit的范围内;传输带宽为20MHz;噪声功率在-117dBm到-174dBm的范围内;计算签名所需CPU为2MHz;计算MAC所需CPU为1MHz。
图7示出的是本发明实施例提供的无线区块链网络的交易吞吐量和共识时延的对比示意图。
参见图7,图7中的(a)和(b)分别为本发明提供的方法(proposed CR-MPGAbased)与基于随机性的分片方案(random-based)、基于地理位置的分片方案(geography-based)的交易吞吐量和共识时延。
由此可以看出,本发明提供的方法可以在不增加共识时延的同时提高交易吞吐量。
根据本发明提供的装置,通过综合节点的交互时效、交互效果、交互时延及交互频率等因素综合确定的评分确定共识节点,通过根据传输时延和验证时延确定的共识时延来确定无线区块链网络的最优分片结果,同时还通过多种群遗传算法对得到的分片结果进行优化,使得无线区块链网络通过得到的最优分片结果进行共识时产生的时延最小,由此能够提高无线区块链网络的共识效率,减小共识时产生的时延。
图8示出的是本发明一实施例提供的电子设备的结构示意图。如图8所示的电子设备800可以包括:至少一个处理器810(图8中仅示出一个处理器)、存储器820以及存储在存储器820中并可在至少一个处理器810上运行的计算机程序830,处理器810执行计算机程序830时实现上述任意各个方法实施例中的步骤。
电子设备800可以是机器人等能够实现上述方法的处理设备,本发明实施例对电子设备的具体类型不作任何限制。
本发明实施例还提供了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可实现上述各个方法实施例中的步骤。
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。
Claims (6)
1.一种无线区块链网络分片方法,其特征在于,所述无线区块链网络包括多个节点,所述方法包括:
随机对所述节点进行分片,得到所述无线区块链网络的多个第一分片;
根据所述节点和第一其它节点之间的交互时延和交互效果,确定所述第一其它节点对所述节点的本地信誉意见,其中,所述第一其它节点为所述节点所属的所述第一分片中除所述节点外的任意一个节点;
根据所述节点与第二其它节点之间的交互频率、交互时效及交互效果,确定所述第二其它节点对所述节点的推荐信誉意见,其中,所述第二其它节点为所述节点所属的所述第一分片中除所述节点和所述第一其它节点外的节点;
根据所述第一其它节点对所述节点的所述本地信誉意见和所述第一其它节点对应的所述第二其它节点对所述节点的所述推荐信誉意见,确定所述第一其它节点对所述节点的最终信誉意见;
根据所述第一其它节点对所述节点的最终信誉意见,确定所述第一其它节点对所述节点的综合信誉评分;
根据每个所述第一其它节点对所述节点的综合信誉评分,确定所述节点的最终综合信誉评分;
将所述最终综合信誉评分大于或者等于第一信誉阈值的所述节点,确定为共识节点;
随机对所述共识节点进行分片,得到多个第二分片;
将每个所述第二分片内所述最终综合信誉评分最大的所述共识节点,确定为领导节点,并将所述共识节点中除所述领导节点外的节点确定为成员节点;
将所述最终综合信誉评分最大的所述领导节点,确定为最高领导节点;
根据共识时延,确定共识时延最小化优化模型,其中,所述共识时延是根据所述成员节点、所述领导节点及所述最高领导节点的传输时延与验证时延确定的;
基于多种群遗传算法,根据第n个分片结果,对所述共识时延最小化优化模型进行第n+1次优化,得到第n+1个分片结果,其中,n=0,1,2……,第0个分片结果为所述第二分片;
重复对所述共识时延最小化优化模型进行优化,直至得到所述无线区块链网络的最优分片结果,其中,所述无线区块链网络根据所述最优分片结果进行共识产生的所述共识时延最小,所述无线区块链网络的最优分片结果为所述共识时延最小化优化模型的最优解;
其中,所述共识时延最小化优化模型满足下述公式:
;
其中,为所述共识时延,为所述最优分片结果中所述成员节点的第三分片结果,为所述领导节点的集合,表示所述共识时延与所述第三分片结果及所述领导节点集合的函数关系,为第k个所述第三分片,为第j个所述第三分片,为交集,为并集,为空集,表示任意一个,为共识节点集,为所述第三分片中单个分片的最大共识节点数,为第i个所述成员节点,为第i个所述成员节点的最终综合信誉评分,为所述第一信誉阈值,表示第j个成员节点属于第k个所述第三分片,为第i个所述领导节点,为所述第i个领导节点的最终综合信誉评分,为第j个所述成员节点的最终综合信誉评分。
2.根据权利要求1所述的方法,其特征在于,所述基于多种群遗传算法,根据第n个分片结果,对所述共识时延最小化优化模型进行第n+1次优化,得到第n+1个分片结果,包括:
将所述共识节点的索引确定为所述多种群遗传算法中的染色体的位置索引;
将所述共识节点所属的分片在所述第n个分片结果中的索引,确定为所述多种群遗传算法中的染色体上的基因数值;
根据所述第n个分片结果中所述成员节点、所述领导节点及所述最高领导节点的传输时延与验证时延,确定第n个所述共识时延;
根据第n个所述共识时延,确定所述多种群遗传算法中每个所述染色体的第n个适应度函数;
基于所述染色体的第n个所述适应度函数,对所述多种群遗传算法中的染色体执行第一操作,以对所述共识时延最小化优化模型进行优化,得到所述第n+1个分片结果,其中,所述第一操作依次包括:遗传进化、染色体校正、移民及人工选择。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第n个分片结果中所述成员节点、所述领导节点及所述最高领导节点的传输时延与验证时延,确定第n个所述共识时延,包括:
根据第n个分片结果中每个分片内的所述领导节点和所述成员节点的验证时延,确定第n个片内验证时延;
根据第n个分片结果中每个分片内的所述领导节点与所述成员节点之间的传输时延以及所述成员节点之间的传输时延,确定第n个片内传输时延;
根据第n个分片结果中的所述最高领导节点的验证时延和其它领导节点的验证时延,确定第n个上层验证时延,所述其它领导节点为除所述最高领导节点外的所述领导节点;
根据第n个分片结果中的所述最高领导节点与所述其它领导节点之间的传输时延以及所述其它领导节点之间的传输时延,确定第n个上层传输时延;
根据第n个所述片内验证时延和第n个所述片内传输时延,确定第n个片内共识时延;
根据第n个所述上层验证时延和第n个所述上层传输时延,确定第n个上层共识时延;
根据第n个所述片内共识时延和第n个所述上层共识时延,确定第n个所述共识时延。
4.一种无线区块链网络分片装置,其特征在于,包括处理单元,所述处理单元用于执行如权利要求1-3任一项所述的方法。
5.一种电子设备,包括存储器、处理器以及存储在所述存储器中的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-3任一项所述的方法。
6.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479413.8A CN117221335B (zh) | 2023-11-08 | 2023-11-08 | 无线区块链网络分片方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311479413.8A CN117221335B (zh) | 2023-11-08 | 2023-11-08 | 无线区块链网络分片方法及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117221335A CN117221335A (zh) | 2023-12-12 |
CN117221335B true CN117221335B (zh) | 2024-03-19 |
Family
ID=89046580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311479413.8A Active CN117221335B (zh) | 2023-11-08 | 2023-11-08 | 无线区块链网络分片方法及装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117221335B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819453A (zh) * | 2019-03-05 | 2019-05-28 | 西安电子科技大学 | 基于改进遗传算法的成本最优化无人机基站部署方法 |
CN111724145A (zh) * | 2020-05-25 | 2020-09-29 | 天津大学 | 一种区块链系统分片协议的设计方法 |
WO2021050929A1 (en) * | 2019-09-11 | 2021-03-18 | Visa International Service Association | Blockchain sharding with adjustable quorums |
CN113037504A (zh) * | 2021-05-28 | 2021-06-25 | 北京邮电大学 | 基于分片的无授权区块链架构下的节点激励方法及系统 |
CN113660668A (zh) * | 2021-05-15 | 2021-11-16 | 西安电子科技大学 | 一种异构融合网络的无缝可信跨域路由系统及其控制方法 |
CN116233145A (zh) * | 2023-05-05 | 2023-06-06 | 北京邮电大学 | 一种基于分片策略的区块链异步共识方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11188977B2 (en) * | 2017-03-08 | 2021-11-30 | Stichting Ip-Oversight | Method for creating commodity assets from unrefined commodity reserves utilizing blockchain and distributed ledger technology |
US11316690B2 (en) * | 2017-09-13 | 2022-04-26 | Vijay Madisetti | Blockchain token-based cloud orchestration architecture for discrete virtual network instances |
-
2023
- 2023-11-08 CN CN202311479413.8A patent/CN117221335B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819453A (zh) * | 2019-03-05 | 2019-05-28 | 西安电子科技大学 | 基于改进遗传算法的成本最优化无人机基站部署方法 |
WO2021050929A1 (en) * | 2019-09-11 | 2021-03-18 | Visa International Service Association | Blockchain sharding with adjustable quorums |
CN111724145A (zh) * | 2020-05-25 | 2020-09-29 | 天津大学 | 一种区块链系统分片协议的设计方法 |
CN113660668A (zh) * | 2021-05-15 | 2021-11-16 | 西安电子科技大学 | 一种异构融合网络的无缝可信跨域路由系统及其控制方法 |
CN113037504A (zh) * | 2021-05-28 | 2021-06-25 | 北京邮电大学 | 基于分片的无授权区块链架构下的节点激励方法及系统 |
CN116233145A (zh) * | 2023-05-05 | 2023-06-06 | 北京邮电大学 | 一种基于分片策略的区块链异步共识方法及装置 |
Non-Patent Citations (4)
Title |
---|
"CuckChain: A Cuckoo Rule based Secure, High Incentive and Low Latency Blockchain System via Sharding";J. Tian, C. Jing and J. Tian;2023 IEEE Symposium on Computers and Communications (ISCC);20230831;全文 * |
POW区块链共识算法分析与展望;戴安博;陈恭亮;;通信技术;20191210(12);全文 * |
基于区块链的频谱设备网络中防御拜占庭攻击的分布式共识机制;杨健;陈曦;丁国如;赵杭生;张林元;孙佳琛;;通信学报;20200320(03);全文 * |
基于遍历容量的低轨卫星协作通信中继选择算法;穆文静;李勇朝;阮玉晗;张海林;;信号处理;20171025(10);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117221335A (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110945831B (zh) | 抗Sybil攻击身份的生成 | |
Caminha et al. | A smart trust management method to detect on‐off attacks in the Internet of Things | |
Asheralieva et al. | Reputation-based coalition formation for secure self-organized and scalable sharding in IoT blockchains with mobile-edge computing | |
CN109947740B (zh) | 区块链系统的性能优化方法及装置 | |
Xu et al. | BLOWN: A blockchain protocol for single-hop wireless networks under adversarial SINR | |
CN110166344B (zh) | 一种身份标识识别方法、装置以及相关设备 | |
CN106250381A (zh) | 表格数据中的用于输入/输出优化的列排序 | |
Liang et al. | Co-maintained database based on blockchain for idss: A lifetime learning framework | |
CN114301935A (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 | |
CN113810507B (zh) | 一种基于ide的区块链可信节点划分方法 | |
CN114124410A (zh) | 一种适用于供应链场景下多方验证的改进型poa共识方法 | |
CN117221335B (zh) | 无线区块链网络分片方法及装置、电子设备、存储介质 | |
Gao et al. | G/M/1‐Based DDoS Attack Mitigation in 5G Ultradense Cellular Networks | |
CN115310137B (zh) | 一种智能结算系统的保密方法及相关装置 | |
CN116644131A (zh) | 基于pso-ga的分片区块链系统性能优化方法 | |
CN116405262A (zh) | 网络安全接入方法、装置、设备及存储介质 | |
CN115499876A (zh) | Msde场景下基于dqn算法的计算卸载策略 | |
CN113467903A (zh) | 一种面向能耗与安全感知的服务工作流调度方法 | |
Chen et al. | Tangless: Optimizing cost and transaction rate in IOTA by using Lyapunov optimization theory | |
CN116401071B (zh) | 一种用于边缘计算的资源分配方法及系统 | |
CN112288433A (zh) | 一种支持边端协同的区块链共识任务处理系统及方法 | |
C. Messinis et al. | Client Selection and Resource Allocation via Graph Neural Networks for Efficient Federated Learning in Healthcare Environments | |
Wu et al. | Secure iou in adversarial environments: User authentication and performance optimization | |
Xu et al. | Energy-Efficient and Reliable Federated Learning in Heterogeneous Mobile-Edge Computing | |
CN116056158B (zh) | 一种频率分配方法、装置、电子设备及存储介质 |
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 |