區塊鏈拜占庭容錯共識機制優化研究綜述

高迎 朱藝

[摘 要] 2008年，區塊鏈作為比特幣的底層技術從交易簿中獨立出來。隨著互聯網的普及，如何優化區塊鏈技術的應用引起了國內外學者的廣泛關注。近年，神經網絡技術常用于區塊鏈領域的結合與優化，為其發展提供了助推劑。文章針對人工神經網絡技術應用于共識機制優化的發展進程進行簡單概述，并提出了對該領域的研究展望。

[關鍵詞]區塊鏈;PBFT;共識機制;神經網絡

中圖分類號： F272? ? ? ? ? 文獻標識碼：A? ? ? ? ? ?文章編號：1674-1722（2021）22-0079-03

《比特幣：一種點對點式的電子現金系統》[1]一書宣告了區塊鏈技術的誕生，其作為比特幣的底層技術，從交易簿中獨立出來，成為當下新興技術。

Leslie Lamport[2]等人將拜占庭軍隊的將軍和他們的部隊的作戰情況，抽象表達為信息不對稱問題，提出了一種算法：當有且只有三分之二以上的將軍忠誠時，才能實現信息對稱，拜占庭將軍共識算法（Byzantine Fault Tolerance，BFT）[3]由此誕生。但該算法一直都存在運行慢、復雜度高等問題，難以廣泛應用。而實用拜占庭容錯算法（Practical Byzantine Fault Tolerance，PBFT）[4]的提出，為其實際應用提供了可能。然而面對無法同時滿足一致性、可用性和分區容錯這三個屬性的問題[5]，在優化共識算法的同時就需要有所取舍。

一、共識機制的發展

隨著PBFT問題的提出，1990年，Paxos算法應運而生，其在一定條件下能夠解決一致性問題。但Paxos的理論化，使人們在理解和實施方面都有很大困難。2013年提出了Raft算法，Raft的效果與Paxos相同，但更便于實施和理解。

Raft集群通常包含五個服務器節點，最多允許兩個節點同時出錯。圖1所示的服務器節點有三種狀態：Leader、Follwer和Candidate。一個任期內只有一名領導，領導負責處理所有客戶的請求。

二、人工智能

（一）神經網絡算法理論

人工神經網絡（Artificial Neural Network，ANN），作為人工智能的重要分支，采用廣泛互連的結構與有效的學習機制來模擬人腦信息處理的過程。通過模擬人腦神經元，從信息處理的角度組成不同連接方式的網絡運算模型。神經網絡運算模型，是由大量的節點之間相互聯接構成的，它的組織結構能夠模擬生物神經系統對真實世界所做出的交互反應，其結構如圖2所示。

結構包含：輸入層：輸入層接收特征向量x。

輸出層：輸出層產出最終的預測h。

隱藏層：介于輸入層與輸出層之間，之所以稱之為隱含層，是因為可進行數據處理。

（二）人工智能與區塊鏈

（1）人工智能可幫助區塊鏈降低能耗

“挖礦”工作極其困難，需要耗費大量資源。人工智能的出現則能幫助其告別傳統的挖礦方式，以一種更聰明、更高效的方式管理任務。

已有很多電子設備使用人工智技術降低能耗、提升性能。如果類似方式在區塊鏈系統中實現，將會大大降低礦工挖礦硬件的成本以及挖礦所需電力的消耗。

（2）人工智能輔助區塊鏈檢測欺詐

AI技術的學習行為，目前已廣泛應用于銀行和電商業務中，用以發現與防范欺詐交易。研究認為若能在區塊鏈系統中運用人工智能技術，對保障區塊鏈安全交易大有好處，因為這類問題也是區塊鏈的一大重要癥結。

人工智能技術為區塊鏈提供了更強大的數據分析能力、拓展了場景并保障了信用安全，兩者可以說是優勢互補。盡管區塊鏈和人工智能是兩種不同的技術趨勢，但兩者通過優勢互補迸發的巨大潛力依然值得我們去深入挖掘。

三、國內外研究現狀與發展歷程

針對拜占庭容錯算法，國內外學者對其進行了不同角度的改進，表1為近年來人工神經網絡技術相關的PBFT改進的研究成果。

（一）在PBFT共識流程中主節選取問題

Yong Wang[5]等人將原有的C/S體系結構改為P2P架構，并采用投票方式選擇主節點，在選舉過程中引入了信用等級和信用系數，使得每個節點被選為主節點的概率受過去的行為的影響，更可能選擇一個可靠的主節點;張良嵩[11]提出了VBFT算法，通過在PBFT三階段協議前使用隨機函數（VRF）來選取每輪參與共識的節點，提高投票共識的效率;Buchman E[12]等人提出了一種新的分布式網絡環境下事件排序協議Tendermint，利用節點間的對等八卦協議，對經典的學術研究進行了現代化改造，并簡化了BFT算法的設計，可見這也是節點關系，即節點間信用的一種表現形式。

（二）在人工智能與區塊鏈共識機制結合領域

Jianwen Chen[6]等人提出了基于人工智能技術的概念框架、基本理論和研究方法，改進了AlexNet網絡，設計了一個特殊的卷積神經網絡和一個動態閾值，得到超級節點和隨機節點;王纘[7]等人利用BP神經網絡，設計了一種節點信用度模型，其次，構造了一種分片輪轉模型。它可以根據節點的信用度高低分割搜索空間產生新區塊，同時對協議所面臨的可能攻擊進行分析，修復了協議存在的漏洞。

四、研究展望

研究可見，國內外許多知名大學與機構研究者都在致力于解決分布式網絡中信息不對稱的改進以及效率問題的提升。而在節點評估方面，目前有關PBFT的改進研究大多偏重于構建信譽模型量化節點，而現實應用中，為了更好地保證系統的安全性和魯棒性，節點的性能往往由多方面決定，同時為了資源節約可以采用更先進的人工智能算法模型，彌補人力和電力的消耗。

五、結語

人工智能技術能提高共識機制的效率與安全性，為區塊鏈技術提供了更廣闊的發展空間。雖然神經網絡并不能解決區塊鏈技術當前遇到的所有瓶頸，但推進兩者的結合，對共識機制的優化與區塊鏈的深入發展具有現實意義。

參考文獻：

[1]NAKAMOTOS.Bitcoin： a peer-to-peer electronic cash system [EB/OL]， 2009. https：//bitcoin.org/bitcoin.pdf.

[2]Leslie Lamport， Robert Shostak， Marshall Pease.The Byzantine Generals Problem[J]. Acm Transactions on Programming Languages and Systems， 1982，4（3）：382-401.

[3]Canetti， R.， Rabin， T.： Optimal asynchronous Byzantine agreement. In： 25 th Symposium on Theory of Computing， 1993， pp. 42-51.

[4]Gao S. T-PBFT： An EigenTrust-Based Practical Byzantine Fault Tolerance Consensus Algorithm[J]. China Communications， 2019， 16（12）：111-123.

[5]Wang Y，Song Z，Cheng T. Improvement Research of PBFT Consensus Algorithm Based on Credit[C].International Conference on Blockchain and Trustworthy Systems. Springer， Singapore， 2019.

[6]Chen J，Duan K，Zhang R，et al. An AI Based Super Nodes Selection Algorithm in BlockChain Networks[J]. 2018.

[7]王纘，田有亮，李秋賢，等. 基于信用模型的工作量證明算法[J].通信學報， 2018（08）：185-198.

[8]陳子豪，李強. 基于K-medoids的改進PBFT共識機制[J].計算機科學， 2019（12）：101-107.

[9]Rongfei M A . Super node selection algorithm combining reputation and capability model in P2P streaming media network[J]. Personal and Ubiquitous Computing， 2019， 23（3-4）：435-442.

[10]包振山，王凱旋， 張文博. 基于樹形拓撲網絡的實用拜占庭容錯共識算法[J]. 應用科學學報， 2020（01）：34-50.

[11]張良嵩. 基于拜占庭容錯的區塊鏈共識算法研究[D].電子科技大學， 2020.

[12] Buchman E ， Kwon J ， Milosevic Z . The latest gossip on BFT consensus[J]. 2018.