基于信任模型的PBFT共識機(jī)制研究

趙立瑾 王新勝 夏純中

1(江蘇大學(xué)計算機(jī)科學(xué)與通信工程學(xué)院 江蘇 鎮(zhèn)江 212013) 2(江蘇大學(xué)信息化中心 江蘇 鎮(zhèn)江 212000)

0 引 言

自誕生以來，區(qū)塊鏈以其解決第三方信任問題[1-2]的特性引起關(guān)注。其在技術(shù)上具有隱私保護(hù)性、不可篡改性；在業(yè)務(wù)上具有可信度高、安全性強(qiáng)等優(yōu)點(diǎn)[3]。

共識機(jī)制是區(qū)塊鏈完成數(shù)據(jù)一致性的核心機(jī)制[4]。常見共識機(jī)制有PBFT[5]、XFT[6]、Zyzzyva[7]、PoW[8]、Poxos[9]等。其中實(shí)用拜占庭容錯(PBFT)共識機(jī)制是主流共識機(jī)制之一，許多算法基于PBFT加以改進(jìn)[10-11]。

但這些算法都沒有解決以下問題：系統(tǒng)中往往存在惡意節(jié)點(diǎn)，PBFT隨機(jī)選擇主節(jié)點(diǎn)，惡意節(jié)點(diǎn)很可能成為主節(jié)點(diǎn)，導(dǎo)致視圖切換頻繁，系統(tǒng)性能和穩(wěn)定性下降[12]。且PBFT容錯能力有限，較多惡意節(jié)點(diǎn)會導(dǎo)致共識完成周期過長，系統(tǒng)性能急劇下降[13-14]。

產(chǎn)生以上問題的主要原因是PBFT不提前評估節(jié)點(diǎn)，僅運(yùn)行中識別節(jié)點(diǎn)行為，判定狀況。因此，對節(jié)點(diǎn)預(yù)評估和提前控制是可行的解決方法。P2P領(lǐng)域已有針對節(jié)點(diǎn)狀況的研究，但不完全適用于區(qū)塊鏈領(lǐng)域。

本文針對區(qū)塊鏈環(huán)境，引入并改進(jìn)P2P信任模型，提出一種基于信任模型的PBFT共識機(jī)制(TMPBFT)。通過信任模型判斷節(jié)點(diǎn)行為，評估節(jié)點(diǎn)信任值，以信任值區(qū)分各種節(jié)點(diǎn)狀態(tài)，提高可信節(jié)點(diǎn)投票權(quán)，限制惡意節(jié)點(diǎn)。并基于PBFT共識機(jī)制，應(yīng)用信任模型到一致性協(xié)議和視圖更換協(xié)議中，加強(qiáng)節(jié)點(diǎn)管控，提高系統(tǒng)穩(wěn)定性和容錯能力。

1 相關(guān)工作

Zhang等[15]提出一種基于PBFT的組層次算法，將節(jié)點(diǎn)分組共識以減少共識的消息復(fù)雜度。Feng等[16]提出一種可拓展的動態(tài)多代理分層PBFT算法，節(jié)點(diǎn)分為多個自治系統(tǒng)以減少系統(tǒng)延遲。Hao等[17]提出一種動態(tài)PBFT，解決了常規(guī)PBFT中存在的熱插拔節(jié)點(diǎn)以及處理惡意分類賬的問題。Feng等[18]在改進(jìn)的Rollerchain中利用分片技術(shù)和PBFT算法提出了一種可分片的區(qū)塊鏈協(xié)議。Wang等[19]提出了一種混合區(qū)塊鏈方法，該方法混合了區(qū)塊鏈架構(gòu)，根據(jù)交易特征選擇相應(yīng)的共識機(jī)制。

以上相關(guān)研究在各方面對共識機(jī)制有所改進(jìn)，但均未能解決PBFT不能預(yù)識別非正常節(jié)點(diǎn)的問題。

P2P信任模型研究評價網(wǎng)絡(luò)中節(jié)點(diǎn)的行為[20]。近年來，信任模型通過綜合多因素[21]的方式獲取對節(jié)點(diǎn)的準(zhǔn)確評估。

故本文提出一種結(jié)合區(qū)塊鏈特點(diǎn)，綜合時間、參與頻度、具體表現(xiàn)等相關(guān)因素的信任模型，并應(yīng)用在PBFT中，以解決PBFT無法預(yù)識別非正常節(jié)點(diǎn)的問題。

2 基于信任模型的PBFT共識機(jī)制

2.1 信任模型

信任模型通過節(jié)點(diǎn)行為評估信任值，借助信任值區(qū)分節(jié)點(diǎn)信任狀態(tài)，賦予不同信任狀態(tài)節(jié)點(diǎn)不同權(quán)限。

2.1.1總體框架

節(jié)點(diǎn)行為分類及內(nèi)容情況如表1所示。

表1 節(jié)點(diǎn)行為分類和具體內(nèi)容情況表

可以看出，節(jié)點(diǎn)不同行為會導(dǎo)致信任值變化。信任值是用于反映節(jié)點(diǎn)狀況的數(shù)值，值域?yàn)閇0,1]，由Cij表示，代表Nodeij(組織i中的節(jié)點(diǎn)j)的信任值，組織是承擔(dān)數(shù)據(jù)信用責(zé)任的區(qū)塊鏈系統(tǒng)參與方。Cij大小決定節(jié)點(diǎn)信任狀態(tài)。初始信任值為Cinit，默認(rèn)為0.5。

節(jié)點(diǎn)信任狀態(tài)定義如表2所示。

表2 節(jié)點(diǎn)信任狀態(tài)定義表

表2中，Cgood、Cnormal、Cbad分別代表了可信、普通、故障節(jié)點(diǎn)的信任值下限。其中可信節(jié)點(diǎn)會積極驗(yàn)證和傳遞信息；普通節(jié)點(diǎn)有部分故障行為，偶然延遲信息傳遞；故障節(jié)點(diǎn)故障行為較多，明顯延緩信息傳播；惡意節(jié)點(diǎn)極有可能篡改信息或消極傳播信息。

如表3所示，惡意節(jié)點(diǎn)為備份節(jié)點(diǎn)，于10次共識后信任值提升為Cbad，作為故障節(jié)點(diǎn)參與共識。而在無可信節(jié)點(diǎn)時，普通節(jié)點(diǎn)作為主節(jié)點(diǎn)。

表3 節(jié)點(diǎn)信任狀態(tài)及權(quán)限表

投票權(quán)是節(jié)點(diǎn)確認(rèn)信息的影響力。普通、故障節(jié)點(diǎn)投票權(quán)分別為1和0.5。惡意節(jié)點(diǎn)無投票權(quán)。可信節(jié)點(diǎn)投票權(quán)最高，由Vgood表示，計算如下：

(1)

式中：Ngood和Nbad分別表示可信和故障節(jié)點(diǎn)數(shù)量。

2.1.2信任值計算因素

信任值計算因素體現(xiàn)節(jié)點(diǎn)情況，用于計算信任值。

定義1節(jié)點(diǎn)活躍度。節(jié)點(diǎn)活躍度指受評節(jié)點(diǎn)在一定時間內(nèi)參與共識的頻度，節(jié)點(diǎn)活躍度可通過函數(shù)ρ(n)表示，計算如下：

(2)

式中：n為節(jié)點(diǎn)參與共識次數(shù)；參數(shù)a(a∈Z,a≥1)可調(diào)節(jié)增長速度。ρ(n)值隨n值增大而增大。

定義2節(jié)點(diǎn)共識完成率。節(jié)點(diǎn)共識完成率指受評節(jié)點(diǎn)參與共識的完成頻度。由共識完成率γ表示，值越大表現(xiàn)越好，計算如下：

(3)

式中：s為正常完成共識次數(shù)；n為參與共識次數(shù)。

定義3歷史影響度。歷史影響度是指節(jié)點(diǎn)歷史信任值對當(dāng)前信任值影響程度。歷史影響度ω(Δt)計算如下：

(4)

式中：Δt為當(dāng)前時間與上次共識時間的時間間隔；參數(shù)λ(λ∈Z,λ>0)可調(diào)整影響變化程度。ω(Δt)值隨Δt增大而減小，其值越小歷史信任值影響越小。

定義4事務(wù)影響因子。事務(wù)影響因子標(biāo)識事務(wù)重要程度。設(shè)交易重要性參數(shù)為m，事務(wù)影響因子計算函數(shù)F(m)計算如下：

(5)

式中：M0為交易重要性參數(shù)的閾值；F(m)值隨m值增大而增大，F(xiàn)(m)越大表示事務(wù)重要程度越高。

定義5行為評價值。行為評價值指依據(jù)受評節(jié)點(diǎn)參與共識的表現(xiàn)，給予節(jié)點(diǎn)的相應(yīng)評價值。行為評價值E計算如下：

(6)

式中：t為節(jié)點(diǎn)完成共識用時；c(c∈Z,c≥1)為評價值調(diào)節(jié)因子；g為同意信息的節(jié)點(diǎn)數(shù)量；N為節(jié)點(diǎn)總數(shù)量。式(6)中，節(jié)點(diǎn)在大多數(shù)節(jié)點(diǎn)認(rèn)同信息時，完成共識用時越短，評價越高。其他情況都將導(dǎo)致評價值較低。

2.1.3信任值計算

信任值Cij是受評節(jié)點(diǎn)Nodeij在共識中的綜合評價。信任值計算如下：

(7)

式中：Cinit為信任值初值。式(7)結(jié)合定義2-定義6中因素，綜合往次共識情況計算，以精確反映節(jié)點(diǎn)情況。

式(7)偽代碼如算法1所示。

算法1信任值計算

輸入：n，s，Δt，m，t，g。

輸出：Cij。

1.P=e^(-a/n)

//節(jié)點(diǎn)活躍度計算

2.for (i=0;i

3.if (m

4.elseF=1

//事務(wù)影響因子計算

5.W=0.5^(Δt/r)

//歷史影響度計算

6.E=(0.5^(c*t))*g/N

//行為評價值計算

7.if (E>0.5)R=((s+1)/(n+1))^0.5

8.elseR=((s+1)/n)^0.5

//節(jié)點(diǎn)共識完成率計算

9.Cij=E*W*F/W/F+Cij}

10.Cij=P*R*Sij+(1-P)*C0

//信任值計算

2.1.4信任值更新

每次共識后，需及時更新節(jié)點(diǎn)信任值，以客觀體現(xiàn)信任值變化，并根據(jù)信任值確定節(jié)點(diǎn)信任狀態(tài)。

設(shè)共識前節(jié)點(diǎn)共識信任值為Tij，本次共識中節(jié)點(diǎn)共識信任值計算為Sij，信任值更新計算如下：

(8)

式中：θ為信任值更新調(diào)節(jié)因子。式(8)中若節(jié)點(diǎn)本次信任值高于往次，將適當(dāng)調(diào)高信任值，反之調(diào)低。

節(jié)點(diǎn)若離線，Cij會衰減，即每次共識式(8)中Sij值為Cinit。直到Cij∈[0.9×Cinit,1.1×Cinit]，或節(jié)點(diǎn)上線。

信任值更新調(diào)節(jié)因子θ(0≤θ≤1)由式(9)確定：

(9)

其使信任值與上次信任值差距較大時，較小的信任值所占權(quán)重較大。可避免節(jié)點(diǎn)的反常行為得逞。

式(9)偽代碼如算法2所示。

算法2信任值更新

輸入：Sij，Tij。

輸出：Cij。

1.if (節(jié)點(diǎn)本次有惡意行為) {Cij=0}

2.else {

3.if (Sij/Tij>=0.5)B=Tij/2/Sij

4.elseB=1 }

//信任值調(diào)節(jié)因子計算

5.Cij=B*Sij+(1-B)*Tij

//信任值更新

6.廣播Cij

2.2 一致性協(xié)議

本文結(jié)合信任模型設(shè)計協(xié)議，令協(xié)議在達(dá)成數(shù)據(jù)一致性的同時，分辨節(jié)點(diǎn)信任狀態(tài)。具體過程如下。

pre-prepare階段：主節(jié)點(diǎn)驗(yàn)證客戶端信息后，發(fā)送預(yù)準(zhǔn)備信息給副本節(jié)點(diǎn)，進(jìn)入prepare階段；副本節(jié)點(diǎn)收到并驗(yàn)證預(yù)準(zhǔn)備信息后，進(jìn)入prepare階段。

prepare階段：副本節(jié)點(diǎn)發(fā)送準(zhǔn)備信息給所有節(jié)點(diǎn)，收到其他節(jié)點(diǎn)發(fā)送的2×f(f為節(jié)點(diǎn)總數(shù)的三分之一)條準(zhǔn)備信息后，驗(yàn)證所有準(zhǔn)備信息，驗(yàn)證通過后進(jìn)入commit階段。記錄節(jié)點(diǎn)行為。

commit階段：所有節(jié)點(diǎn)發(fā)提交信息給其他節(jié)點(diǎn)，收到2×f條提交信息后，驗(yàn)證所有提交信息，驗(yàn)證通過后執(zhí)行客戶端請求。記錄節(jié)點(diǎn)行為，計算并更新節(jié)點(diǎn)信任值和節(jié)點(diǎn)信任狀態(tài)。

2.3 視圖更換協(xié)議

本文提出的視圖更換協(xié)議中，主節(jié)點(diǎn)在可信狀態(tài)的節(jié)點(diǎn)中隨機(jī)選擇。具體過程如下(設(shè)當(dāng)前視圖為v)。

view-change階段：副本節(jié)點(diǎn)進(jìn)入視圖v+1，隨機(jī)從信任狀態(tài)為可信節(jié)點(diǎn)的節(jié)點(diǎn)中選一個非活動節(jié)點(diǎn)作為主節(jié)點(diǎn)。副本節(jié)點(diǎn)向其他節(jié)點(diǎn)發(fā)view-change信息。

view-change-ack階段：節(jié)點(diǎn)收到2×f+1條view-change信息后，發(fā)送view-change-ack信息到視圖v+1的主節(jié)點(diǎn)。新主節(jié)點(diǎn)收到view-change信息和view-change-ack信息后進(jìn)入new-view階段。

new-view階段：新主節(jié)點(diǎn)選擇檢查點(diǎn)作為new-view請求初始狀態(tài)，根據(jù)本地區(qū)塊鏈數(shù)據(jù)執(zhí)行一致性協(xié)議。

3 實(shí)驗(yàn)分析

根據(jù)基于信任模型的PBFT共識機(jī)制，實(shí)現(xiàn)了一個實(shí)驗(yàn)系統(tǒng)。實(shí)驗(yàn)系統(tǒng)為Ubuntu 16.04.6 LTS 64位，實(shí)驗(yàn)平臺為Hyperledger Fabric v0.6。

3.1 節(jié)點(diǎn)信任值獎勵及懲罰

圖1中實(shí)驗(yàn)展示的是節(jié)點(diǎn)行為評價較高時，普通節(jié)點(diǎn)信任值獎勵的情況。

圖1 信任值獎勵

圖2展示了是節(jié)點(diǎn)行為評價較低時，普通節(jié)點(diǎn)信任值獎勵的情況。

圖2 信任值懲罰

綜合圖1、圖2情況，活躍度調(diào)節(jié)因子a值越小，信任值獎勵增速越高，懲罰降速越低。故系統(tǒng)可信度高時可設(shè)置較小a值。節(jié)點(diǎn)連續(xù)表現(xiàn)良好時信任值獎勵大，節(jié)點(diǎn)連續(xù)表現(xiàn)差時信任值懲罰大，但都有限度。

圖3中實(shí)驗(yàn)展示的是節(jié)點(diǎn)行為評價較高時，故障節(jié)點(diǎn)與普通節(jié)點(diǎn)信任值獎勵相比較的情況。

圖3 故障節(jié)點(diǎn)與普通節(jié)點(diǎn)信任值獎勵比較

可以看出，故障節(jié)點(diǎn)信任值增長速率明顯較普通節(jié)點(diǎn)低。因?yàn)楣?jié)點(diǎn)共識完成率記錄了節(jié)點(diǎn)表現(xiàn)，歷史故障或惡意行為會對當(dāng)前信任值獎勵有負(fù)面影響。

3.2 節(jié)點(diǎn)信任值排名

圖4實(shí)驗(yàn)展示的是某幾個不同信任狀態(tài)的節(jié)點(diǎn)在共識中的節(jié)點(diǎn)信任值排名。

圖4 節(jié)點(diǎn)的信任值排名變化情況

圖4中，整體排名高到低分別是可信、普通、故障、惡意節(jié)點(diǎn)。因?yàn)榘凑湛尚拧⑵胀ê凸收瞎?jié)點(diǎn)的順序，故障行為占總行為比例逐漸上升。結(jié)果表明信任模型可有效識別節(jié)點(diǎn)信任狀態(tài)。

3.3 惡意節(jié)點(diǎn)占比

圖5展示了惡意節(jié)點(diǎn)占比的變化情況。

圖5 惡意節(jié)點(diǎn)占比變化

可以看出，PBFT惡意節(jié)點(diǎn)占比不變，TMPBFT逐漸降低。因?yàn)門MPBFT使用信任模型識別限制惡意節(jié)點(diǎn)，減少了系統(tǒng)中的惡意節(jié)點(diǎn)，提高了容錯能力。

3.4 系統(tǒng)運(yùn)行吞吐率以及延遲

圖6、圖7展示了TMPBFT吞吐率和延遲與PBFT比較情況，系統(tǒng)中存在惡意節(jié)點(diǎn)。

圖6 TMPBFT與PBFT的吞吐率比較情況

圖7 TMPBFT與PBFT延遲比較情況

圖6、圖7中，TMPBFT在運(yùn)行時整體吞吐率較PBFT高，延遲較PBFT低。因?yàn)門MPBFT在逐步限制惡意節(jié)點(diǎn)的同時，會降低故障節(jié)點(diǎn)投票權(quán)，提高可信節(jié)點(diǎn)投票權(quán)，以此在達(dá)成超過三分之二節(jié)點(diǎn)投票權(quán)的前提下降低了達(dá)成共識所需節(jié)點(diǎn)數(shù)，提高了系統(tǒng)整體性能。

4 結(jié) 語

針對PBFT無法預(yù)判斷和控制節(jié)點(diǎn)的問題，本文提出一種基于信任模型的PBFT共識機(jī)制(TMPBFT)。構(gòu)建信任模型，判斷節(jié)點(diǎn)行為，通過信任值體現(xiàn)節(jié)點(diǎn)信任狀態(tài)，區(qū)分節(jié)點(diǎn)，提高可信節(jié)點(diǎn)投票權(quán)，限制惡意節(jié)點(diǎn)。并基于PBFT共識機(jī)制，結(jié)合信任模型改進(jìn)設(shè)計一致性協(xié)議和視圖更換協(xié)議，加強(qiáng)了節(jié)點(diǎn)的管理，促進(jìn)了性能提升，提高了系統(tǒng)的穩(wěn)定性及容錯能力。