稳定度激励算法对移动区块链节点的共识优化研究

在基于移动节点的区块链系统中，节点速度与位置的变化以及节点本身的可信度会影响共识节点选取和区块验证时的稳定性，存在产生恶意节点选取和区块验证共谋．本文提出一种稳定度激励算法，在节点选取方面，根据节点可信度和质量因子计算各个节点的稳定度，并选取稳定度超过阈值的节点成为候选节点，再从中选取稳定度较高的节点生成区块；在区块验证方面，利用节点的稳定度关联节点收益，通过计算节点的验证延迟与收益，并迭代节点收益约束计算延时需求和激励奖励的最优解，激励其余高稳定度的候选节点加入区块验证．仿真结果表明，在基于移动节点的区块链系统中，与MWSL和TSL两种算法进行比较，稳定度激励算法能够提高恶意节点的检测成功率和验证区块的正确概率，提高了区块链共识的稳定性．     

基于CITA区块链的纠删码分片存储实现

O (n) O (1)摘要:区块链系统采用全复制的数据存储机制,为每个节点保留整个区块链的完整副本,系统扩展性差.同时由于区块链系统中拜占庭节点的存在,导致传统分布式系统中使用的分片方案不能被直接应用于区块链系统中.本文结合纠删码和拜占庭容错算法,使每个区块的存储消耗由降到,增强了系统的可扩展性.本文还提出了对区块数据进行划分的方法,在降低存储冗余的同时减小对查询效率的影响.提出了无需网络通信的编码块存储方法,降低了系统存储和通信开销.还提出了区块链节点加入和退出的动态重编码方法,既保证系统的稳定性,又降低了系统重编码开销.最后,在开源区块链系统CITA上实现,并通过充分的实验,证明系统可扩展性、可用性和存储效率提升.     

超几何分布概率任意精度算法及其实现

超几何分布的概率计算在抽样方案设计中是计算接收概率的基础,十分重要,常用的算法有阶乘对数法和递推算法.为评价超几何分布概率函数近似算法的实际精度,给出概率的精确数值,提出了超几何分布概率任意精度算法的解决方案.该方案首先采用质因数分解算法将概率函数分解成最简质因数分式,其次设计任意精度算法类,然后通过Visual C++实现,并给出了应用实例.     

均衡评估算法对基于区块链的无线传感网节点信任管理优化

提出了一种均衡评估算法,通过在区块链中消除无线传感器网络中的恶意节点来增强信标节点之间的信任关系。首先将传感器节点信息打包生成区块,按照节点编号顺序生成区块链;接着在区块链中对每个信标节点进行基于行为、基于反馈和基于数据的信任值计算,将3个信任值加权得到每个信标节点的均衡信任值,并将均衡信任值广播给基站;最后对均衡信任值排序,把信任值较小的信标节点视为恶意节点,并将其从区块链中剔除。仿真结果显示,均衡评估算法在平均定位误差、检测精度和平均能耗等方面都有了很好的提升,同时保证了信任评估管理过程的安全性和可追溯性。     

局部对称算法在区块链分布式存储中的优化

提出一种局部对称算法,将区块链系统中的节点划分为多个节点子集,每个节点子集生成一个私钥对数据进行加密,将加密后的数据分布存储于节点子集的节点中.利用局部对称算法将哈希值和私钥分别设为全局秘密和局部秘密,用局部秘密对数据区块进行加密并将结果分布存储于节点子集的节点中,用基于中国剩余定理秘密共享的分布式存储方案对私钥和哈希值进行有效存储,达到降低存储成本和通信成本的目的.仿真结果表明,对比减存储算法和单节点故障算法,局部对称算法在区块链分布式存储中的存储成本和通信成本更低.     

基于可信性评估的区块链共识机制的研究

共识算法是区块链的核心。为解决基于算力的共识算法存在的安全问题,一般采用基于历史行为的信任值代替算力,但该方法只根据特定的行为决定每个节点的信任值,太过于简单,不适用于复杂的应用场景。因此提出了一种基于可信性评估的区块链共识机制,利用区块链节点在整个区块链上的工作表现产生的信任值,来定义节点的力量,信任值由信任值评估算法产生,在算力和时间方面增加攻击成本。经过对提出的共识机制的性能测试和安全性分析,表明本文中的共识机制对于基于算力的攻击成本远超于其他共识算法。     

可信激励算法对区块链移动节点共识优化研究

节点可移动的物联网应用区块链时将节点称为区块链移动节点,区块链移动节点存在通信连通时间较短、算力和存储能力不足等问题导致网络达成共识时安全性和吞吐量较低.提出一种可信激励算法对共识过程进行优化,首先区块链移动节点接收共识所需信息完成初始化;其次每个区块链移动节点生成判决块,判决块包含对验证消息的投票结果、自身的可信因子和判决块的生成时间,根据判决块中在相邻区块链移动节点组成的集群中选出中继节点,中继节点传播验证消息到下一个集群,并产生区块存储在边缘服务器,一个中继为一跳,当跳数大于网络阈值跳数时完成共识;最后根据激励机制对节点奖励或惩罚,并按激励情况更新节点的行为标识反馈到共识.仿真结果表明,与应用在同样网络情况的PoET和PoS算法相比,可信激励算法在保证了一定的吞吐量情况下,有效降低验证消息验证失败率提高了共识安全性,更适合节点可移动的物联网网络.     

最小损失算法在区块链物联网中的优化研究

区块链技术与物联网相结合能发挥去中心化优势,在一定程度上提升物联网系统数据安全性及可靠性等性能.但区块链的通量受限特征,使得区块链较低的交易吞吐量在很大程度上难以满足物联网场景下的高吞吐量的业务需求.本文提出一种最小损失函数算法,首先,根据状态和动作输入对来构建状态空间和行为空间;其次,在系统延迟性约束条件下,迭代计算出状态空间和行为空间的行为价值函数;最后,利用损失函数对比行为价值函数的真实值和估计值后执行吞吐量最大值去调整块大小和块间隔.仿真结果表明,与DDRL算法和DRL算法相比,最小损失算法动态调整区块大小和区块间隔,在基于区块链的物联网系统达到稳定后可以获得更高的吞吐量.     

超几何概率教学探讨

超几何分布是产品计数抽样检验、可靠性计算中经常遇到的一类重要的数理统计模型.在求解实际问题时,首先要根据超几何分布问题的特点判断所求问题是否为超几何概率问题,然后才能确定是否用超几何概率公式.同时,探讨了学生在求超几何概率问题时的一个误解.     

选择性压缩算法对区块链轻量级节点的优化研究

区块链中的轻量级节点存在因不能存储完整区块链副本而无法参与区块链验证过程的局限,削弱了区块链分布式特性,可以通过压缩轻量级节点中存储的区块链副本以降低存储开销进而增强其区块链验证能力。提出区块链选择性压缩(BSC) 算法,基于Hyperledger Fabric区块链架构,首先针对区块链主链生成检查链,通过哈希指针链接检查链和主链并在检查链中存储用于验证主链区块完整性的哈希根路径;其次对检查链中的检查点进行合并更新,降低检查链的存储开销;最后选择性保留主链中的区块并计算验证主链完整性所需的哈希路径,降低主链的存储开销。仿真结果表明,对比EPBC算法和Snapshot算法,BSC算法在存储开销和验证能力方面有较好的表现。     

End-to-end verifiable electronic voting scheme of blockchain based on random linear block code

Blockchain is an emerging decentralized technology of electronic voting. The current main consensus protocols are not flexible enough to manage the distributed blockchain nodes to achieve high efficiency of consensus. For practical implementation, the consensus based on random linear block code(RLBC) is proposed and applied to blockchain voting scheme. Along with achieving the record correctness and consistency among all nodes, the consensus method indicates the active and inactive consensus nodes. This ability can assist the management of consensus nodes and restrain the generating of chain forks. To achieve end-to-end verifiability, cast-or-audit and randomized partial checking(RPC) are used in the proposed scheme. The voter can verify the high probability of correctness in ballot encryption and decryption. The experiments illustrate that the efficiency of proposed consensus is suitable for blockchain. The proposed electronic voting scheme is adapted to practical implementation of voting.     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

基于S-D分配的多传感器联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器联合概率数据互联算法。算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点的联合似然函数计算其联合互联概率并获得融合中心的状态估计。该文最后给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该文算法的跟踪性能更优越。     

网格中多副本数据的后向预测调度算法

针对网格环境下追求最快响应时间的多副本数据检索应用,提出了一种调度算法,该算法考虑了数据副本分布状况对负载均衡的影响.在被检索数据的多个子集分布在网格中多个节点,并且以数据子集为单位存在不定数目的副本情况下,给出了一种估算存放副本的网格节点动态负载和延时的方法.基于估算出的这些参数,算法根据对响应时间的计算和对后向任务的预测将任务分配到网格节点.后向预测考虑了网格节点被选中访问其上各个副本的可能性.最后通过仿真程序分析了该算法的性能.     

超立方体网络容错性的概率分析

用概率分析的方法研究在给定结点错误概率的情况下超立方体网络容错性的概率,证明了一个具有1024个结点的10维超立方体网络能够容许多达10%的错误结点而具有99％的概率确保正确结点的连通性;如果结点的错误概率不超过0.1％,则所有实际规模的超立方体网络(结点数可多达1万亿个)能够具有99.9％的概率确保正确结点的连通性.研究结果表明,所提出的方法也能够用于研究其他层次结构的网络和其他网络通信问题.     

基于拓扑区域一体化成型映射机制的物联网快速收敛算法

为解决物联网快速收敛算法存在的收敛性能较差、网络稳定时间较短的不足,提出了基于拓扑区域一体化成型映射机制的物联网快速收敛算法。首先,根据物联网节点分布具有的随机分布特性及泊松分布特性,通过聚类方式来构建聚合度-权重值裁决模型,以实现路由的稳定收敛,消除因簇头节点失效而导致的区域上传缓慢的现象;随后,采用退避机制来提升簇头节点的传输性能,有效降低因能量受限而导致的网络传输缓慢的现象,优化路由收敛性能,降低因路由抖动而导致的网络瘫痪概率。仿真实验结果表明:与常见的时间度一体化物联网收敛算法(Convergence Algorithm for Time-Integrated Internet of Things,TI-IOT算法)、路由集中度快速收敛算法(A Fast Convergence Algorithm for Routing Concentration Degree,RCD算法)相比,所提算法具有更高的网络稳定工作时间及较快的收敛速度,以及更小的路由冗余度。     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。