物联网和网络物理系统3（2023）52物联网中软件定义区块链的共识机制黄瑞航a，*，杨小明a，P.阿贾伊ba中国上海东华大学b印度钦奈安娜大学信息和通信工程学院自动清洁装置关键词：物联网智能区块链软件定义共识机制DPOS-PBFTA B标准本文旨在探讨物联网中软件定义区块链的共识机制，分析传统共识机制算法的特点，在比较各模型优势的基础上，对随后，基于改进的DPOS-PBFT（Delegated proof of of Practical Byzantine Fault Tolerance）提出了一个可监督的一致性方案在物联网技术发展的背景下，利用去中心化分布式计算范式对区块链智能合约技术进行改进，基于信用模型的DPOS协议对DPOS区块链共识机制进行优化。此外，研究通过可信度动态分组算法，对区块链网络共识节点的可信度等级进行排序，从而进一步实现对物联网系统的监管案例分析结果表明，该机制算法在3000次用户请求后成功率仍能保持在97%左右，最大延迟保持在8s以下，最小延迟始终在3s左右，平均延迟为2.38s，算法整体性能优越。它可以保证物联网中各个节点数据传输的最终一致性，对物联网中区块链共识机制的研究具有实际参考价值。1. 介绍随着物理网络技术的发展，比特币[1]作为一种新型的加密数字货币，开始被应用于金融安全领域，并广泛应用于供应链，作为实现比特币虚拟化的底层技术，区块链技术也开始引起人们的关注。区块链的本质是一种去中心化的分布式数据库，作为一种新兴技术，区块链以其自身的自治性、同步性、匿名性等优势为用户提供了一个可靠的交换交易平台，提供了数据完整性，保证了内容的真实性和用户的透明性。在区块链发展的萌芽期[2随着区块链技术的不断发展，其开始逐步应用于金融领域的股票和债券。 在交易中，人们通过程序和算法引入“智能合约”，应用区块链技术来确保金融交易的完整性和可靠性。在目前的发展阶段区块链技术进入快速发展期，大数据[5]、人工智能[6]等技术的发展物联网与大数据、人工智能等先进技术的联系不断深化。作为一种去中心化的分布式计算范式，区块链融合了密码学、智能合约[7]（Smart contract）、P2P（peer-to-peer）网络[8]、共识机制[9]（Consensus Mechanism）等技术，采用链式数据结构将数据块按时间顺序排列，共识机制是整个区块链系统的核心。 由于去中心化环境中可能发生的固有数据分歧，导致对传输数据的不信任，合适的共识机制可以动态协调各个节点的数据，确保各个节点数据的最终一致性[10]。传统的共识机制算法存在很多缺陷，例如POW（Proof of Work）算法存在一定程度的资源浪费，系统存在性能瓶颈[11]; POS（Proof of Stack）共识机制过于依赖币* 通讯作者。电子邮件地址：1209125@mail.dhu.edu.cn（R. 黄）。https://doi.org/10.1016/j.iotcps.2022.12.004接收日期：2022年5月31日;接收日期：2022年12月12日;接受日期：2022年12月28日2022年12月29日在线发布2667-3452/©2022由Elsevier B. V.代表KeAi Communications Co.这是CC BY-NC-ND许可证下的开放获取文章（http：creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表物联网和网络物理系统期刊主页：www.keaipublishing.com/en/journals/R. Huang等人物联网和网络物理系统3（2023）5253年龄和公平性 ，资源过度集中导致 吞 吐 量 低 [12]; 实 用 拜 占 庭 容 错（Practical Byzantine Fault Tolerance，PBFT）采用C/S分布式模式（c/s Distributed Mode），缺乏对P2P网络可扩展性的研究[13]。综上所述，在物联网系统中，结合具体应用场景设计区块链 针对现有共识机制存在效率低、无监督、缺乏一致性等问题难以解决的问题，提出了一种基于改进的DPOS-PBFT（Delegated proof of Practical Byzantine FaultTolerance）的可监督共识机制。该共识机制的创新之处在于结合了DPOS（ Delegated proof of stake ） 和 PBFT （ Practical Byzantine FaultTolerance）两种共识机制，两者都可以利用DPOS的优势解决监管效率问题，而PBFT共识机制的特点可以利用最小的资源消耗解决数据一致性问题。该研究提出的共识机制能够同时保证节点间抗合谋攻击的安全性和交易共识的效率，对未来区块链共识机制的研究和物联网2. 近期相关研究2.1. 区块链智能合约技术近年来，物联网技术不断发展创新，物联网技术和区块链智能合约技术的研究引起了广泛关注。例如，Xiong et al.（2019）[14]研究了基于智能合约的区块链数据交易模式，利用区块链的防篡改和可追溯性以及智能合约的可编程性，提出了数据购买者和数据拥有者之间的挑战响应机制，实现了交易参与者之间使用以太坊加密货币的自动支付Liu et al.（2019）[15]研究了区块链中智能合约的弹性和成本效益的数据载体架构，所提出的系统不需要在支持区块链的物联网环境中预先定义数据格式标准，它可以有效降低每个智能合约的部署成本。Xuan等人（2020）[16]基于区块链和智能合约的数据共享激励机制研究，结果表明，具有智能合约的区块链2.0具有能够在大量用户之间实现信任和自动交易的天然优势Lv（2020）[17]物联网边缘设备安全性能研究，从物联网边缘设备入手，研究边缘节点集中分布式命中率和平均对应速度同时，对所设计的边缘设备的网关安全性进行了探讨，研究表明，所提出的缓存算法在命中率和平均响应速度方面优于其他算法，从而保证了网关的安全性Qiao等人（2021）[18]探讨了区块链的未来应用，从区块链系统、共识算法、智能合约和可扩展性四个方向介绍了前沿区块链技术，研究成果表明，区块链与人工智能、物联网等领域的有效融合，可以实现大部分传统集中式应用向去中心化应用的转变。Aggarwal等人（2021）[19]对区块链2. 0的智能合约进行了系统研究，研究结果表明智能合约在数字化促进执行合同谈判方面Bhardwaj等人（2021年）[20]研究了智能合约区块链渗透框架，结果表明，区块链可以对抗传统网络安全对智能合约应用的攻击，所提出的渗透测试框架的结果可以发现更多的程序缺失漏洞比自动渗透测试扫描器的结果。通过以上研究可以发现，区块链技术已经进入快速发展期，然而作为区块链应用核心之一的智能合约技术发展明显滞后。对区块链智能合约的最新相关研究成果进行归类、总结和讨论，论证智能合约发展的必然性和智能合约的可能趋势是当前研究的重点2.2. 区块链的共识机制在区块链的开发过程中，共识机制可以保证分布式系统中的所有参与者在相互信任的情况下，对分布式系统进行维护、检查和维护因此，设计一个安全有效的共识机制一直是研究的重点和难点Tsang等人（2019）[21]进行了一项研究，通过区块链驱动的物联网食品溯源，具有集成的共识机制，通过使用可靠准确的数据调整保质期，并使用模糊逻辑评估质量衰减，可以在食品供应链中建立决策支持。Huang等人（2019）[22]研究了工业物联网中基于信用的共识机制的区块链系统，广泛的评估和分析表明，基于信用的POW机制和数据访问控制在工业物联网中是安全有效的Kumari等人（2020）[23]研究工业物联网环境下基于区块链的海量数据的传播和处理，通过对智能电网系统的案例研究，以评估所提出模型的数据负载均衡、能源管理成本和传输延迟参数Wang等人（2020）[24]对集成互联自动驾驶汽车中的区块链进行了研究，设计了一种新颖的信誉共识协议证明，以有效地在支持区块链的AVSN（挪威越南学生协会）中达成共识，实验结果表明，所提出的框架优于现有方法，更可靠和安全地提供车载内容。研究人员：更可靠、更安全地提供车载内容对区块链的共识机制有更多的研究。例如，Meshcheryakov et al.（2021）[25]研究了可能破坏系统性能的典型物联网网络场景，批判性地分析了使用区块链技术保护受限物联网设备数据的可行性，证明了在此类设备上实现实用的拜占庭容错（PBFT）共识算法的合理性。Li et al.（2021）[26]提出了一种基于区块链的边缘辅助多机器人系统的协作边缘知识推理框架在紧急救援应用中进行了案例研究，实验结果证明了该框架在延迟和准确性方面的有效性拉什卡里等人（2021）[27]系统整理和全面回顾了区块链共识机制，回顾了广泛收集的130种共识算法，并确定了与之相关的类别，对共识机制进行了全面分析，研究结果表明，BCE（ Byzantine Compliant EX tension ） ， PCE （ Proof Compliant EXtension）和PA（PureAlternatives）是最常用的网络内达成共识的方法[28综上所述，人们已经广泛认识到共识机制在区块链中的重要性，学者们也提出了很多关于共识机制的算法，但总存在或多或少的缺陷。本研究结合DPOS和PBFT两种共识机制，对传统的共识机制算法进行优化和改进，在解决区块链效率和可扩展性的基础上，保证了区块链平台上用户交易的安全性和可靠性。R. Huang等人物联网和网络物理系统3（2023）5254¼eφφxφφ2dx;X<Þ3. 基于改进的DPOS-PBFT可监督共识机制方案3.1. 区块链的智能合约运行机制作为区块链的核心技术，智能合约不需要第三方介入，以数字化的形式定义了传统意义上需要中介机构验证的合约规定，能够通过预设条件自动触发执行，其输入和产出是在以下各方协商一致机制的基础上完成的：空间，漫长的共识周期给应用的普及带来了困难针对上述问题，改进的区块链共识机制的主要应用场景如图所示。二、在节点信用评价的评价要素中，将采集的离散数据按照不同的属性值统一量化，然后按下式对属性值进行缩放所有节点，整个智能合约在合约层封装在一个隔离的环境中，相关的出发和执行是v0v-min最大值-min（一）通过智能程序控制，只要满足预设的条件，就会执行相应的规定，不会对区块链系统的内部环境造成任何影响[31]。基于区块链的智能合约运行机制结构图如图1所示。从图中可以看出，智能合约可以验证交易签名的正确性，同时更新交易输出前后的状态。 智能合约可以看作是在区块链中存储了几个包含不同种类初始状态的运行环境包，同时包中还包含了状态之间相互转换的规则，以及各种规则触发的不同条件。在物联网系统中有几个不同大小的包，这些包将完成的交易提交给共识层，共识层将统一处理提交的数据并返回，形成一致性机制，最终处理完成后，交易将部署在区块链上。在整个事物的处理过程中，智能合约的制定和签署需要所有参与者协商、沟通和同意，因此，需要预先设定合约中规定执行当用户发起交易请求时，智能合约会打包在一起在交易中提交，经过分发和验证后，存储在特定的数据块中，下一笔交易会通过上一个系统上报的合约地址和合约接口向智能合约提供交易数据，合约会根据数据和状态信息做出判断，根据判断结果是否满足条件决定是否执行合约。3.2. 信用模型POW（Proof of Work）共识机制算法被认为是互联网比特币安全的基石，然而在该算法中，节点通过计算能力竞争来解决哈希问题，会造成大量计算能力和电力资源的浪费[32]。同时，每个节点的计算是相互独立的，并且存在对搜索的重复验证其中v为原始属性值，v0表示缩放后的属性值，min表示某个属性的最小值，max为其最大值。量化完成后，所有指标值通过正态分布函数转换为分布在区间（0，1）内的函数值正态分布的函数表达式为：x1-x-μ2∞ ∞（2）-∞ 2π×σ其中，μ和σ为常数，x为模型的输入值对于节点信用模型，利用神经网络算法超强的非线性处理能力，利用历史数据对网络信用评估模型进行训练，通过算法评估确定权重，避免了人为调整权重对输入输出内在联系的影响。根据BP（Back Propagation）神经网络算法，该模型是：Δwj11/4ηd1-zη 1-zηzyj 1/4;2;3（3）Δvij<$nd1-z<$z<$1-z<$wj1。1-yjyjxi第1、2、3（4）节wj1wj1-Δwj1第1、2、3（5）节vijvij-Δvij第1、2、3（6）节Fig. 1. 基于区块链智能合同操作机械结构真图图二、区块链的主要应用场景。ZR. Huang等人物联网和网络物理系统3（2023）5255-IJ¼8>PfxIJ¼ðþ Þ8>PfxIJIJ我Jn;n6¼0我我我;其中，η表示模型的学习效率，z和d1是判断算法迭代终止条件的指标，当d1z的值满足实验误差要求时，算法达到最大迭代次数此外，采用分片轮换模型遍历搜索所有节点，节点按照信用等级由空间模型进行验证，采用划分搜索间隔的方法缩短共识周期，避免重复搜索节点造成的资源浪费避免了节点重复搜索造成的资源浪费，根据划分规则，划分出信用度越高的节点所得到的搜索空间越大。在第一轮搜索之后由节点i获得的搜索空间U的大小为：三个模块：第一，在区块链网络中，所有参与者都使用tokens作为投票，投票选出一定数量的节点作为可信节点，同时进行区块记账操作;第二，当选的节点根据投票的排名依次进行区块处理操作，并获得区块奖励;第三，在所有节点完成区块生成操作后，系统重新投票选出新的区块生产者。结合以上描述，共识机制的结构图如图1所示。3.第三章。由于区块链本身的不变性，通过Merkle根查询每个节点已经存在的交易数量，将信誉得分Score定义为：评分<$a*Tβ*Rtλ*其他（11）U2·runit·ai1（七）T/12x*Samount-γ*Famount] =T/12 x * S a mount- γ * Famount]= T/12x * Samount-γ * Famoun t]（12）其中，runit是每轮搜索空间的标准大小num是共识节点的数量，ai是节点i的信用排名第一轮搜索的范围V如下式所示nRt¼Rt.P;P≤k≤1ðÞ（十三）Σða-1Þ·a·runit a· ðaþ1Þ·runitΣ>：0;n¼0其中，声誉得分Score等于外部静态1如果节点在第一轮没有解决哈希问题，也没有从网络中的其他节点收到结果，可以使用以下公式，继续获得并验证下一轮搜索空间U0，其中R是旋转次数：scoreT（即对历史交易记录所做的评分，内部动态点数为Rt（即节点间交易会的相互评价点数），α、β、λ为权重，χ、γ为交易成功的权重和交易失败的权重，Sa mount和F amount分别代表交易成功的次数和失败的次数，U0A1-1型核反应堆 1 runita i·a i1·runitR 1 鲁尼特河失败的交易，T金额代表交易的总数IJ¼ 1 -你好;101num·num - 你好（九）动态得分Rt表示在直接搜索之后由节点i到j给出的得分，在时间t上的相互作用，积分值可以通过以下公式计算：然后，系统根据以下内容生成主节点公式：pqhmod num（10）其中h表示区块链的长度，q表示nRt¼Rt.P;P≤k≤1ðÞ（十四）主节点主要用于发起信用ij全网一致性节点的排序请求，给出了主节点的信用排序分配算法流程我JN; n0>：0;n¼0表1中3.3. 智能合约与DPOS区块链共识机制由于传统的分布式算法不具备抵抗节点攻击的特性，因此，不能直接作为区块链的共识算法。作为集中式共识机制，DPOS机制的记账权掌握在少数节点手中[33]。参与者可根据持有硬币的数量表1信用等级分配算法流程其中，Pi;Pj分别表示节点i和节点j，Rt的值为节点i对节点j的信任度，衰减函数用于描述第k个时间段的信誉评分的变化程度与前一时期相比图三. 共识机制算法结构示意图。V¼（八）R. Huang等人物联网和网络物理系统3（2023）5256½] ¼ ½^]≤≤XR¼ fRijk≥þ¼.[美国]Nr. ΣΣ. ΣΣ2Xi¼Nv1我！你好！××1-Nfkfkρn-k;0ρ1;1≤k≤n（15）<<如果在节点i和节点j之间发生事务的时间段为：t-开始;t-结束t1;t2tn;1k n（16）则i到j的内部得分为：n为了使系统最终看起来一致，对于根据函数f运行的任何节点，您可以得到：TfT0i;T1i;T2i;Storep（19）tkijk¼13.4. 基于可信度的动态分组PBFT算法（十七）丢弃pTfalse（20）通过共识函数f，共识节点获得与原始交易相同的交易信息，如果交易失败，该算法处理的动作得到节点的一致认可PBFT机制的使用是为了解决拜占庭将军问题，实现共识节点的一致性假设在满足N 3 F 1的情况下，网络可以通过可信度评估模型确定节点的拜占庭错误状态。 同时，基于可信度评估的动态PBFT群组一致性算法大大降低了大型网络中用户的通信复杂度，动态分析不同通过交易和存储，从客户端发送交易请求到确认交易被区块链成功记录，时间间隔按以下公式计算tlatency¼tnetworkconcensust write（21）块生成时间可以通过以下公式计算节点的可信度可以增加节点的可信度，达到一定阈值后，可以调整节点分组，提交块时间i1/4时间戳i-时间戳i-1（22）整个网络的拜占庭式安全物联网加入动态分组PBFT算法前后的对比示意图如图所示。4、可以看出，加入共识机制算法后，对于块生成速度，如公式（23）所示，以吞吐量来衡量每秒的事务量，计算公式如（24）所示：1物联网系统中的物联网技术得到了显著提升，用户可以在区块链上调用特定的服务，通过区块链上的智能合约方便地完成交易对于整个网络系统，每个节点处理信息以得到最终的交易数据，这个过程用函数f表示，节点之间使用算法p进行通信闭塞速度i/4闭塞TPStx计数秒次我（二十三）（二十四）3.5. 基于改进的可监督共识机制的方案共识机制设计的目的是为了解决效率、安全性和可扩展性问题，假设生产节点从投票节点收到k票，也设为时间戳，则资源量Rsource可以通过以下公式计算RsourceK-1信号和时间带（25）1/4对Rsource进行Hash计算，取最后32位，转换成整数后，用以下公式计算随机数R：对于候选节点k，假设候选节点的总数为Nc，每个候选节点获得一票的概率P1为：P1¼K=Nc（27）此外，每个候选节点获得x票的概率P2为：P2¼CX×KxNc×。1-KNr-XNcnv！我！你好！×KXNc×。1-KNr-XNc（二十八）当候选节点得到大于Nv个节点时，成功转入生产节点的概率P3如式（29）所示，转入生产节点的概率的另一种计算方式如式（30）所示：Nvnv！2. 是的NCP3¼（二十九）R. Huang等人物联网和网络物理系统3（2023）5257KNv-iC图四、物联网中交互物加入动态分组PBFT算法前后的对比。P4¼Np=Nc（30）假设数据块的传输大小是Blocksize，R. Huang等人物联网和网络物理系统3（2023）5258X-≥ð - Þ- ð þÞ ð - Þ ¼ ð - Þ ð - --1/4i¼Nv1 我！你好！×Na1-N-a当网络系统中节点总数为N时，所有节点之间完成一个数据块传输所需的网络带宽Bandwidth的计算公式如下：带宽1/4N× 1/4N-1/4 ×块大小（31）如果候选节点的得分很高或很低，并且获得投票的概率设置为a，则候选节点获得足够数量的投票并成为生产节点的概率计算为P：本文从系统架构入手，基于区块链的共识机制设计了区块链管理系统。 与传统的系统设计方案不同，本研究设计的系统模型结合了智能区块链的可监督共识机制和算法，实现了设计思想从以设备为中心向以用户为中心的转变，并完成了系统原型的设计和性能测试。 整个系统架构设备如图所示。 六、实验是在局域网环境下进行的，实验设备如图7所示，其架构Nvnv！2.KC我是阿吉KCΣNv-i设备主要包含12台主机，主机配置软件为PBFT的共识过程包括预准备阶段、准备阶段和确认阶段，在预准备阶段，主节点将处理后的请求广播给备份节点，在准备阶段，备份节点将验证后的消息发送给除自身之外的所有参与共识的节点，在确认阶段，所有参与共识的节点相互确认，通信总数S1满足：S1¼n-1n-1*n-1 n*n-12*n*n-1（33）在DPOS-PBFT算法模型中，共识阶段仅包括准备阶段和验证阶段，假设参与公式过程的节点总数为n，则主节点在准备阶段发送的消息通信次数为n1，共识过程完成后，监管节点需要将共识结果发送给客户节点和主节点，因此，通信总数S2应满足下式：（34）则通讯次数之间的关系为─PBFT和DPOS-PBFT之间满足以下等式：S1S 2 2*n*n 1 2n *n 1n 2*n 1（35）由于n 3，如果（35）的结果大于0，则说明在共识过程中，当节点数相同时，PBFT的通信次数要高于DPOS-PBFT，即DPOS-PBFT的通信次数更少。改进的DPOS-PBFT可监督共识机制的框架图如图所示。第五章：3.6. 案例分析为了满足当前物联网系统对算法性能的要求，同时，改进后的区块链共识机制的性能参数为以及matplotlib-2.1.0rc1数据可视化模块。同时，将本文提出的DPOS-PBFT可监督共识机制与Raft [34]、POW、POS、DPOS [35]、PBFT[36]等共识机制算法进行性能比较，分析各算法模型的性能优劣4. 结果和讨论4.1. 区块链共识机制性能测试将改进的DPOS-PBFT共识机制方案与Raft、POW、POS、DPOS、PBFT等共识机制算法进行性能比较，消息传递成功率与请求次数/迭代次数的关系如图所示。 7中，消息传递延迟与系统网络吞吐量和请求数量之间的关系如图2和图3所示。8和9所示。从图中可以看出。7（a）在物联网系统中，用户之间的消息传递成功率会随着用户请求数量的增加而逐渐降低，在几种共识算法模型中，Raft共识机制随着用户请求数量的增加，成功率下降很快，在3000次用户请求后，成功率下降到80%以下，而提出的DPOS-PBFT可监督共识机制在3000次用户请求后仍能保持97%以上的成功率，与其他共识机制相比，功率至少提高3.5%。图图7（b）显示，随着实验迭代次数的增加，成功率也呈现上升趋势，然而，DPOS-PBFT可监督共识机制的性能始终保持在最优水平。根据图 8、消息传递的最大延迟、最小延迟和平均延迟随着用户请求次数的增加而增加，然而，较大的时延会增加用户的等待时间，给用户的消息传递带来不便。综合比较了几种共识机制算法，在本研究的区块链管理系统中，提出的DPOS-PBFT可监督共识机制的综合延迟保持在最小，在3000次用户请求后，最大延迟保持在8 s以下，最小延迟始终保持在图五. 基于改进的DPOS-PBFT监控共识机制图六、基于DPOS-PBFT算法的系统总体架构设备。P¼×（三十二）CPU（中央处理器）：Intel Corei 5 - 7500 U，内存：8 G，操作系统：Window 10企业版，使用Python 3.5进行实验R. Huang等人物联网和网络物理系统3（2023）5259见图7。研究了消息传递延迟与系统网络吞吐量和请求数（a.消息传递的成功率与请求数量的关系图;b.消息传递的成功率与迭代次数的关系图约3s，平均延迟为2.38s。关于系统网络的吞吐量与请求数量的关系，随着用户请求数量的增加，最大吞吐量会增加，但平均吞吐量会相应降低，DPOS-PBFT的可监督共识机制的平均吞吐量不是最优的，但最大吞吐量始终保持在最大，单位时间传输的数据量也最大。4.2. 区块链共识机制对系统硬件效率的影响为了测量不同的系统硬件占用，见图9。系统网络吞吐量和请求数之间的关系（a. 平均系统吞吐量随请求的数量而变化;b.系统的最大吞吐量随请求的数量而变化为了衡量区块链不同共识机制对系统硬件的占用情况，比较了该共识机制与其他共识机制在系统内存占用和磁盘空间占用方面的性能，系统内存占用与用户请求数的关系如图10所示，磁盘空间与用户请求数的关系如图11所示。 十一岁从系统内存使用量与用户请求数量的关系可以看出，随着用户请求数量的增加，系统平均内存使用量和系统最大内存使用量都将增加，所提出的DPOS-PBFT可以监督共识机制，最大内存占用量约为22 MB，平均内存占用量约为8 MB，整体内存占用量最小，与Raft共识机制相比，内存占用量至少减少了8 MB。图中的横坐标。 10（c）是用于比较的主机CPU的类型，图8.第八条。 消息传递延迟与用户请求数之间的关系（a。消息传递的最大延迟随用户请求的数量而变化;b.消息传递的最小延迟随用户请求的数量而变化;c.消息传递的平均延迟随用户请求的数量而变化R. Huang等人物联网和网络物理系统3（2023）5260图10个。 系统内存使用量和用户请求数之间的关系（a. 系统的平均内存使用量随请求的数量而变化系统的最大内存使用量随请求的数量而变化; c.系统的平均CPU使用率随的请求）。见图11。占用的磁盘空间与用户请求数之间的关系（a.磁盘读取占用率随请求的数量而变化;b.磁盘写入占用率随迭代次数而变化）。纵坐标为CPU占用率，从多台主机的性能测试结果可以发现，DPOS-PBFT机制的CPU占用率最低，始终保持在24%以下。分析磁盘空间与用户请求数量的关系可以发现，随着用户请求数量的增加，DPOS-PBFT机制在600次用户请求后，磁盘读取占用空间达到223.12 KB，而其他几种共识机制算法，同样600次用户请求后，Raft的磁盘读取占用空间达到242.05 KB，POS达到286.11 KB，POW为259.68KB，DPOS为266.81 KB，PBFT为237.93 KB，同样，与其他几种共识机制算法相比，在磁盘写入占用方面，DPOS-PBFT机制在600次用户请求后，磁盘写入保持在170 KB左右，与PBFT算法相比节省了14.35 KB的空间，与DPOS算法相比，33.70 KB的空间，系统的整体性能得到了很大的提升。此外，还进行了对比实验，对比分析了提出的物联网数据传输过程中磁盘读写占用的空间，结果如图所示。12个。从图中的结果可以看出，DPOS-PBFT可监督共识机制算法优化后各容器类型的磁盘读空间和磁盘写空间都得到了大幅提升，原容器Couchdb的磁盘读空间从855.7 KB降低到608.88 KB，磁盘写空间从858.9 KB降低到753.2 KB，共识机制算法性能优越，大大提高了存储和消息传输的效率综上所述，在物联网系统中，用户之间消息传输的成功率会随着用户请求数量的增加而逐渐降低。 Raft共识机制在3000次用户请求后的成功率不到80%，而DPOS-PBFT可监督共识机制的成功率超过97%。此外，消息传递的最大、最小和平均延迟随着用户请求的数量而增加。然而，DPOS-PBFT可监督共识机制的综合延迟被保持在最小，这低于其他区块链共识算法。Raft共识机制容纳故障节点的能力有限，无法消除数据库和区块链风险。因此，有必要基于系统网络结构重新定义和优化区块链的共识机制。R. Huang等人物联网和网络物理系统3（2023）5261图12个。算 法 优化前后物联网数据传输的磁盘读空间和写空间对比（a. 磁盘读取占用空间; b.磁盘写入占用空间）。5. 结论随着物联网的发展，众多去中心化P2P自组织网络交易平台的出现使得区块链技术迅速成为研究热点，传统的分布式共识算法存在网络延迟和传输错误等问题，为了解决这些问题，本研究在传统共识机制算法的基础上提出了一种改进的DPOS-PBFT可监督共识机制，并与Raft、POW、POS、DPOS、PBFT等传统共识算法进行性能比较， 实例分析结果表明，该机制算法在3000次用户请求后，成功率仍能保持在97%左右，最大延迟在8s以下，最小延迟始终在3s左右，平均延迟为2.38s，算法的整体性能较好。但是，该研究还存在一些不足。首先，本研究没有考虑安全多方计算的问题，在分布式网络中要解决用户之间相互不信任的协同计算问题，应该考虑到这个问题，因此，安全多方计算在未来可以与共识机制相其次，以太坊环境中特定区块链节点的数量根据应用类型的不同而不同，未来可以在以太坊网络中添加不同数量的攻击节点进行测试。竞合利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。引用[1] P. Nerurkar，S. Bhirud，D.帕特尔河，巴西-地Ludinard，Y. Busnel，S. Kumari，用于识别比特币中非法活动的监督学习模型，Appl.Intell。51（6）（2021）3824-3843。[2] D. Puthal，S.P. Mohanty，E. Kougianos湾我们什么时候需要区块链？IEEEConsumer Electronics Magazine 10（2）（2020）53[3] J.Wu，M.董氏K. Ota，J. Li，W. Yang，物联网中软件定义智能区块链的应用感知共识管理，IEEE Network 34（1）（2020）69- 75。[4] Z.吕湖，加-地乔，M.S. Hossain，B. J. Choi，使用区块链保护无人机大数据隐私的分析，IEEE Network 35（1）（2021）44- 49。[5] X. Zhou，Y.胡，W. Liang，J. Ma，Q. Jin，Variational LSTM enhancedanomalydetection for industrial big data，IEEE Trans. 印第安纳INF. 17（5）（2020）3469- 3477.[6] D.彼得斯，K. Vold，D. Robinson，R.A. Calvo，Responsible AI-Two FrameworkforEthical Design Practice，IEEE Transactions on Technology and Society 1（1）（2020）34- 47.[7] Y. Zhang，M. Yutaka，M. Sasabe，S. Kasahara，智能城市基于属性的访问控制：智能合约驱动的框架，IEEE Internet Things J. 8（8）（2020）6372- 6384。[8] W. Tushar，T.K.萨哈角袁，加-地Smith，H.V. Poor，Peer-to-peer TradinginElectricity Networks：An Overview，IEEE Trans. Smart Grid 11（4）（2020）3185- 3200。[9] C.E. Ngubo，M. Dohler，使用区块链技术的受限设备的Wi-Fi依赖共识机制，IEEE Access 8（2020）143595- 143606。[10] J. Liu，T. Yin，杨氏D. Yue，H.R. Karimi，J. Cao，基于事件的多智能体系统的多网络攻击安全领导者遵循共识控制，IEEE Trans. 赛博恩51（1）（2020）162- 173。[11] W. Ren，J. Hu，T. Zhu，Y. Ren，K.K.R. Choo，一种在区块链工作量证明中防御计算资源丰富的矿工的灵活方法，Inf.Sci。507（2020）161- 171。[12] M. Kandidayeni，H.沙维湖Boulon，S. Kelouwani，J.P.F. Trovao，燃料电池堆的在线系统识别与能源管理应用的保证稳定性，IEEE Trans. 能量转换器 36（4）（2021）2714- 2723。[13] X. Xu，L.Zhu，X.Yang，S.王湖，加-地齐，W.窦，区块链和供应链集成的并发实用拜占庭容错，ACM Trans. InternetTechnol.21（1）（2021）1- 17。[14] W.熊湖，加-地Xiong，基于区块链和机器学习的智能合约数据交易模式，IEEE Access7（2019）102331- 102344。[15] X. Liu，K. Muhammad，J. Lloret，Y.W. Chen，S.M. Yuan，区块链智能合约的弹性和成本效益数据载体架构，Future Generat。Comput. 100（2019）590- 599.[16] S.宣湖郑岛钟，W。Wang，中国山杨D.曼斯，X。杜，M。Guizani，基于区块链和智能合约的数据共享激励机制，Comput。电子工程83（2020），106587。[17] Z. Lv，物联网边缘设备安全，实践与经验，软件，2020。[18] L. Qiao，S.当湾，澳-地Shihada，M.S.阿卢伊尼河Nowak，Z.Lv，区块链能否链接未来？数字。Commun. 网络 5（2022）687- 694。[19] S. 阿加瓦尔，北-地Kumar，Blockchain 2.0：Smart Contracts，in：Advances inComputersvol. 121，Elsevier，2021，pp. 301- 322[20] A. Bhardwaj，S.B.H.沙阿，A.尚卡尔，M。Alazab，M. Kumar，T.R.Gadekallu，智能合约区块链的渗透测试框架，点对点网络和应用14（5）（2021）2635- 2650。[21] 是的曾国林Choy，C.H.吴，G.T.S.豪，豪英。Lam，Blockchain-driven IoT forfoodtraceability with an integrated consensus mechanism，IEEE Access 7（2019）129000- 129017。[22] J. 黄湖，澳-地孔，G.Chen，M.Y.Wu，X.Liu，P.Zeng，Towards secure industrialIoT：blockchain system with credit-based consensus mechanism，IEEE Trans. 印第安纳INF. 15（6）（2019）3680- 3689.[23] A.库马里山，巴西-地Tanwar，S. Tyagi，N. Kumar，IIoT环境中基于区块链的海量数据传播处理，IEEE Network 35（1）（2020）318- 325。[24] Y. Wang， Z. Su，K. Zhang，中国古柏A. Benslimane，自动驾驶的挑战和解决方案：区块链方法，IEEE Network 34（4）（2020）218- 226。[25] Y. Meshcheryakov，A. Melman，O. Evsutin，V. Morozov，Y. Koucheryavy，关于PBFT区块链共识算法在受限设备物联网应用中的性能，IEEE Access，2021。[26] J. Li，J. Wu，J. Li，A.K. Bashir，M.J. Piran，A. Anjum，基于区块链的多机器人系统协作任务的信任边缘知识推理，IEEE Commun。Mag.59（7）（2021）94- 100.[27] B. Lashkari，P. Musilek，区块链共识机制的全面审查，IEEE Access 9（2021）43620- 43652。[28] J.Y.郭，严，N.S. Ko，S.M.金，基于服务区分片的分层共识机制的设计，IEEE Trans.Eng. 67（4）（2020）1387- 1403。[29] Y. Liu，G. Xu，FIXED degree of decentralization DPoS consensus mechanism
我的内容管理
展开
