IoT场景中基于模型的区块链演化共识算法

iot场景中基于模型的区块链演化共识算法
技术领域
1.本发明涉及物联网场景中的区块链应用技术领域，提供一种iot场景中基于模型的区块链演化共识算法。


背景技术：

2.服务计算提供了一个高层次的抽象，通过封装多种计算基础设施，支持不同异质领域的各种应用。其中一个重要的的应用场景是物联网，它为物理世界和虚拟世界的无缝整合创造了机会，如智能城市、智能电网、智能医疗等。这种整合大大降低了人力资源成本，提高了生产效率，并同时提高了经济效益。然而，物联网不仅带来了开放性和包容性，也不可避免地带来了各种相关问题，如信任管理、安全威胁、隐私泄露等。近期，研究者尝试使用区块链来弥补上述缺陷。
3.区块链是一种安全共享的去中心化的数据账本，可以构建实现去中心化或半去中心化的物联网应用，管理可验证的互动，并利用共识协议、密码学和智能合约实现多设备物联网系统的本地决策。例如在货物运输场景中，支持物联网的区块链可以在移动货运集装箱时，存储它们的温度、位置、到达时间和状态。不可变的区块链交易有助于确保所有各方都可以信任数据，并采取行动快速有效地移动产品。
4.共识算法是区块链中最核心的组成部分。目前，主流的共识算法从许可方面可以大致分为两类。一种是基于许可的方法，节点只有在通过公钥基础设施（pki）完成身份认证后才有资格成为区块生产者。另一种是基于许可的方法，节点可以在任何时候加入和离开区块链网络，而无需身份认证。在这种情况下，节点的数量会动态地、不可预测地变化。著名的工作量证明（pow）共识算法是无权限的，同时也是安全和分散的，但由于采矿机制，它会产生高能耗。权益证明（pos）、委托权益证（(dpos）以及它们的变种也是无权限的，但它们需要事先设计和建立一个安全的"权益系统"。其他常见的传统共识协议及其扩展，如实用拜占庭容错（pbft），只适用于允许存在一些故障节点但不存在邪恶节点的有权限的情况。
5.总而言之，目前的主流方法都不适合用于动态物联网场景。
6.物联网场景下的区块链共识算法近期引起了很多学者的关注。在此仅举几例，一种是利用固定物联网设备的地理信息来达成共识的g-pbft算法；它确实优于pbft，但当节点数为202时，g-pbft的平均延迟为5.64s，这在实际物联网场景中是难以接受的。
7.另一种名为sg-pbft，通过评分组机制提升传统pbft和g-pbft算法的性能，在物联网环境中实现更高的共识效率。而sg-pbft的用途有限，因为随着节点数量的增加，物联网系统达成共识所需的时间会急剧增加。
8.除此之外，还有一种名为适应性的pbft，用于物联网环境中。这种算法允许每个订购节点进行共识过程，而不是只提供一个订购服务的单一入口点。然而，这种方法只适合在许可的情况下使用。


技术实现要素：

9.本发明的目的是针对现有技术的不足，提供一种iot场景中基于模型的区块链演化共识算法，以解决传统区块链共识算法应用于物联网系统时，不适应物联网系统动态性和安全性要求的问题，其技术方案如下：包括：生成共识模型，然后再物联网中各节点上分别部署该共识模型，各节点通过该共识模型将节点选择列表进行排序，各节点选择排序后的节点选择列表中概率最高的第一个节点作为出块节点，出块节点将交易打包成区块并发送给其他节点，最后，区块链系统就新的交易达成共识。
10.进一步的，所述共识模型为poem模型。
11.进一步的，所述生成共识模型具体包括如下步骤：s1：查询物联网系统的运行日志；s2：通过分析系统模块对运行日志进行分析，获取不同种类的原始特征，分别形成节点模型、内容模型和惩罚模型；s3：通过处理和组合节点模型、内容模型和惩罚模型，获得训练数据集；s4：学习系统模块利用训练数据集训练得到区块链出块节点选择模型poem。
12.进一步的，所述poem模型的训练和更新通过物联网之外的实体进行。
13.进一步的，在私有物联网系统中，与物联网设备相连的上层服务器作为训练和更新模型的实体。
14.进一步的，在公共物联网系统中，采用联邦学习方法，以分散的方式训练和更新模型。
15.进一步的，所述内容模型由从系统日志中提取的未经处理的内容特征组成。
16.进一步的，所述节点模型由未经处理的节点硬件特征和未经处理的节点行为特征组成。
17.进一步的，所述惩罚模型由区块生产者的区块生产失败次数决定。
18.本发明的有益效果如下：提高物联网场景下区块链达成共识的效率，同时提高区块链共识的安全性。
附图说明
19.图1是poem整体工作流程示意图。
具体实施方式
20.为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
21.poem的整体工作流程如图1所示，包括两个阶段，即共识模型生成和共识模型应用。
22.共识模型生成(modelgeneration)：在物联网环境中，考虑到物联网设备的计算能力有限，由其他实体负责训练和更新poem模型。
23.在私有物联网系统中，与物联网设备相连的上层服务器可以训练和更新模型，而在公共物联网系统中，采用联邦学习技术，以分散的方式训练和更新模型。很多现有的方法可以保证模型训练过程的安全性，关于以分散的方式训练模型有很多相关的研究。
24.模型生成：poem首先查询物联网系统的运行日志（systemlog），然后通过分析系统模块（analysissystem）对其进行分析，以获得不同种类的原始特征，分别形成节点模型（nodemodel）、内容模型（contentmodel）和惩罚模型（punishmentmodel）。内容模型由从系统日志中提取的未经处理的内容特征组成，例如，内容哈希。节点模型由未经处理的节点硬件特征（如cpu时间）和未经处理的节点行为特征（如生产块的数量）组成。惩罚模型由区块生产者的区块生产失败次数决定。之后，通过处理和组合节点模型、内容模型和惩罚模型，获得训练数据集（trainingdataset）。学习系统模块（learningsystem）利用训练数据集可以训练得到区块链出块节点选择模型poem。请注意，在不同的使用场景下，特征的数量和类型可能是不同的。
25.共识模型应用(modelapplication)：当poem模型生成并部署在物联网系统中的每个节点后，整个系统可以通过poem模型达成共识。训练模型的上层服务器不参与模型应用过程。
26.在每一轮共识中，每个节点将节点选择列表（nodeselectionlist）输入到poem模型中，然后模型将根据每个节点成为区块生产者的概率，输出一个排序后的节点选择列表（sortednodeselectionlist）。
27.最后，每个节点默认选择排序后的节点选择列表中概率最高的第一个节点作为出块节点。出块节点将交易打包成区块并发送给其他节点。
28.之后，整个区块链系统可以就新的交易达成共识。
29.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权力要求限定。

技术特征：
1.iot场景中基于模型的区块链演化共识算法，其特征在于，包括：生成共识模型，然后再物联网中各节点上分别部署该共识模型，各节点通过该共识模型将节点选择列表进行排序，各节点选择排序后的节点选择列表中概率最高的第一个节点作为出块节点，出块节点将交易打包成区块并发送给其他节点，最后，区块链系统就新的交易达成共识。2.根据权利要求1所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述共识模型为poem模型。3.根据权利要求2所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述生成共识模型具体包括如下步骤：s1：查询物联网系统的运行日志；s2：通过分析系统模块对运行日志进行分析，获取不同种类的原始特征，分别形成节点模型、内容模型和惩罚模型；s3：通过处理和组合节点模型、内容模型和惩罚模型，获得训练数据集；s4：学习系统模块利用训练数据集训练得到区块链出块节点选择模型poem。4.根据权利要求3所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述poem模型的训练和更新通过物联网之外的实体进行。5.根据权利要求4所述的iot场景中基于模型的区块链演化共识算法，其特征在于，在私有物联网系统中，与物联网设备相连的上层服务器作为训练和更新模型的实体。6.根据权利要求4所述的iot场景中基于模型的区块链演化共识算法，其特征在于，在公共物联网系统中，采用联邦学习方法，以分散的方式训练和更新模型。7.根据权利要求5或6所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述内容模型由从系统日志中提取的未经处理的内容特征组成。8.根据权利要求5或6所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述节点模型由未经处理的节点硬件特征和未经处理的节点行为特征组成。9.根据权利要求5或6所述的iot场景中基于模型的区块链演化共识算法，其特征在于，所述惩罚模型由区块生产者的区块生产失败次数决定。

技术总结
本发明涉及物联网场景中的区块链应用技术领域，提供一种IoT场景中基于模型的区块链演化共识算法。包括：生成共识模型，然后再物联网中各节点上分别部署该共识模型，各节点通过该共识模型将节点选择列表进行排序，各节点选择排序后的节点选择列表中概率最高的第一个节点作为出块节点，出块节点将交易打包成区块并发送给其他节点，最后，区块链系统就新的交易达成共识。本发明能够提高物联网场景下区块链达成共识的效率，同时提高区块链共识的安全性。性。性。


技术研发人员：赵尧 曲悠扬 高龙翔
受保护的技术使用者：齐鲁工业大学（山东省科学院）
技术研发日：2023.07.06
技术公布日：2023/9/6