一种融合类脑智能的动态容错阈值调整拜占庭共识方法与流程
本发明涉及区块链与类脑智能交叉,尤其涉及一种融合类脑智能的动态容错阈值调整拜占庭共识方法。
背景技术:
1、拜占庭容错算法是区块链系统保障一致性与安全性的核心机制之一,尤其在联盟链架构中具有广泛应用。pbft作为典型的拜占庭容错算法,其基本原理是通过多轮节点间通信达成共识,并要求系统中至少存在3f+1个节点,以容忍最多f个故障或恶意节点。
2、该算法在安全性方面具有良好保障,但在实际应用中也暴露出明显的性能瓶颈。首先,pbft的通信复杂度较高,随着节点数量增加,系统的消息交互量呈指数级增长,导致共识效率显著下降。其次,pbft采用固定的容错阈值,无论网络环境是否稳定、安全风险是否存在,都始终维持相同的节点参与要求,缺乏灵活性与适应性。
3、在实际部署过程中,区块链网络常常面临节点波动、通信延迟、异常行为等动态变化。固定阈值机制无法根据当前网络状态做出调整,可能在网络稳定时造成资源浪费,在网络不稳定时又无法及时提升安全保障。此外,在某些应用场景中,如在金融交易等对时延敏感的领域,传统pbft难以同时满足高吞吐量和强安全性的双重需求;而在政务数据管理等安全优先场景,又缺乏风险自适应的防护能力。
4、近年来,类脑智能因其事件驱动、低功耗、并行计算和在线学习等特性,在动态环境感知与自适应决策方面展现出独特优势,为共识机制的智能化优化提供了新的技术路径。
5、综上所述,现有pbft算法在容错阈值设置方面存在刚性问题,缺乏对网络环境的动态感知与响应能力,亟需提出一种融合类脑智能的动态容错阈值调整拜占庭共识方法,利用类脑智能实现低功耗、高自适应的容错阈值动态调整,以实现安全性与效率的动态平衡。
技术实现思路
1、本发明的目的在于克服上述现有技术的问题,提供了一种融合类脑智能的动态容错阈值调整拜占庭共识方法,用于解决传统pbft算法采用固定容错阈值难以适配动态变化的区块链网络,网络平稳运行时造成通信资源浪费,网络风险升高时安全防护能力不足,常规网络监测持续计算能耗偏高,阈值调整依赖人工固定规则无法自主优化判断精度,策略全网同步开销大,切换过程易出现参数篡改与共识分裂隐患,难以匹配各类业务对共识安全与运行效率的差异化使用需求的技术问题。通过引入类脑计算启发的安全态势感知机制、策略决策模块与状态同步模块,利用脉冲神经网络模拟神经元对网络运行状态的动态编码与事件驱动处理,实现根据网络运行状态智能调整pbft容错阈值,达成系统安全性与运行效率的动态平衡。
2、上述目的是通过以下技术方案来实现:
3、一种融合类脑智能的动态容错阈值调整拜占庭共识方法,包括以下步骤:
4、s1、通过类脑安全态势感知模块实时采集区块链网络运行多维度指标;
5、s2、采用脉冲神经网络对所述区块链网络运行多维度指标执行脉冲编码与时空特征提取,输出网络安全态势量化评估向量;
6、s3、通过类脑策略决策模块融合脉冲神经网络与强化学习机制,基于所述网络安全态势量化评估向量推理得到当前网络风险等级;
7、s4、根据所述风险等级匹配预设容错阈值策略,确定对应门槛系数与可容忍故障节点数量;
8、s5、通过类脑瞬时状态同步模块以脉冲编码形式向全网广播新策略参数;
9、s6、各节点校验所接收策略更新信息的有效性;
10、s7、当达到预设拜占庭容错节点确认数量时,全网节点在指定区块高度同步切换至新容错策略,调整共识投票门槛。
11、进一步地,所述类脑安全态势感知模块包括脉冲编码单元和时空特征提取单元;所述步骤s1中采集的所述区块链网络运行多维度指标包括网络质量指标、节点行为指标和环境风险指标;所述脉冲编码单元将各指标归一化数值转换为稀疏脉冲序列,仅在指标发生显著变化时输出密集脉冲,稳态维持低脉冲发放率实现低功耗感知;所述时空特征提取单元采用多层脉冲神经网络提取脉冲序列的时间演化、空间关联特征,输出所述网络安全态势量化评估向量。
12、进一步地,所述类脑策略决策模块包括脉冲编码层、脉冲推理层和策略映射层;所述脉冲编码层将所述网络安全态势量化评估向量编码为脉冲序列输入所述脉冲推理层;所述脉冲推理层采用多层lif神经元网络完成非线性推理,以共识吞吐率、通信时延、系统安全状态、运行能耗组成综合奖励信号,所述脉冲推理层先根据当前权重输出所述风险等级,随后根据所述综合奖励信号在线更新神经元网络连接权重以优化后续决策。
13、进一步地,所述策略映射层预设有多组备选容错策略集合,每组策略采用kf+1≤n约束表征,其中k为门槛系数,n为网络总节点数,f为所述当前策略可容忍故障节点数;不同门槛系数k对应不同共识投票门槛,所述k数值与所述投票门槛、所述系统安全能力正相关,与达成共识所需的投票收集数量负相关,且在固定网络规模n下与可容忍故障节点数量负相关。
14、进一步地,所述备选容错策略集合至少包含三种档位策略:低风险匹配的低门槛系数策略、常态标准策略、高风险匹配的高门槛系数策略;所述低门槛系数策略对应更小投票数量,通信开销降低、共识效率提升;所述高门槛系数策略对应更多投票数量,攻击者需控制更多节点才能破坏共识,系统安全性提升。
15、进一步地,所述低门槛系数策略满足2f+1≤n,达成共识仅需收集f+1张有效投票;所述常态标准策略满足3f+1≤n,达成共识需收集2f+1张有效投票;所述高门槛系数策略满足4f+1≤n,达成共识需收集3f+1张有效投票。
16、进一步地,所述类脑瞬时状态同步模块包括脉冲广播单元、脉冲验证单元、同步执行单元;所述脉冲广播单元将包含策略类型、f值、生效区块高度、数字签名的三元组策略参数编码为脉冲消息,在相邻节点间扩散传播。
17、进一步地,在步骤s6中所述脉冲验证单元校验所述策略更新信息有效性的校验项目包括:所述策略类型是否属于预设备选集合、所述f值是否满足kf+1≤n约束、所述数字签名是否合法、所述生效区块高度是否合理。
18、进一步地,步骤s7中预设拜占庭容错节点确认数量为2+1个,其中为系统预设最大可容忍故障节点数,由最低安全档位策略下的约束条件计算得到;当超过2+1个节点确认存储相同策略参数时,所述同步执行单元控制全网在预设区块高度切换容错策略,切换流程与原生pbft共识流程无缝衔接。
19、进一步地,步骤s2中采用的脉冲神经网络为基于泄露整合发放lif神经元模型构建的多层脉冲神经网络snn。
20、本方法适用于金融交易、政务数据管理、供应链溯源联盟链场景;当网络稳定低风险时自动匹配所述低门槛系数策略提升吞吐,当检测节点异常、通信延迟升高、攻击特征时自动匹配所述高门槛系数策略强化安全防护。
21、本发明所提供的一种融合类脑智能的动态容错阈值调整拜占庭共识方法,通过搭载事件驱动架构的类脑安全态势感知模块实现网络状态低功耗持续监测,通过融合脉冲神经网络与强化学习的类脑策略决策模块实现容错阈值依据网络风险自适应动态调节,通过多档位容错策略切换机制实现共识安全与运行效率的动态平衡,通过脉冲编码同步机制实现容错策略轻量化全网分发与合规安全切换,整体方案无需人工迭代判断规则可自主提升决策精度,适配多类联盟链业务场景同时兼顾低能耗高自适应双重优势。与现有技术相比较,存在如下有益效果:
22、第一,在网络状态稳定、节点响应正常、安全风险较低的条件下,系统通过类脑策略决策模块自动匹配低门槛系数策略,节点收集较少投票即可达成共识,通信开销显著降低,系统吞吐率有效提升。
23、第二,当系统检测到节点异常、通信延迟增加或存在攻击特征时,类脑安全态势感知模块通过脉冲神经网络的时空特征提取能力准确识别异常模式,策略决策模块相应匹配高门槛系数策略,节点需收集更多投票方可确认共识,攻击者需控制更多节点才能干扰共识过程,系统安全性和抗攻击能力显著增强。
24、第三,本发明通过脉冲神经网络与强化学习的融合机制实现策略决策的在线优化。与依赖预设规则的静态模型不同,本发明的脉冲推理层能够根据共识效率、安全状态和能耗等综合性能指标的反馈信号持续更新网络连接权重,使阈值策略的选择精度随运行时间不断提升,智能水平持续进化。
25、第四,本发明充分利用类脑智能的事件驱动计算特性,类脑安全态势感知模块仅在网络状态发生显著变化时触发密集处理,在稳态下维持低发放率运行,显著降低了共识机制持续运行所需的计算能耗,对于节点资源受限的区块链部署场景具有重要实用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com