[发明专利]区块链共识节点推选系统及方法

说明书

本发明提供了一种区块链共识节点推选系统及方法，所述系统包含：主控单元装置用于根据接收到的指令设置区块链网络中的共识节点数量和节点评价模型的更新周期；共识点筛选单元装置用于通过数字化特征向量的方式描述区块链网络中各节点的属性，根据各节点的属性和各节点的表现情况之间的对应关系，通过机器学习算法和预设的权值系数建立节点评价模型；根据节点评价模型和区块链网络所需共识节点数量筛选获得对应的数量的共识节点；学习单元装置用于根据更新周期查询比较节点评价模型计算获得各节点的评分与对应节点实际评分之间的差异情况，并根据差异情况和预设调优阈值调整权值系数；交易共识执行装置用于根据共识节点，调起PBFT共识过程。

技术领域

本发明涉及区块链共识技术领域，尤其是涉及一种应用于联盟链高效的区块链共识节点推选系统和方法。

背景技术

随着智能合约的引入，区块链以其去中心化、防篡改、易追溯等特点迅速在各个垂直领域中被应用，例如供应链金融、租赁、保险等。这些应用尤其以联盟链为主，形成针对特定业务场景组建的区块链网络。与公有链不同的时，联盟链的节点获得初步身份认证，具有一定的可信性。目前联盟链使用的共识算法多以实用拜占庭(PBFT Practical ByzantineFault Tolearance)为主，虽然改善了POW/POW等共识算法的低时延问题，但仍然存在如下缺陷：

目前PBFT最主要的问题在于当需要共识的节点增多时，实用拜占庭性能明显下降，缺乏自动感知节点数量机制，在节点数增多时，仍然能自动响应调节充分考虑到共识的公平性。

无论是忠臣还是作恶的节点，PBFT对于参与共识的节点并没有引入评价的方案，对于作恶的节点仅仅是更换主节点机制，而其仍存在于区块链的共识节点池中。

带宽要求过高，带宽要求随着节点数量增加呈多项式级别的增长。在联盟链的初步可信任环境中，可选择推选出可靠的节点进行共识，从而减小网络带宽的开销。

发明内容

本发明目的在于提供一种基于机器学习的区块链共识节点推选方法，解决了目前PBFT在联盟链应用中静态节点数，低性能，带宽要求高的缺陷，给出一种自适应，高效的共识方法。

为达上述目的，本发明所提供的一种区块链共识节点推选系统，具体包含：主控单元装置、共识点筛选单元装置、学习单元装置和交易共识执行装置；所述主控单元装置用于根据接收到的指令设置区块链网络中的共识节点数量和节点评价模型的更新周期；所述共识点筛选单元装置用于通过数字化特征向量的方式描述区块链网络中各节点的属性，根据各节点的属性和各节点的表现情况之间的对应关系，通过机器学习算法和预设的权值系数建立节点评价模型；根据所述节点评价模型和区块链网络所需共识节点数量筛选获得对应的数量的共识节点；所述学习单元装置用于根据所述更新周期查询比较所述节点评价模型计算获得各节点的评分与对应节点实际评分之间的差异情况，并根据所述差异情况和预设调优阈值调整所述权值系数；所述交易共识执行装置用于根据所述共识节点，调起PBFT共识过程。

在上述区块链共识节点推选系统中，优选的，所述主控单元装置包含参数模块和调度模块；所述参数模块用于存储设置区块链网络中的共识节点数量、节点评价模型的更新周期和调优阈值；所述调度模块用于调度控制所述共识点筛选单元装置、所述学习单元装置和所述交易共识执行装置完成节点共识。

在上述区块链共识节点推选系统中，优选的，所述共识点筛选单元装置包含节点描述模块、节点评价模块和节点筛选模块；所述节点描述模块用于通过数字化特征向量的方式描述区块链网络中各节点的特征信息，通过归一化处理生成节点对应的属性；所述节点评价模块用于根据各节点的属性和各节点的表现情况之间的对应关系，通过机器学习算法和预设的权值系数建立节点评价模型；根据所述节点评价模型对区块链网络中各节点进行评价获得各节点对应的评分；所述节点筛选模块用于根据所述区块链网络所需共识节点数量，通过所述评分于所述区块链网络筛选获得对应的共识节点。