[发明专利]一种基于区块链的可验证计算能耗优化方法有效
申请号: | 202010635391.X | 申请日: | 2020-07-03 |
公开(公告)号: | CN111800274B | 公开(公告)日: | 2023-01-31 |
发明(设计)人: | 田甜;张延华;杨睿哲;李萌;孙恩昌;孙艳华 | 申请(专利权)人: | 北京工业大学 |
主分类号: | H04L9/32 | 分类号: | H04L9/32;H04L9/40;H04L67/1095;H04L67/10;G06Q40/04 |
代理公司: | 北京思海天达知识产权代理有限公司 11203 | 代理人: | 沈波 |
地址: | 100124 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 区块 验证 计算 能耗 优化 方法 | ||
1.一种基于区块链的可验证计算能耗优化方法,其特征在于,包括以下步骤:
步骤1、建立基于区块链的可验证计算系统模型;
其系统模型可描述为:计算能力弱的Clients将包括其外包计算内容和其签名的交易提交到区块链的Replica节点;作为主节点,它首先验证每个交易的签名和消息验证码;如果有效,则执行智能合约中约定的计算过程,然后将一定数量的交易及计算结果打包成一个新区块,并广播给其余验证节点;每个验证节点对接收到的区块进行验证,依次验证区块和交易的签名和MAC,核实后按照智能合约要求验证交易内部的计算结果;并向所有其他Replicas发送其验证结果;当新区块内的计算结果在所有Replicas中依据PBFT协议达成一致后,将最终正确的计算结果发送给Client,Client不需再对接受到的结果进行验证;
步骤2、共识过程与性能分析,包括以下步骤:
步骤2.1、Request→Pre-Prepare
client将交易提交到主节点n′,主节点每隔一段时间T从交易池中按顺序提取一批交易;交易的签名和MAC将被验证,但考虑到不合法交易的存在,只有g部分交易才能够通过验证;通过验证的交易内的计算任务将由智能合约执行;最后,将通过验证并计算后的K个具有计算结果和其他重要信息的交易打包到一个新的区块中;在生成新的区块之后,主节点将该区块连同Pre-Prepare消息一起广播给其他验证节点进行验证;Pre-Prepare消息包含主节点的ID、签名和区块的hash结果;
步骤2.2、Pre-Prepare→prepare
验证节点n″≠n′接收带有Pre-prepare消息的新区块,首先验证区块的签名和MAC,然后验证每个交易的签名和MAC,最后按照智能合约中验证交易计算方式验证结果;如果结果被验证成功,验证节点将向所有其他replicas发送一条Prepare消息,并添加其ID和签名;
步骤2.3、prepare→Commit
每个replica接收并检查Prepare消息,以确保它与Pre-Prepare消息一致;当从其他replicas接收到2f个Prepare消息,replica就会向所有其他replicas发送一个Commit消息,其中包括它的ID和签名;
步骤2.4、Commit→Reply
每个replica接收并检查Commit消息,以确保其与Prepare消息一致;一旦该节点收到来自其他replicas的2f个Commit消息,将传递Reply消息到主节点,其中包括对每个交易的签名和ID;
步骤2.5、Reply→被添加到链中
主节点接收并检查Reply消息;当主节点接收到2f个Reply消息后,新区块将生效并被添加到区块链中;这个过程的计算成本Δ5和时间T5n′是
Δ5=2f(β+θ)
步骤3、考虑能耗的节点资源优化;设定的优化目标函数设为
s.t.C1:
C2:
C3:Fe(f,K)≤P
其中,P为可验证计算共识过程中所提供的总能耗;向量代表整体的计算资源,γ是与硬件体系结构相关的常量,在某个区块的共识过程中,δn=[δsn],δsn=0,1用来表示节点n是否参与步骤s;例如δn′=[1,0,1,1,1]表示主节点n′在共识过程中各个步骤的参与情况;δn″≠n′=[0,1,1,1,0]表示其他验证节点;
步骤4、优化问题求解并进行迭代计算,直到找到最小值;首先,将目标函数改写为
s.t.C1:
C2:
C3:
然后,引入惩罚函数以近似原目标函数,以使优化问题转化为等式约束条件下的凸优化
s.t.
其中,松弛变量p,p=[p1,,…pi,,…p6N+1]T与不等式约束g,维度一致,并一一对应;pi为正以保持ln(pi)有界;μ>0为惩罚参数,且μ越小,函数Fμ(·)就越接近F(·);根据约束条件,更新目标函数写作:
求解函数的极小值,只需求解令函数梯度等于0所应的即为最小值;Fμ(·)的梯度和Hessian矩阵H(Fμ(·))分别为
·当H(Fμ(·))为可逆矩阵时,采用牛顿迭代法求解,第v+1次迭代参数和第v次迭代关系如下
在这个迭代过程中,惩罚参数μ是固定的;每对应一个μ,找到一个最小值其中最小的μ所对应的最小值最精确;
·当H(Fμ(·))矩阵不可逆时,采用共轭梯度法,以优化方向r(v)和优化步长λ(v)完成迭代;
其中,优化方向初始为第v次优化方向与第v-1次优化方向的关系为
相应的优化步长λ(v)为
A为系数矩阵;
则第v+1次迭代和第v次迭代关系如下:
[K(v+1),T(v+1),(f(v+1))T]T=[K(v),T(v),(f(v))T]T+λ(v)r(v)
根据迭代计算,直到找到最小值
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010635391.X/1.html,转载请声明来源钻瓜专利网。