Raft论文研读 Ⅲ

地址：知网

引用：[1]吴宇森. 基于GRBFT共识算法的校园资产溯源系统实现研究[D].扬州大学,2023.

期刊：扬州大学

作者：吴宇森

日期：2023

{/collapse-item}
{collapse-item label=" 1.2 文章主要创新点 "}

①降低故障节点对共识效率的影响，最后再引入信用机制来解决节点作恶的问题。

解决的问题：通过加权 PageRank 算法，根据不同节点的历史活跃度，来分配不同的PR值，来解决节点活度问题以及降低故障节点对共识效率的影响。然后，再引入信用机制对PR值进行完善，给予作恶节点惩罚，给予正常节点奖励，让每个节点得到最终的权重值WV，来解决节点作恶的问题。

解决方案：

• 首先在过去一段周期时间内，根据三元组内记录的节点间交互情况，通过PageRank算法给每个节点分配PR值，同时对过去周期内领导者节点分到的值进行修正，由值最高的节点担住领导者节点。
• 客户端发送写请求给领导者节点，领导者节点把该指令作为一个新的条目追加到本地日志中去，然后并行的发起RPC给跟随者节点，让它们复制该条目。
• 跟随者节点复制该条目到本地日志后，并返回信息给领导者节点，同时在返 回的消息中附带自身权重值WV的数值。
• 领导者节点收到有效返回的信息中包含的权重值的累计数值加上自身的权重值过半后，就会提交命令，并将结果返回给客户端。
• 领导者节点根据跟随者节点返回的信息是否有效，对每个成员的权重值WV进行更新，最后将更新后的权重值更新情况和提交命令的信息一同反馈给跟随者节点。

②基于分组Raft机制的PBFT共识算法改进

解决的问题：解决PBFT通信问题。

解决方案：组内遵循经过加权PageRank算法优化的 Raft 共识算法进行共识，且组内通过引入监传节点监督组员和组长是否存在作恶行为来保障系统安全。组外采用PBFT共识算法进行共识。

{/collapse-item}

{collapse-item label=" 1.3 启发和总结 "}

{/collapse-item}

地址：知网

引用：[1]达泓宇. 基于动态信任的区块链Raft共识机制研究[D].太原科技大学,2023.

期刊：太原科技大学

作者：达泓宇

日期：2023

{/collapse-item}
{collapse-item label=" 2.2 文章主要创新点 "}

①创新点一：基于惩奖因子的动态信任模型

解决的问题：解决Raft共识机制在选举阶段存在节点管控不足以及选票被瓜分的问题。

解决方案：

• 首先，构建基于惩奖因子的动态信任模型，将共识过程按照周期进行划分，对节点的信任值进行动态更新。引入惩奖因子，奖励在共识过程中做出诚实行为的节点，并对出错节点给予一定的惩罚，激励信任值低的节点做诚实行为，避免信任值高的节点权力集中；
• 其次，按照相应信任阈值对节点进行划分，限制消极节点参与共识，加强节点管控和容错能力，提高系统性能和稳定性。

②创新点二：基于信任模型选取可信节点作为Leader节点

解决的问题：Raft领导者节点为拜占庭节点。

解决方案：DTRaft共识机制在领导者选举阶段通过信任模型选取可信节点作为Leader节点，在日志复制阶段通过数字签名及标识位W对消息进行验证并使节点之间达成一致。

{/collapse-item}
{collapse-item label=" 2.3 启发 "}

{/collapse-item}

地址：知网

引用：[1]杨泽奇,史培中.基于信用机制的联盟链Raft+共识算法[J].无线互联科技,2023,20(09):150-155+165.

期刊：无线互联科技

作者：杨泽奇,史培中

基金项目：国家自然科学基金资助项目

日期：2023

{/collapse-item}
{collapse-item label=" 3.2 文章主要创新点 "}

①增加信用机制

解决的问题：基于信用机制来选取领导者节点，提高Raft共识算法的可靠性。

解决方案：

节点都会存储一个节点行为记录表。节点的信用值和判定节点信用值的参考因素会记录在表中,每一个节点都会缓存包括自身在内的所有节点的行为记录表,该表在每一次共识结束后即新区块产生之后进行更新。

{/collapse-item}
{collapse-item label=" 3.3 启发 "}

{/collapse-item}

地址：知网

引用：[1]贾玉磊. 基于纠删码技术的Raft集群分发策略的算法研究[D].天津理工大学,2022.

期刊：天津理工大学

作者：贾玉磊

日期：2022

{/collapse-item}
{collapse-item label=" 4.2 文章主要创新点 "}

①更改Raft的多副本机制为纠删码复制

解决的问题：降低分布式存储系统中存储开销。

解决方案：

纠删码（Erasure Code）是一种编码技术，用于在数据存储和传输过程中提供容错能力。它通过将原始数据分割成多个片段，并生成冗余的编码片段，在部分数据损坏或丢失的情况下仍能恢复原始数据。

{/collapse-item}
{collapse-item label=" 4.3 启发 "}

{/collapse-item}

地址：知网

引用：[1]黄健禹. 基于信誉审查与贡献度证明的联盟区块链共识算法研究[D].长春工业大学,2023.

期刊：长春工业大学

作者：黄健禹

日期：2023年

{/collapse-item}
{collapse-item label=" 5.2 文章主要创新点 "}

①提出一种新的基于信誉审查与贡献度证明的可拜占庭容错的联盟链共识算法--PoRC

解决的问题：解决现有共识算法在处理恶意节点、性能和节点权力集中化等方面的局限性。

解决方案：

①创建三种节点类型：

• 验证节点

验证节点是网络中的关键参与者，负责创建和验证区块，维护区块链的完整性和连续性。它们需要拥有较高的信誉值、贡献度和算力，以满足共识算法的需求。

• 普通节点

普通节点是网络中的参与者，它们不直接参与区块的创建和验证，但会接收和存储区块链数据，提供网络稳定性。

• 监督节点

监督节点在网络中起到监督和管理的作用，它们负责确保联盟链网络的安全性、稳定性和公平性。

②通过信誉审查机制和贡献度证明模型实施惩罚策略和奖励策略，限制节点恶意行为的同时鼓励节点积极参与共识，以此来确保联盟链网络的安全性，同时提高网络中节点的积极性。

③根据节点的硬件配置和网络情况计算其算力，确保该节点有足够的计算资源来处理区块链网络中的任务，以此来确保联盟链网络的性能下限。

{/collapse-item}
{collapse-item label=" 5.3 启发 "}

{/collapse-item}

PageRank算法是由Google的创始人之一拉里·佩奇（Larry Page）提出的一种网页重要性评价算法。在传统的PageRank算法中，每个网页被视为一个节点，并通过计算链接的数量和质量来确定其重要性。然而，加权PageRank算法考虑了链接的权重，以更准确地评估网页的重要性。

加权PageRank算法基于以下原则进行计算：

1. 链接权重：每个链接都具有一个权重值，表示从源网页到目标网页的重要性。这些权重可以根据不同的规则和指标进行分配，例如链接的位置、锚文本或其他相关度因素。
2. 网页重要性传播：权重通过链接流向其他网页，从而传播网页的重要性。重要性从一个网页分配给其链接的目标网页，并按照链接的权重进行分配。
3. 迭代计算：通过迭代计算，持续将重要性从链接的源网页传递到目标网页，直到达到收敛状态。在每次迭代中，使用上一次迭代的结果作为参考，计算新的重要性分数。

加权PageRank算法的计算过程如下：

1. 初始化：为每个网页分配一个初始的重要性分数。

2. 迭代计算：重复以下步骤，直到达到收敛状态：

   • 对于每个网页，根据其链接的来源网页的重要性和链接权重，计算新的重要性分数。
   • 更新每个网页的重要性分数。
3. 归一化：对最终得到的重要性分数进行归一化处理，以确保它们的总和为1或100%。

加权PageRank算法的优点在于考虑了链接的权重因素，可以更准确地评估网页的重要性。它被广泛用于搜索引擎优化、网页排序和推荐系统等领域，以提供更相关和有价值的结果。

{/collapse-item}