CS－Raft:適用于聯(lián)盟鏈的拜占庭容錯共識算法

摘 要：針對目前聯(lián)盟鏈共識算法的性能不足，提出了一種基于信用評分的可拜占庭容錯聯(lián)盟鏈共識算法CS－Raft。首先，為所有節(jié)點賦予信用評分屬性，節(jié)點的信用評分根據(jù)節(jié)點的共識行為、活躍度、加入集群時間等指標進行更新，信用評分越高代表節(jié)點可信度越高；其次，根據(jù)節(jié)點信用評分選取監(jiān)督節(jié)點，監(jiān)督節(jié)點具有檢驗權，可以參與領導人選舉，監(jiān)督節(jié)點的設置可以有效抵抗拜占庭惡意節(jié)點的攻擊；最后，改善了領導人選舉中選票分裂問題，對領導人選舉的速度進行提升。經(jīng)實驗分析，CS－Raft算法相較于PBFT算法在實現(xiàn)拜占庭容錯的同時，有效地減少了共識時間延遲、提高了系統(tǒng)吞吐量，并加快了其領導人選舉速度。

關鍵詞：聯(lián)盟鏈； 拜占庭容錯； 共識算法； 信用評分

中圖分類號：TP301文獻標志碼： A文章編號：1001－3695（2024）04－005－0995－06

doi：10.19734/j.issn.1001－3695.2023.07.0338

CS－Raft：Byzantine fault tolerant consensus algorithm for consortium chains

Zhai Sheping Nie Haonan Lu Xianjing Yang Ruia

Abstract：This paper proposed a credit－score－based Byzantine fault－tolerant consensus algorithm，called CS－Raft，to address the inadequate performance of the current consensus algorithms in consortium chains.Initially，it assigned credit score attributes to all nodes and updated the credit score of each node according to their consensus behavior，activity level，time of joining the cluster and other metrics.The higher the credit score，the higher the node’s trustworthiness.Secondly，it selected monitoring nodes based on their credit scores，which had the authority to inspect and participate in leader elections.The setting of monitoring nodes could effectively resist attacks from Byzantine malicious nodes.Finally，it made improvements to address the issue of vote splitting in leader elections，thereby enhancing the speed of leader election.Experimental analysis shows that compared to the PBFT algorithm，

the CS－Raft algorithm effectively reduces consensus latency，increases system throughput，and accelerates leader election speed while achieving Byzantine fault tolerance.

Key words：consortium blockchain； Byzantine fault tolerance； consensus algorithm； credit score

0 引言

比特幣是迄今為止規(guī)模最大、最早出現(xiàn)的分布式網(wǎng)絡加密數(shù)字貨幣之一，它的出現(xiàn)也推動了區(qū)塊鏈技術的發(fā)展并引起了全球企業(yè)的廣泛關注［1］。目前，區(qū)塊鏈技術的研究可分為底層技術和應用場景兩個方向。區(qū)塊鏈技術在不同場景下需要根據(jù)需求對底層技術進行改進。共識算法是區(qū)塊鏈底層技術之一，對確保區(qū)塊鏈系統(tǒng)的安全、穩(wěn)定和高效起著至關重要的作用［2］。

根據(jù)節(jié)點數(shù)量和準入機制的不同，區(qū)塊鏈可以被分類為許可鏈和非許可鏈［3］。公有鏈是非許可鏈的一種，任何人都可以參與其中并成為網(wǎng)絡中的節(jié)點，通過共識算法來維護網(wǎng)絡的安全性和可信性，同時不受單個中央機構控制，數(shù)據(jù)完全公開透明。由于這種特性，公有鏈的適用場景有限，通常適用于對信任、安全和持久性要求較高的應用場景，如選舉投票［4］、資產(chǎn)注冊［5］、公益捐款［6］和物聯(lián)網(wǎng)［7］等。公有鏈的主流共識算法有工作量證明（PoW）［1］、權益證明（PoS）［8］和委托權益證明（DPoS）［9］等。相比之下，許可鏈（包括聯(lián)盟鏈［10］和私有鏈［11］）系統(tǒng)中的每個節(jié)點都必須經(jīng)過授權才能參與，確保了節(jié)點的可管理性和安全性。聯(lián)盟鏈對開放性和去中心化程度有所限制，通常需要進行身份驗證和權限管理。實用拜占庭容錯（PBFT）［12］共識算法是典型的聯(lián)盟鏈共識算法。

私有鏈是一種僅限于特定組織或個人內(nèi)部使用的區(qū)塊鏈網(wǎng)絡模型，具有較高的控制權和私密性。Paxos［13］和Raft［14］是目前主流的私有鏈共識算法。相較之下，聯(lián)盟鏈通常由多個相互已知身份的組織建立，如企業(yè)間的供應鏈管理［15］、政府部門間的數(shù)據(jù)共享［16］、銀行間的支付結算［17］等。聯(lián)盟鏈應用場景廣泛，發(fā)展前景廣闊，因此，現(xiàn)有聯(lián)盟鏈共識算法需要提高驗證速度和吞吐量，以滿足應用需求。

在聯(lián)盟鏈共識算法研究方面，文獻［18］提出了適用于聯(lián)盟鏈的帶有監(jiān)督節(jié)點的兩級共識機制RBFT，采用網(wǎng)絡分片思想實現(xiàn)了高效的共識機制，比傳統(tǒng)的PBFT和Raft算法具有更高的擴展性和拜占庭容錯能力。文獻［19］提出了RB－Raft算法，該算法具有抵抗拜占庭節(jié)點的能力，并且通過哈希鏈和動態(tài)驗證機制來解決日志偽造和驗證問題，此外，該算法還提出了基于門限加密的遺書機制，以解決拜占庭節(jié)點對系統(tǒng)一致性的影響。文獻［20］提出了RPFT共識算法，通過利用PoW算法成功選取高效率的副領導人節(jié)點，引入等待時間選舉模型，并結合PoW共識算法對Raft算法的投票選舉進行優(yōu)化，實現(xiàn)了快速選舉高效的領導人節(jié)點。文獻［21］提出了一種基于Raft算法改進的實用拜占庭容錯共識算法K－RPBFT，使用K－medoids聚類算法進行分片，每個分片使用PBFT算法對聚類中心節(jié)點進行共識，分片內(nèi)部則采用監(jiān)督節(jié)點改進的Raft算法進行共識。文獻［22］提出了一種適用于聯(lián)盟鏈的可理解的高效率共識協(xié)議VBBFT－Raft，通過將共識劃分為日志復制、提交確認和領導人選舉來提供可理解性，并引入了數(shù)字簽名和嵌套哈希來應對拜占庭式故障。文獻［23］將Raft與信用模型相結合，提出了一種基于信用模型的區(qū)塊鏈共識算法CRaft，采用基于RBF的支持向量機作為異常檢測方法構建節(jié)點信用評價模型，然后引入信任節(jié)點列表機制，在可信網(wǎng)絡環(huán)境中建立共識階段。

Raft算法于2014年被提出，目前主要應用于私有鏈中，但也存在一些問題，使其不能很好地應用于聯(lián)盟鏈中。首先，隨著集群節(jié)點數(shù)量的增加，可能會出現(xiàn)投票分裂，即沒有節(jié)點獲得一半以上選票，無法選出唯一的領導人，這時需要進行再一次選舉，導致系統(tǒng)運行時間和復雜度增加。其次，聯(lián)盟鏈中不同企業(yè)之間存在競爭關系，可能存在參與方作惡，出現(xiàn)拜占庭節(jié)點，拜占庭節(jié)點可能會發(fā)送不正確或欺騙性的信息，或者不發(fā)送信息，會導致分布式系統(tǒng)中的節(jié)點之間無法達成一致意見，即產(chǎn)生分歧或錯誤的決策，但Raft算法無法進行拜占庭容錯。

針對以上問題，本文的主要研究工作如下：

a）為解決Raft共識算法中因集群節(jié)點數(shù)量增加導致的領導人選舉速度下降以及投票分裂導致選舉效率低下的問題，提出了一種基于信用評分模型的可拜占庭容錯共識算法——CS－Raft（credit score Raft），結合信用評分模型選取領導人，只有信用評分達到監(jiān)督節(jié)點選取要求的節(jié)點才可以參與選舉，從而減少了參與領導人選舉的節(jié)點數(shù)量，進而加快了領導人選舉速度。

b）針對Raft共識算法無法拜占庭容錯的問題，基于信用評分模型引入監(jiān)督節(jié)點，監(jiān)督節(jié)點具有較高的信用評分和更高的安全性。監(jiān)督節(jié)點負責對leader打包的區(qū)塊進行檢驗，從而有效監(jiān)督和阻止拜占庭節(jié)點的干擾，使CS－Raft算法更適用于聯(lián)盟鏈。

c）通過在超級賬本平臺上進行仿真實驗測試，對CS－Raft、Raft和PBFT算法的共識時延、吞吐量和選舉速度進行評估，驗證了CS－Raft算法有效性和可靠性。

1 背景知識

1.1 超級賬本

超級賬本（Hyperledger）［24］是由Linux基金會主持的開源區(qū)塊鏈項目，旨在為企業(yè)級區(qū)塊鏈解決方案提供一個靈活的平臺，同時支持聯(lián)盟鏈應用場景。超級賬本項目涵蓋了多個區(qū)塊鏈框架和工具，例如Hyperledger Fabric、Hyperledger Sawtooth、Hyperledger Explorer和Hyperledger Caliper等。這些框架和工具都具有不同的特點和適用場景，可以用于構建不同類型的區(qū)塊鏈應用程序。

Hyperledger Fabric是一個開源的企業(yè)級分布式賬本平臺，旨在為企業(yè)應用場景提供一個可擴展、靈活和可定制的區(qū)塊鏈解決方案。Hyperledger Fabric支持插件式共識協(xié)議，這使得該平臺能夠更有效地適應特定的業(yè)務場景和信任模型。Hyperledger Fabric支持多種共識算法，包括Kafka［25］、Solo、Raft和SBFT（simplified Byzantine fault tolerance）等。其中Kafka是默認的共識算法，是一種基于發(fā)布/訂閱模型的共識算法，通過對交易進行排序和確認來確保網(wǎng)絡中的一致性。Solo是一種簡單的共識算法，適用于單個節(jié)點的測試和開發(fā)環(huán)境。而SBFT則是一種抗拜占庭容錯的共識算法，可以在網(wǎng)絡中存在一定數(shù)量的惡意節(jié)點時依然保證一致性。

Hyperledger Caliper是一個基準測試工具，旨在為不同的區(qū)塊鏈平臺提供可靠的性能基準測試，可用于評估各種區(qū)塊鏈平臺的性能、可擴展性和穩(wěn)定性。Hyperledger Caliper提供了一組標準化的基準測試用例，用于評估不同區(qū)塊鏈平臺的性能。這些基準測試用例模擬了不同的業(yè)務場景和負載，包括交易吞吐量、延遲、資源利用率等指標。

1.2 Raft算法

在Raft算法問世之前，Paxos一直被視為代表分布式一致性算法的典范。盡管Paxos算法在理論上是可行的，但是由于其難以理解并且在實際系統(tǒng)中實現(xiàn)困難，所以Raft采用了一些特定技術來提高共識算法的可理解性。圖1是三種狀態(tài)的轉換關系。

在Raft集群中，每個節(jié)點始終處于領導人（leader）、跟隨者（follower）或候選人（candidate）這三個狀態(tài)中的一個。通常情況下，一個集群只有一個領導人，其余的節(jié)點則是跟隨者。跟隨者只響應來自領導人或候選人的請求，是被動的節(jié)點。領導人處理所有的客戶端請求，如果客戶端需要與跟隨者通信，跟隨者會將請求重定向到領導人。當需要

選舉新領導人時，節(jié)點會進入候選人狀態(tài)。

Raft算法的過程可以被分解為一些相對獨立、耦合性較低的模塊，其中包括領導人選舉、日志復制、安全性和集群成員變更。

a）領導人選舉。當一個節(jié)點發(fā)現(xiàn)當前沒有領導人時，它會自己成為一個候選者并向其他節(jié)點發(fā)出請求選票的請求。其他節(jié)點收到請求后，會檢查自己是否已經(jīng)投過票給了其他候選者，如果沒有，則投票給當前候選者并將自己的任期號更新為候選者的任期號。如果候選者收到了大多數(shù)節(jié)點的選票，那么它就成為了新的領導人。如果候選者在一定時間內(nèi)沒有獲得足夠的選票，那么就會重新開始一個新的選舉過程。

b）日志復制。Raft中每個節(jié)點都有一份日志記錄系統(tǒng)狀態(tài)的變化，領導人將客戶端請求的狀態(tài)變化追加到自己的日志中并向其他節(jié)點發(fā)送，當一個日志條目被大多數(shù)節(jié)點復制后就被認為是已提交的，并應用到狀態(tài)機中更新系統(tǒng)狀態(tài)。

c）安全性。Raft的安全性由多種機制保證，包括領導人選舉機制、日志復制機制、快照機制和安全性限制。

d）集群成員變更。Raft的集群成員變更包括添加新節(jié)點和移除舊節(jié)點兩個步驟。添加新節(jié)點和移除舊節(jié)點都需要發(fā)送請求并等待集群中大多數(shù)節(jié)點的響應。

2 CS－Raft算法

2.1 信用評分模型

CS－Raft根據(jù)節(jié)點的行為對節(jié)點進行信用評分。全網(wǎng)節(jié)點維護一個節(jié)點評分信息表，記錄節(jié)點信用評分和判定因素。每個節(jié)點緩存所有節(jié)點的評分信息表，并在每次共識結束后更新。表中內(nèi)容也記錄在信用區(qū)塊鏈上，確保節(jié)點之間記錄的行為信息一致。

每個新加入的節(jié)點的信用評分被初始化為0.5。節(jié)點的信用評分指標包括節(jié)點誠實反饋總數(shù)、錯誤反饋總數(shù)、節(jié)點活躍度、節(jié)點激勵和節(jié)點平衡等，每輪根據(jù)信用評分更新算法對節(jié)點信用評分進行更新。

節(jié)點i的節(jié)點活躍度（NAi）表示節(jié)點的活躍程度，衡量節(jié)點在共識過程中的響應速度。領導人需要積極生成區(qū)塊，否則將被視為不活躍，可能失去領導人的職位。如果節(jié)點在規(guī)定時間內(nèi)未能響應領導人的消息，則可能出現(xiàn)網(wǎng)絡延遲、宕機等情況，從而可能成為惡意節(jié)點。節(jié)點的活躍度較低會延長共識時間，降低共識成功率，因此活躍度較高的節(jié)點更容易被選為領導人。節(jié)點i的節(jié)點活躍度可以表示為

其中：OTi指節(jié)點i加入到區(qū)塊鏈中在線的總時長；ATi指節(jié)點i加入到區(qū)塊鏈中的總時長。

根據(jù)節(jié)點行為，若獲得正確反饋則視為積極行為，若獲得錯誤反饋則視為惡意行為。節(jié)點激勵評價（NSki）基于節(jié)點i在每輪共識中的行為，結合節(jié)點信用評分進行獎懲。信用評分高的節(jié)點作出誠實行為時，獲得的獎勵更多，但當其行為出錯時，受到的懲罰也更大。此指標加大高信用節(jié)點作惡的懲罰，鼓勵節(jié)點做出誠實行為。其中k表示共識的輪次，Ck-1i表示節(jié)點i上一輪共識后的信用評分，節(jié)點i在第k輪共識時的節(jié)點激勵評價計算公式如下：

為了限制新加入網(wǎng)絡的節(jié)點快速提高信譽值，維護系統(tǒng)的穩(wěn)定性，加入節(jié)點平衡參數(shù)（NBi），其中HCi指節(jié)點i誠實反饋總數(shù)。

由以上評價指標計算出每個節(jié)點的信用評分，最終的信用評分模型為

其中：Cki表示節(jié)點i在k輪共識后的信用評分；ECi表示節(jié)點i錯誤反饋總數(shù)；系數(shù)α和β是用來表示過去信用評分對當前信用評分的影響以及過去錯誤反饋次數(shù)對節(jié)點信用評分的影響比例的系數(shù)，α+β=1。當α值較小時，信用評分增長速度較快，經(jīng)過較少的輪次信用評分即可接近于1，同時惡意節(jié)點的信用評分減少速度較慢，需要進行多次共識信用評分才能下降到接近0；而當α值較大時，信用評分增長速度較慢，需要進行多次共識信用評分才能接近于1，同時惡意節(jié)點的信用評分減少速度較快，經(jīng)過較少的輪次信用評分即可下降到接近0。

根據(jù)信用評分模型可以發(fā)現(xiàn)，節(jié)點如果一直表現(xiàn)誠實，其信用評分會逐漸提高并最終保持在較高水平。但是，如果節(jié)點表現(xiàn)惡意，其信用評分會大幅下降，從而防止其影響正常的共識過程。節(jié)點的信用評分C屬于（0，1）的實數(shù)，節(jié)點信用評分越高，表示節(jié)點可信程度越高。信用評分更新的偽代碼如下所示。

算法1 updateCreditScore（）

輸入：舊節(jié)點評分信息表SIO。

輸出：新節(jié)點評分信息表SIN。

while SIO do

read（SIO）；//讀取舊節(jié)點評分信息表

calculateCreditScore（Cki）；/*根據(jù)節(jié)點評分信息表中數(shù)據(jù)計算節(jié)點信用評分*/

end while

SIN=updateScoringInformation（SIO）；//更新節(jié)點評分信息表

consensus（SIN）；//進行下一次共識過程

return SIN；

2.2 節(jié)點狀態(tài)轉移

CS－Raft算法有l(wèi)eader、follower、supervisor和candidate四種節(jié)點狀態(tài)。這四種狀態(tài)的轉移條件如圖2所示。

CS－Raft與Raft一樣，在每個區(qū)塊鏈節(jié)點集群中只有一個leader節(jié)點，它負責管理整個集群中日志復制。leader負責接收客戶端的請求，將請求轉換為日志條目，復制日志到其他節(jié)點，并通知其他節(jié)點將日志條目提交到狀態(tài)機中執(zhí)行。同時，leader節(jié)點需要定期發(fā)送心跳消息來維持其領導地位和通知其他節(jié)點它仍然處于活動狀態(tài)。如果leader生成區(qū)塊后丟失心跳，會觸發(fā)選舉過程產(chǎn)生新的leader。此時舊的leader生成的區(qū)塊不會自動丟棄，新的leader會從舊的leader那里獲取尚未提交的日志條目，并將其復制到其他節(jié)點，從而使所有節(jié)點達到一致狀態(tài)。然后，新的leader可以在這個一致狀態(tài)下繼續(xù)生成新的區(qū)塊，確保區(qū)塊鏈的連續(xù)性。在正常情況下，leader節(jié)點會一直保持工作狀態(tài)，只有在收到任期更高的leader消息時才會放棄領導地位轉變?yōu)閒ollower狀態(tài)。follower節(jié)點是CS－Raft算法中的普通節(jié)點，無權驗證區(qū)塊，只有在領導人選舉階段才會投票，或在收到leader節(jié)點的區(qū)塊提交消息時，將區(qū)塊上傳到自己的副本中。Supervisor節(jié)點是通過信用評分排名從follower中選舉產(chǎn)生的監(jiān)督節(jié)點，只有經(jīng)過supervisor節(jié)點的檢驗批準，區(qū)塊才能保存到區(qū)塊鏈副本中。candidate是領導人選舉階段的中間狀態(tài)，只有在收到超過半數(shù)選票或在選票分裂后信用評分最高，才能轉換為leader。

2.3 監(jiān)督節(jié)點選取

CS－Raft算法通過選取信用評分排名靠前的節(jié)點作為supervisor來實現(xiàn)領導人選舉的參與限制，當出現(xiàn)信用評分一樣的情況，則先加入?yún)^(qū)塊鏈的節(jié)點優(yōu)先成為supervisor。super－visor具有檢驗權，可以參與領導人選舉，并能夠對系統(tǒng)的正確性和安全性進行檢驗。而其余節(jié)點則為follower節(jié)點，僅能參與共識過程，但無法參與領導人的選舉過程。通過這種參與限制的機制提高系統(tǒng)的效率和可靠性，降低惡意行為的風險。根據(jù)信用評分計算模型，排名靠前的節(jié)點通常表現(xiàn)出更高的誠實反饋率和活躍度。這也表明在supervisor中，拜占庭節(jié)點出現(xiàn)的概率較低，同時supervisor對于leader的響應更加及時。

節(jié)點被選為supervisor后需要對leader打包的區(qū)塊進行檢驗，如果該節(jié)點的檢驗結果與區(qū)塊的最終檢驗結果相同，則檢驗通過。同時supervisor負責計算所有節(jié)點的信用評分。supervisor將自己計算得到的信用評分列表發(fā)送給leader。如果超過一半的supervisor計算得到相同的信用評分列表，則leader會將該信用評分列表保存到本地，并通知其他所有節(jié)點更新該信用評分列表。

CS－Raft算法在節(jié)點數(shù)量為y的集群中supervisor的數(shù)量x需要滿足以下兩個條件：a）supervisor數(shù)量x必須為奇數(shù)，以避免在區(qū)塊檢驗結果投票中出現(xiàn)平票的情況；b）x必須大于等于y/2，以確保拜占庭supervisor無法獲得集群半數(shù)以上的投票，從而避免其被選為領導人。普通節(jié)點無法判斷拜占庭節(jié)點，因此若有拜占庭supervisor發(fā)起惡意領導人選舉，它能獲得所有普通節(jié)點的投票，但其他supervisor和leader節(jié)點只有在確認當前l(fā)eader無異常行為的情況下才會投票。為了滿足以上兩個條件且盡可能降低檢驗過程的資源消耗，supervisor的數(shù)x應滿足特定的公式：

2.4 領導人選舉

CS－Raft的整體共識流程如圖3所示。

節(jié)點的初始狀態(tài)均為follower，在被賦予隨機的初始信用評分后選出supervisor，每個supervisor都會隨機產(chǎn)生一個選舉超時時間。如果某個supervisor在選舉超時時間內(nèi)沒有收到來自leader的心跳消息，那么它將自動變成candidate狀態(tài)并將其任期加一，然后開始發(fā)起選舉投票。另外，如果supervisor在區(qū)塊驗證過程中發(fā)現(xiàn)leader存在欺騙行為，也會觸發(fā)leader選舉機制。

當supervisor轉變?yōu)閏andidate時，首先會為自己投出一票并發(fā)送RequestVote RPC給其他共識節(jié)點以請求投票。RequestVote RPC包含了該candidate當前的索引、任期、最后一個區(qū)塊等信息。如果該candidate是由supervisor判定當前l(fā)eader為拜占庭節(jié)點而轉變，則RequestVote RPC還將包含問題區(qū)塊的相關信息，包括邏輯時間戳和哈希值。該candidate最終可能出現(xiàn)以下三種情況：a）獲得集群中超過半數(shù)共識節(jié)點的投票，成為新的leader；

b）在請求投票的過程中收到新任leader的心跳信息，轉變?yōu)閒ollower；

c）沒有節(jié)點成功當選，出現(xiàn)投票分裂，信用評分最高的節(jié)點自動成為leader。

當leader當選后，會廣播該節(jié)點成為leader的信息，并開始選取新的supervisor節(jié)點。

3 算法分析

3.1 安全性分析

在可拜占庭容錯的共識算法中，安全性是指誠實共識節(jié)點最終保存的區(qū)塊是一致且未被竄改的重要保證。在CS－Raft共識算法的共識過程中，必須確保被竄改的區(qū)塊內(nèi)容不會在誠實節(jié)點之間達成共識，同時保證所有誠實節(jié)點存儲的區(qū)塊是相同的。接下來對CS－Raft的拜占庭容錯性能進行分析。

1）leader

當出現(xiàn)拜占庭leader節(jié)點時，supervisor可以通過區(qū)塊驗證機制發(fā)現(xiàn)欺騙行為，并立即將錯誤數(shù)據(jù)丟棄。此時，CS－Raft算法會將leader轉換為follower，發(fā)起新一輪的領導人選舉過程。在選舉過程中，集群會選出新的leader來替換原有的拜占庭leader，并繼續(xù)進行數(shù)據(jù)打包和同步工作。

2）candidate

在領導人選舉中，candidate是否具有最新的任期和完整的區(qū)塊鏈副本是其能否獲得投票的主要依據(jù)。candidate在RequestVote RPC中攜帶本地最新提交區(qū)塊的邏輯時間戳和哈希值，以證明自己具有完整的區(qū)塊鏈信息。拜占庭candidate可能惡意偽造區(qū)塊邏輯時間戳和哈希值以成功當選為leader。其他節(jié)點在核對最新提交區(qū)塊的邏輯時間戳和哈希值時，如果發(fā)現(xiàn)拜占庭candidate擁有自己不具備的區(qū)塊信息，會認為自己當前的區(qū)塊鏈不完整并向其他節(jié)點請求缺失的區(qū)塊，節(jié)點完善區(qū)塊鏈副本后才會向candidate投票。由于拜占庭candidate偽造了區(qū)塊信息，其他節(jié)點無法驗證其擁有完整的區(qū)塊鏈信息。當半數(shù)以上的節(jié)點無法驗證其區(qū)塊信息時，會認為投票申請是偽造的，并拒絕向其投票。因此，拜占庭candidate無法獲得半數(shù)以上的節(jié)點投票，也就無法成功當選為leader。

3）supervisor

supervisor節(jié)點的身份是定期更換的，每個決定需要得到超過半數(shù)的supervisor節(jié)點支持。因此，只要每輪驗證組中的拜占庭supervisor節(jié)點數(shù)量不超過總節(jié)點數(shù)的一半，拜占庭supervisor就無法進行合謀欺騙。如果拜占庭supervisor為了獲得數(shù)據(jù)打包權而發(fā)起惡意的領導人選舉，只要leader和其他supervisor節(jié)點確認當前的leader是誠實且能夠正常工作，就不會向該拜占庭supervisor節(jié)點投票。但是，由于follower節(jié)點缺乏判斷拜占庭節(jié)點的條件，他們會進行投票，所以拜占庭supervisor節(jié)點發(fā)起的惡意領導人選舉能夠獲得所有follower的投票。但是，由于驗證組的選舉規(guī)則，follower節(jié)點數(shù)量不足集群所有節(jié)點數(shù)量的一半，所以拜占庭supervisor無法獲得足夠的投票，也就無法當選為leader。

4）follower

在CS－Raft中，拜占庭follower節(jié)點可以在共識過程中發(fā)起惡意領導人選舉以獲取數(shù)據(jù)打包權，然而它們在算法共識過程中只是一個被動的角色，僅負責在本地區(qū)塊鏈副本中提交新區(qū)塊。因此，即使存在拜占庭follower節(jié)點，它們對檢驗結果不會造成影響。雖然拜占庭follower節(jié)點可以發(fā)起惡意領導人選舉，但其他節(jié)點都能正常收到leader的heartbeat消息，不會向拜占庭follower節(jié)點投票。因此，只要集群中拜占庭節(jié)點的數(shù)量少于總節(jié)點數(shù)的一半，就可以避免其進行合謀投票，使得拜占庭節(jié)點成為leader的情況發(fā)生。

3.2 活性分析

在分布式系統(tǒng)中，共識算法的活性是指該算法能夠確保在有限的時間內(nèi)所有正常節(jié)點都能夠達成一致的共識結果。這意味著，只要沒有任何正常節(jié)點故障，共識算法就能在一定時間內(nèi)達成一致的共識結果。

在Raft算法中，通過領導人選舉機制確保系統(tǒng)中只有一個leader，leader負責向follower發(fā)送心跳消息，如果follower長時間未收到心跳消息，則會啟動選舉新leader的過程。同時，Raft算法中的日志復制機制確保了所有節(jié)點都具有相同的日志序列，從而達成一致的共識結果。如果網(wǎng)絡延遲或者節(jié)點失效，Raft算法可以通過重新選舉leader和日志復制機制來恢復系統(tǒng)的活性。

CS－Raft算法保持了Raft算法的日志復制機制，但是在領導人選舉方面做了一些改進。leader每隔50 ms就會廣播心跳消息以維持自身的領導人地位，而supervisor和candidate的定時器超時時間一般為150～300 ms。當supervisor在超時時間內(nèi)沒有收到leader的心跳信息后，就會轉換為candidate并參與leader選舉。由于不同的節(jié)點的定時器是隨機設置的，超時時間不同，所以沒有選出leader的概率很低。如果出現(xiàn)因為選票被瓜分而沒有選出leader的情況，信用評分最高的節(jié)點會直接成為leader，從而保證了CS－Raft算法具有較高的活性。

3.3 通信復雜度分析

假設集群節(jié)點數(shù)為n。在Raft算法中，每個節(jié)點只需向所有其他節(jié)點發(fā)送RPC消息來同步它們的日志，并且只有在領導人選舉期間需要進行投票。因此，Raft算法的通信復雜度是O（n）。而在PBFT算法中，每個階段的通信都需要n-1個消息的廣播，這導致了O（n）的通信復雜度。同時，在每個階段中，需要等待2f+1個節(jié)點的回復才能繼續(xù)進行，其中f是拜占庭節(jié)點的數(shù)量，這導致了O（n）的等待復雜度。因此，整個PBFT算法的時間復雜度為O（n2）。

在CS－Raft算法共識過程中，假設supervisor節(jié)點數(shù)量為m。首先，leader發(fā)送區(qū)塊消息給supervisor節(jié)點，supervisor節(jié)點隨后將檢驗結果返回給leader。最后，leader再通知集群所有節(jié)點提交區(qū)塊。整個過程的通信次數(shù)為（2m+n-1），由式（5）可知supervisor節(jié)點數(shù)量m與集群節(jié)點數(shù)量n成正相關，因此CS－Raft算法的通信復雜度為O（n）。

4 實驗分析

本文基于超級賬本的Hyperledger Fabric構建了一個區(qū)塊鏈系統(tǒng)，并采用Golang編程語言實現(xiàn)了CS－Raft算法。首先，在實驗環(huán)境中部署了一個模擬測試環(huán)境，包括一定數(shù)量的節(jié)點。具體節(jié)點數(shù)量根據(jù)不同場景需求進行調(diào)整。每個節(jié)點都配置了相應的Hyperledger Fabric節(jié)點軟件，并確保節(jié)點之間能夠進行相互通信。隨后，對Raft、PBFT、CRaft和CS－Raft算法進行了性能測試。模擬了1 000次交易并將其記錄到區(qū)塊鏈中，同時記錄了交易的吞吐量、共識時延以及領導人選舉時間等關鍵性能指標。在CS－Raft算法的共識過程中，記錄了節(jié)點信用評分的變化情況。

4.1 吞吐量

區(qū)塊鏈的吞吐量是指在單位時間內(nèi)可以處理的交易量，通常以每秒鐘可以處理的交易數(shù)量來衡量。吞吐量是區(qū)塊鏈性能的一個重要指標，與區(qū)塊鏈的節(jié)點數(shù)量、網(wǎng)絡帶寬、共識算法等因素密切相關。較高的吞吐量意味著區(qū)塊鏈可以處理更多的交易，提高了系統(tǒng)的可用性和效率。吞吐量的計算公式為

TPS= 區(qū)塊大小Bs/（平均交易大小Ds×區(qū)塊時間Bt ） （6）

其中：區(qū)塊大小Bs是指區(qū)塊中包含的所有數(shù)據(jù)的大小，包括交易數(shù)據(jù)和區(qū)塊頭數(shù)據(jù)等；平均交易大小Ds是指每個交易在數(shù)據(jù)大小上的平均值；區(qū)塊時間Bt是指產(chǎn)生一個新區(qū)塊的平均時間。

使用Caliper對Raft、PBFT、CRaft和CS－Raft四種共識算法的吞吐量進行測試。在測試中，區(qū)塊大小和平均交易大小被設為固定值，系統(tǒng)節(jié)點數(shù)量被設置在5～30。通過模擬實驗并對結果取平均值的方式，得到了各種算法的吞吐量實驗結果，如圖4所示。

從圖4的實驗結果可以看出，隨著集群節(jié)點數(shù)量的增加，四種共識算法的吞吐量均逐步減少。在CS－Raft算法中，隨著集群節(jié)點數(shù)量的增加，監(jiān)督節(jié)點數(shù)量會隨之增加。監(jiān)督節(jié)點在區(qū)塊共識過程中需要進行通信和計算，隨著監(jiān)督節(jié)點數(shù)量的增加，這些通信和計算復雜度也隨之增大，導致區(qū)塊達成共識所需的時間增加，因此單位時間內(nèi)達成共識的區(qū)塊數(shù)量減少。然而，CS－Raft算法在吞吐量方面仍顯著超越PBFT算法，并且優(yōu)于CRaft算法，在性能表現(xiàn)上接近于Raft算法。

4.2 共識時延

共識時延是指在分布式系統(tǒng)中，在所有節(jié)點達成共識所需的時間。在區(qū)塊鏈中，共識時延是指在一個區(qū)塊被成功添加到區(qū)塊鏈之前，需要所有的節(jié)點都達成一致意見所需要的時間。共識時延受到許多因素的影響，包括節(jié)點數(shù)量、網(wǎng)絡延遲、共識算法的復雜度等。共識時延越低，區(qū)塊鏈系統(tǒng)性能越好，共識效率越高，節(jié)點可以更快地確認交易已經(jīng)成功。共識時延的計算公式為

delay=Tcreate-Tnotarize （7）

其中：delay指共識時延；Tcreate表示區(qū)塊生成時間，指從區(qū)塊打包開始到區(qū)塊被全部節(jié)點驗證并接受為止的時間；Tnotarize表示區(qū)塊內(nèi)平均交易確認時間，指一個區(qū)塊中包含的交易在所有節(jié)點中確認的平均時間。

本實驗使用Caliper對Raft、PBFT、CRaft和CS－Raft四種共識算法的共識時延進行測試，客戶端發(fā)送交易時帶有時間戳，當交易成功上鏈時記錄該區(qū)塊的時間戳，通過模擬實驗并對結果求平均值得到四種算法的共識時延。實驗結果如圖5所示。

圖5顯示了隨著集群節(jié)點數(shù)量的增加，四種共識算法的共識時延變化情況。PBFT算法的共識時延隨著集群節(jié)點數(shù)量的增加而急劇上升。這是由于PBFT算法在完成三階段共識時具有較高的通信時間復雜度，各個節(jié)點需要發(fā)送和接收大量的消息，并驗證數(shù)字簽名的正確性。這些操作需要花費較長的時間，因此共識時延隨著集群節(jié)點數(shù)量的增加而迅速增加。

CS－Raft、CRaft和Raft算法的共識時延與集群節(jié)點數(shù)量呈正相關，隨著集群節(jié)點數(shù)量的增加而增加，但增長速度相對較慢，折線圖相對平緩。相比于PBFT共識算法，整體共識時延較低。這是由于CS－Raft、CRaft和Raft共識算法無須在fol－lower之間進行相互通信，所以其通信時間復雜度較低。

4.3 領導人選舉時間

Raft算法中的領導選舉時間是指當原leader失效或無法通信時，新的leader被選舉出來的時間。本實驗設置了節(jié)點數(shù)在5～30的集群，并進行多次實驗取平均值，得到了Raft和CS－Raft算法在不同節(jié)點數(shù)量下的領導選舉時間。實驗結果如圖6所示。

根據(jù)實驗結果可以看出，隨著集群節(jié)點數(shù)量n的增加，Raft和CS－Raft的領導人選舉時間呈上升趨勢，在集群節(jié)點數(shù)大于15后CS－Raft算法的選舉時間始終低于Raft算法。網(wǎng)絡延遲和集群規(guī)模是影響Raft算法領導人選舉時間的重要因素。隨著集群節(jié)點數(shù)的增加，網(wǎng)絡延遲和不可靠性會增加，導致節(jié)點之間的消息傳遞出現(xiàn)不確定性，容易發(fā)生選票分裂。然而，CS－Raft算法有效降低了選票分裂出現(xiàn)的概率，并且對于出現(xiàn)選票分裂的情況不再進行隨機等待時間后重新選舉，從而有效降低了領導人選舉用時。

4.4 節(jié)點信用變化

節(jié)點信用評分代表了節(jié)點的誠信度，高評分節(jié)點更為可信，而低評分節(jié)點可能不穩(wěn)定且容易受攻擊，還可能存在惡意行為。本實驗對共識節(jié)點進行了分組，包括誠實節(jié)點組和惡意節(jié)點組，其中誠實節(jié)點始終進行誠實反饋，而惡意節(jié)點在第四輪共識之后進行錯誤反饋，該實驗將誠實節(jié)點組和惡意節(jié)點組的信用評分進行平均值計算，并得到實驗結果。其中，為了誠實節(jié)點信用評分增長和惡意節(jié)點信用評分降低兩個方面均表現(xiàn)較為均衡，設置α和β均為0.5，得到實驗結果如圖7所示。

根據(jù)實驗結果可知，隨著共識次數(shù)的增加，誠實節(jié)點的信用評分在逐漸上升，但增長速度逐漸減緩，并最終趨近于1。而惡意節(jié)點在進行錯誤反饋后，其信用評分迅速下降，最終趨近于0，且在之后無法參與領導人節(jié)點的選舉。通過信用評分的設計可以有效防止節(jié)點作惡。

5 結束語

本文提出了一種基于信用評分的可拜占庭容錯聯(lián)盟鏈共識算法CS－Raft。該算法為所有節(jié)點賦予了信用評分屬性，基于信用評分選取監(jiān)督節(jié)點，通過監(jiān)督節(jié)點的檢驗權使CS－Raft具備抵抗拜占庭惡意節(jié)點的能力，同時加快了領導人選舉速度。經(jīng)過算法分析和基于Hyperledger Fabric的仿真實驗，結果表明CS－Raft算法具有有效抵抗拜占庭惡意節(jié)點攻擊的能力。同時，在領導人選舉速度上較Raft算法有所提高，相較于PBFT算法有效地減少了共識時間延遲、提高了系統(tǒng)吞吐量，更適用于聯(lián)盟鏈環(huán)境中擁有大量網(wǎng)絡節(jié)點的情況。盡管如此，CS－Raft算法仍存在許多不足，因此未來的研究方向是持續(xù)優(yōu)化信用評分模型，以進一步提高CS－Raft算法的高效性和安全性。

參考文獻：

［1］Nakamoto S.Bitcoin：a peer－to－peer electronic cash system［EB/OL］.（2008）.https：//bitcoin.org/en/bitcoin－paper.

［2］袁勇，倪曉春，曾帥，等.區(qū)塊鏈共識算法的發(fā)展現(xiàn)狀與展望［J］.自動化學報，2018， 44 （11）：2011－2022. （Yuan Yong，Ni Xiaochun，Zeng Shuai，et al.Blockchain consensus algorithms：the state of the art and future trends［J］. Acta Automatica Sinica ，2018， 44 （11）：2011－2022.）

［3］夏清，竇文生，郭凱文，等.區(qū)塊鏈共識協(xié)議綜述［J］.軟件學報，202 32 （2）：277－299. （Xia Qing，Dou Wensheng，Guo Kaiwen，et al.Survey on blockchain consensus protocol［J］. Journal of Software ，202 32 （2）：277－299.）

［4］Huang Jun，He Debiao，Obaidat M S，et al.The application of the blockchain technology in voting systems：a review［J］. ACM Computing Surveys ，202 54 （3）：1－28.

［5］Zhang Caijun，Xian Kaiqiang，Wu Qianjun，et al.Blockchain－based power digital asset security management framework［J］. Procedia Computer Science ，2022， 208 ：354－360.

［6］Howson P.Crypto－giving and surveillance philanthropy：exploring the trade－offs in blockchain innovation for nonprofits［J］. Nonprofit Management and Leadership ，202 31 （4）：805－820.

［7］Hou Lu，Xu Xiaojun，Zheng Kan，et al.An intelligent transaction migration scheme for RAFT－based private blockchain in Internet of Things applications［J］. IEEE Communications Letters ，202 25 （8）：2753－2757.

［8］謝晴晴，董凡.輕量級區(qū)塊鏈技術綜述［J］.軟件學報，2023， 34 （1）：33－49. （Xie Qingqing，Dong Fan.Survey on lightweight blockchain technology［J］. Journal of Software ，2023， 34 （1）：33－49.）

［9］Wang Baocheng，Li Zetao，Li Haibin.Hybrid consensus algorithm based on modified proof－of－probability and DPoS［J］. Future Internet ，2020， 12 （8）：122.

［10］蔡曉晴，鄧堯，張亮，等.區(qū)塊鏈原理及其核心技術［J］.計算機學報，202 44 （1）：84－131. （Cai Xiaoqing，Deng Yao，Zhang Liang，et al.The principle and core technology of blockchain［J］. Chinese Journal of Computers ，202 44 （1）：84－131.）

［11］Assaqty M，Gao Ying，Hu Xiping，et al.Private－blockchain－based industrial IoT for material and product tracking in smart manufacturing［J］. IEEE Network ，2020， 34 （5）：91－97.

［12］盧麗，孫林夫，鄒益勝.基于一致性哈希環(huán)多主節(jié)點的改進實用拜占庭容錯算法［J］.計算機集成制造系統(tǒng)，2023， 29 （1）：25－35. （Lu Li，Sun Linfu，Zou Yisheng.Improved PBFT algorithm of multi－primary－node based on ring of consistent hash［J］. Computer Integrated Manufacturing Systems ，2023， 29 （1）：25－35.）

［13］Lamport L.The part－time parliament［J］. ACM Trans on Computer Systems ，1998， 16 （2）：133－169.

［14］Ongaro D，Ousterhout J.In search of an understandable consensus algorithm［C］//Proc of USENIX Conference on USENIX Annual Technical Conference.［S.l.］：USENIX Association，2014：305－319.

［15］于戈，聶鐵錚，李曉華，等.區(qū)塊鏈系統(tǒng)中的分布式數(shù)據(jù)管理技術——挑戰(zhàn)與展望［J］.計算機學報，202 44 （1）：28－54. （Yu Ge，Nie Tiezheng，Li Xiaohua，et al.The challenge and prospect of distributed data management techniques in blockchain systems［J］. Chinese Journal of Computers ，202 44 （1）：28－54.）

［16］Piao Chunhui，Hao Yurong，Yan Jiaqi，et al.Privacy preserving in blockchain－based government data sharing：a service－on－chain（SOC） approach［J］. Information Processing amp; Management ，202 58 （5）：102651.

［17］李娟娟，袁勇，王飛躍.基于區(qū)塊鏈的數(shù)字貨幣發(fā)展現(xiàn)狀與展望［J］.自動化學報，202 47 （4）：715－729. （Li Juanjuan，Yuan Yong，Wang Feiyue.Blockchain－based digital currency：the state of the art and future trends［J］. Acta Automatica Sinica ，202 47 （4）：715－729.）

［18］黃冬艷，李浪，陳斌，等.RBFT：基于Raft集群的拜占庭容錯共識機制［J］.通信學報，202 42 （3）：209－219. （Huang Dongyan，Li Lang，Chen Bin，et al.RBFT：a new Byzantine fault－tolerant consensus mechanism based on Raft cluster［J］. Journal on Communications ，202 42 （3）：209－219.）

［19］李淑芝，鄒懿杰，鄧小鴻，等.RB－Raft：一種抗拜占庭節(jié)點的Raft共識算法［J］.計算機應用研究，2022， 39 （9）：2591－2596. （Li Shuzhi，Zou Yijie，Deng Xiaohong，et al.RB－Raft：a consensus algorithm for Raft with anti－Byzantine nodes［J］. Application Research of Computers ，2022， 39 （9）：2591－2596.）

［20］錢慧，鄭朝暉，榮寶俊，等.RPFT：基于PoW的高效率共識算法［J］.小型微型計算機系統(tǒng)，2023， 44 （5）：1061－1068. （Qian Hui，Zheng Zhaohui，Rong Baojun，et al.RPFT：an efficient consensus algorithm based on PoW［J］. Journal of Chinese Computer Systems ，2023， 44 （5）：1061－1068.）

［21］王謹東，李強.基于Raft算法改進的實用拜占庭容錯共識算法［J］.計算機應用，2023， 43 （1）：122－129. （Wang Jindong，Li Qiang.Improved practical Byzantine fault tolerance consensus algorithm based on Raft algorithm［J］. Journal of Computer Applications ，2023， 43 （1）：122－129.）

［22］Tan Dezhi，Hu Jianguo，Wang Jun.VBBFT－Raft：an understandable blockchain consensus protocol with high performance［C］//Proc of the 7th International Conference on Computer Science and Network Technology.Piscataway，NJ：IEEE Press，2019：111－115.

［23］Chen Yunfang，Liu Ping，Zhang Wei.Raft consensus algorithm based on credit model in consortium blockchain［J］. Wuhan University Journal of Natural Sciences ，2020， 130 （2）：59－67.

［24］孟吳同，張大偉.Hyperledger Fabric共識機制優(yōu)化方案［J］.自動化學報，202 47 （8）：1885－1898. （Meng Wutong，Zhang Dawei.Optimization scheme for Hyperledger Fabric consensus mechanism［J］. Acta Automatica Sinica ，202 47 （8）：1885－1898.）

［25］Thein K M M.Apache Kafka：next generation distributed messaging system［J］. International Journal of Scientific Engineering and Technology Research ，2014， 3 （47）：9478－9483.

收稿日期：2023－07－07；修回日期：2023－08－24 基金項目：國家自然科學基金資助項目（61373116）；工業(yè)和信息化部通信軟科學項目（2018－R－26）；陜西省重點研發(fā)計劃資助項目（2022GY－038）；陜西省大學生創(chuàng)新創(chuàng)業(yè)計劃訓練項目（202211664016）；陜西省教育廳科學研究計劃資助項目（18JK0697）；陜西省社會科學基金資助項目（2016N008）；西安市社會科學規(guī)劃基金資助項目（17X63）；西安郵電大學研究生創(chuàng)新基金資助項目（CXJJYL2021050）

作者簡介：翟社平（1971—），男，陜西寶雞人，教授，碩導，博士，CCF高級會員，主要研究方向為區(qū)塊鏈、語義計算；聶浩楠（1998—），男（通信作者），陜西西安人，碩士，主要研究方向為區(qū)塊鏈（1402870015@qq.com）；陸嫻婧（1998—），女，陜西渭南人，碩士，主要研究方向為區(qū)塊鏈；楊銳（1976—），女，陜西咸陽人，講師，碩士，主要研究方向為區(qū)塊鏈．