基于随机连续离散的区块链共识系统技术方案

本发明专利技术涉及基于随机连续离散的区块链共识系统，包括连续型随机取样和基于随机连续离散的共识算法；基于随机连续离散的区块链由传统离散型共识算法投票确认，升级成了连续型随机取样，只选取所有节点中的一部分来获得一个结果，往复多轮取样，实现全覆盖；当随机取样的结果收敛到一个可信值，共识达成；基于随机连续离散的区块链共识算法安全性高，公用性强。

Block Chain Consensus System Based on Stochastic Continuous Discrete

【技术实现步骤摘要】
基于随机连续离散的区块链共识系统
本专利技术涉及区块链
，涉及基于基于随机连续离散的区块链共识系统。
技术介绍
现有的区块链共识方法通常需要在共识过程中与大多数节点连接，并获取投票，节点对网体依赖较大，降低系统数据传输效率。主流的共识算法有POW共识方法、POS共识方法、PBFT共识方法及DPOS共识方法。POW共识方法共识效率较低，耗费大量电力及算力，但拥有最高的公信力，且节点不容易作恶；POS共识方法不会耗费大量电力及算力，但由于逐利性，节点容易作恶；PBFT共识方法是强一致性的共识方法，但要求可以收到所有节点中50％以上节点的投票，若一直收集不到足够的票数，区块链系统会无法继续运作；DPOS共识方法约定有101个共识节点参与投票，共识效率高，如果其中有共识节点失效，区块链系统需重新选举新的共识节点直至满足101个共识节点，在达到101个共识节点前，区块链系统无法继续工作。综上所述，每个共识方法都有其优缺点，如果能提供一种技术方案，在底层打破了传统思维，以算法为核心突破口，而用共识机制做相应的配合，可以达到了显著的效果和TPS的实测数据，拥有较高的共识效率。
技术实现思路
有鉴于此，本专利技术提供一种解决或部分解决上述问题的区块链的基于随机连续离散的区块链共识系统。为达到上述技术方案的效果，本专利技术的技术方案为：基于随机连续离散的区块链共识系统，角色包括：基于随机连续离散的区块链共识算法，其特征在于，包括：客户端、低级节点、代理节点、全通态节点、离散数据查询节点、共识排序链、离散数据链；全通态节点的功能是用于接收数据，并且根据作用转换为不同形态的结点，每个全通态节点需要通过全部节点验证才能在区块链网络中运行；区块链网络中的每个全通态节点维护并记录随机连续离散数据，同时参与共识服务；全通态节点包括低级节点和代理节点，低级节点用于共识算法并产生共识，代理节点用接收共识结果并记账；共识排序链、离散数据链都包括低级节点和代理节点；全通态节点在共识排序链、离散数据链上可以有不同的角色，全通态节点可以作为独立的代理节点，全通态节点随时可以作为共识排序链的低级节点与离散数据链的代理节点，共识排序链的低级节点随时可以作为离散数据链的代理节点；客户端进行低级节点、代理节点、全通态节点的注册，注册后的低级节点、代理节点、全通态节点使用客户端的共识服务应用程序的在区块链网络中进行共识服务，并返回给应用程序；共识服务应用程序的代理节点根据其对应的私钥将随机连续离散数据提交到对应的组织通道内，经数字签名后广播给区块链网络中的其他节点并等待确认；离散数据链的网络中的低级节点对收到的随机连续离散数据的信息进行校验，校验通过后，随机连续离散数据被记录到一个区块中；一旦随机连续离散数据上链，新的区块就会创建，创建新区块的节点需要将消息广播给其他所有节点，其他所有代理节点将接受新区块，并将新区块加入到自己区块链条的最后一块区块后；随机连续离散数据产生的过程为：客户端的采样应用程序把现实中的实体数字化和令牌化，得到模拟量，离散数据链的网络中的低级节点获取模拟量，然后客户端的转换应用程序将模拟量离散化之后得到物理量，客户端的采样应用程序对于模拟量都不可能有完全精确的表示，在一个采样周期内，物理量的数值都是不变的，而模拟量则是变化的，这样就将模拟量离散化，从而成为离散量，客户端的测量应用程序将一天中以每小时为单位集中测量一次温度的值，得到24小时内离散的时间点上的温度值，即用集中量描述每组数据的特征，加上离散量，此时客户端的判断应用程序除了集中量和离散量的特征来获取数据的分散情况，即不同组别数据的平均数和中位数可能完全相同，但组别数据之间会存在着很大的区别，客户端的计算应用程序判断这两组数据的平均数和中位数，并计算描述数据离散趋势的统计量，即差异量；此时客户端的配置应用程序根据配置文件获取配置信息；客户端的采样应用程序创建收集实体的实例，并设置参数；客户端的权限应用程序获取负责操作客户端的管理员信息，如果不存在，则需要先初始化管理员管理员信息，获取管理员注册证书和私钥信息；管理员提交访问数据并进行后续操作的请求；客户端生成私钥和证书签名请求，调用广告传媒客户端提供的接口，并返回的注册证书和私钥给客户端的测量应用程序和客户端的计算应用程序；客户端的计算应用程序用集中量描述数据的典型情况，差异量描述数据的特殊情况，只有同时描述数据的集中量和离散量，才能更好计算数据之间的差别，客户端的计算应用程序计算差异量的方法有全距、四分位区间距、平均差、方差和标准差，全距是把每组数据按从小到大的顺序排列，用最高分减去最低分，所得的值就是全距，即最高分和最低分之间的距离，全距小说明数据的分布相对集中；全距大说明数据的分布较为分散，全距的优点是计算方法简单，但只计算到两端的数值，没有考虑中间数值的差异情况，描述数据时不太稳定，四分位区间距中位数用来表示每组数据分布的集中趋势；中位数正好把每组数据一分为二；如果把中位数左侧和右侧的分布再各分成两个部分，得到的是四个相等的分位，与全距相比，四分位区间距在表述数据的离散情况时好，但由于它没有把所有的数据都考虑在内，稳定性差，如果客户端的计算应用程序把全部数据都考虑在内来计算分布程度，平均数代表每组数据的集中趋势，每组数据中的每个数据与平均数相比较就可以得知每个数据与平均数偏离的程度，或者说与平均数差异的情况；如果把每组数据中每个数据与平均数差异的情况相加起来，那么所有数据的差异情况便一目了然；把这个值除以数据的个数，所得的值叫做平均差，平均差是数据分布中所有原始数据与平均数距离的绝对值的平均；用绝对值是为了不出现负数；由于平均差是根据分布中每一个观测值计算求得的，代表数据分布的离散程度；客户端的计算应用程序当求每个原始数据与平均数之差的绝对平均值，而是求它们之间的平方，这样就不会有负数出现；然后再把每个原始数据与平均数之差的平方的值加起来，得到每个原始数据与平均数之差的平方和：用这个平方和再除以所观测到的数据的个数，得到的值为方差；由于方差的值相对来说比较大，客户端的计算应用程序使用标准差来代表数据的离散程度；标准差是方差的平方根，反映每组数据围绕平均数分布的情况；标准差的值越大，表明每组数据的离散程度也越大，即数据越参差不齐，分布范围越广；标准差的值越小，表明每组数据的离散程度越小，即数据越集中、整齐，分布范围越小；当数据完全没有差异时，所有数值都与平均数相等，这时标准差或方差等于零；客户端的计算应用程序使用方差或者是标准差计算数据围绕平均数分布的情况；标准差的值越大，表明每组数据的离散程度也越大，即数据越参差不齐，分布范围越广；标准差的值越小，表明每组数据的离散程度越小，即数据越集中、整齐，分布范围越小；当数据完全没有差异时，所有数值都与平均数相等，这时标准差或方差等于零；基于随机连续离散的区块链共识算法生成区块的步骤包括：新一轮共识之前，管理员将转账操作委托给共识排序链上的全通态节点，受到委托的全通态节点根据转账操作确定参与共识的共识排序链上的低级节点，并将转账操作发送给参与共识的共识排序链上的低级节点；参与共识的共识排序链上的低级节点接收到转账操作后判断转账操作是否为跨分片操作，如果转账操作不是跨分片操本文档来自技高网...

【技术保护点】
1.基于随机连续离散的区块链共识系统，其特征在于，包含：客户端、低级节点、代理节点、全通态节点、离散数据查询节点、共识排序链、离散数据链；所述全通态节点的功能是用于接收数据，并且根据作用转换为不同形态的结点，每个所述全通态节点需要通过全部节点验证才能在区块链网络中运行；区块链网络中的每个全通态节点维护并记录随机连续离散数据，同时参与共识服务；所述全通态节点包括所述低级节点和所述代理节点，所述低级节点用于共识算法并产生共识，所述代理节点用接收共识结果并记账；所述共识排序链、所述离散数据链都包括所述低级节点和所述代理节点；所述全通态节点在所述共识排序链、所述离散数据链上可以有不同的角色，所述全通态节点可以作为独立的所述代理节点，所述全通态节点随时可以作为所述共识排序链的所述低级节点与所述离散数据链的所述代理节点，所述共识排序链的所述低级节点随时可以作为所述离散数据链的所述代理节点；所述客户端进行低级节点、代理节点、全通态节点的注册，注册后的低级节点、代理节点、全通态节点使用客户端的共识服务应用程序的在区块链网络中进行共识服务，并返回给应用程序；所述共识服务应用程序的代理节点根据其对应的私钥将随机连续离散数据提交到对应的组织通道内，经数字签名后广播给区块链网络中的其他节点并等待确认；所述离散数据链的网络中的低级节点对收到的随机连续离散数据的信息进行校验，校验通过后，随机连续离散数据被记录到一个区块中；一旦所述随机连续离散数据上链，新的区块就会创建，创建新区块的节点需要将消息广播给其他所有节点，所述其他所有代理节点将接受新区块，并将新区块加入到自己区块链条的最后一块区块后；随机连续离散数据产生的过程为：客户端的采样应用程序把现实中的实体数字化和令牌化，得到模拟量，所述离散数据链的网络中的低级节点获取模拟量，然后客户端的转换应用程序将模拟量离散化之后得到物理量，客户端的采样应用程序对于模拟量都不可能有完全精确的表示，在一个采样周期内，物理量的数值都是不变的，而模拟量则是变化的，这样就将模拟量离散化，从而成为离散量，客户端的测量应用程序将一天中以每小时为单位集中测量一次温度的值，得到24小时内离散的时间点上的温度值，即用集中量描述每组数据的特征，加上离散量，此时客户端的判断应用程序除了集中量和离散量的特征来获取数据的分散情况，即不同组别数据的平均数和中位数可能完全相同，但组别数据之间会存在着很大的区别，客户端的计算应用程序判断这两组数据的平均数和中位数，并计算描述数据离散趋势的统计量，即差异量；此时客户端的配置应用程序根据配置文件获取配置信息；客户端的采样应用程序创建收集实体的实例，并设置参数；客户端的权限应用程序获取负责操作客户端的管理员信息，如果不存在，则需要先初始化管理员管理员信息，获取管理员注册证书和私钥信息；管理员提交访问数据并进行后续操作的请求；客户端生成私钥和证书签名请求，调用广告传媒客户端提供的接口，并返回的注册证书和私钥给客户端的测量应用程序和客户端的计算应用程序；客户端的计算应用程序用集中量描述数据的典型情况，差异量描述数据的特殊情况，只有同时描述数据的集中量和离散量，才能更好计算数据之间的差别，客户端的计算应用程序计算差异量的方法有全距、四分位区间距、平均差、方差和标准差，全距是把每组数据按从小到大的顺序排列，用最高分减去最低分，所得的值就是全距，即最高分和最低分之间的距离，全距小说明数据的分布相对集中；全距大说明数据的分布较为分散，全距的优点是计算方法简单，但只计算到两端的数值，没有考虑中间数值的差异情况，描述数据时不太稳定，四分位区间距中位数用来表示每组数据分布的集中趋势；中位数正好把每组数据一分为二；如果把中位数左侧和右侧的分布再各分成两个部分，得到的是四个相等的分位，与全距相比，四分位区间距在表述数据的离散情况时好，但由于它没有把所有的数据都考虑在内，稳定性差，如果客户端的计算应用程序把全部数据都考虑在内来计算分布程度，平均数代表每组数据的集中趋势，每组数据中的每个数据与平均数相比较就可以得知每个数据与平均数偏离的程度，或者说与平均数差异的情况；如果把每组数据中每个数据与平均数差异的情况相加起来，那么所有数据的差异情况便一目了然；把这个值除以数据的个数，所得的值叫做平均差，平均差是数据分布中所有原始数据与平均数距离的绝对值的平均；用绝对值是为了不出现负数；由于平均差是根据分布中每一个观测值计算求得的，代表数据分布的离散程度；客户端的计算应用程序当求每个原始数据与平均数之差的绝对平均值，而是求它们之间的平方，这样就不会有负数出现；然后再把每个原始数据与平均数之差的平方的值加起来，得到每个原始数据与平均数之差的平方和：用这个平方和再除以所观测到的数据的个数，得到的值为方差；由于方差的值相对来说比较大，客户端的计算...

【技术特征摘要】
1.基于随机连续离散的区块链共识系统，其特征在于，包含：客户端、低级节点、代理节点、全通态节点、离散数据查询节点、共识排序链、离散数据链；所述全通态节点的功能是用于接收数据，并且根据作用转换为不同形态的结点，每个所述全通态节点需要通过全部节点验证才能在区块链网络中运行；区块链网络中的每个全通态节点维护并记录随机连续离散数据，同时参与共识服务；所述全通态节点包括所述低级节点和所述代理节点，所述低级节点用于共识算法并产生共识，所述代理节点用接收共识结果并记账；所述共识排序链、所述离散数据链都包括所述低级节点和所述代理节点；所述全通态节点在所述共识排序链、所述离散数据链上可以有不同的角色，所述全通态节点可以作为独立的所述代理节点，所述全通态节点随时可以作为所述共识排序链的所述低级节点与所述离散数据链的所述代理节点，所述共识排序链的所述低级节点随时可以作为所述离散数据链的所述代理节点；所述客户端进行低级节点、代理节点、全通态节点的注册，注册后的低级节点、代理节点、全通态节点使用客户端的共识服务应用程序的在区块链网络中进行共识服务，并返回给应用程序；所述共识服务应用程序的代理节点根据其对应的私钥将随机连续离散数据提交到对应的组织通道内，经数字签名后广播给区块链网络中的其他节点并等待确认；所述离散数据链的网络中的低级节点对收到的随机连续离散数据的信息进行校验，校验通过后，随机连续离散数据被记录到一个区块中；一旦所述随机连续离散数据上链，新的区块就会创建，创建新区块的节点需要将消息广播给其他所有节点，所述其他所有代理节点将接受新区块，并将新区块加入到自己区块链条的最后一块区块后；随机连续离散数据产生的过程为：客户端的采样应用程序把现实中的实体数字化和令牌化，得到模拟量，所述离散数据链的网络中的低级节点获取模拟量，然后客户端的转换应用程序将模拟量离散化之后得到物理量，客户端的采样应用程序对于模拟量都不可能有完全精确的表示，在一个采样周期内，物理量的数值都是不变的，而模拟量则是变化的，这样就将模拟量离散化，从而成为离散量，客户端的测量应用程序将一天中以每小时为单位集中测量一次温度的值，得到24小时内离散的时间点上的温度值，即用集中量描述每组数据的特征，加上离散量，此时客户端的判断应用程序除了集中量和离散量的特征来获取数据的分散情况，即不同组别数据的平均数和中位数可能完全相同，但组别数据之间会存在着很大的区别，客户端的计算应用程序判断这两组数据的平均数和中位数，并计算描述数据离散趋势的统计量，即差异量；此时客户端的配置应用程序根据配置文件获取配置信息；客户端的采样应用程序创建收集实体的实例，并设置参数；客户端的权限应用程序获取负责操作客户端的管理员信息，如果不存在，则需要先初始化管理员管理员信息，获取管理员注册证书和私钥信息；管理员提交访问数据并进行后续操作的请求；客户端生成私钥和证书签名请求，调用广告传媒客户端提供的接口，并返回的注册证书和私钥给客户端的测量应用程序和客户端的计算应用程序；客户端的计算应用程序用集中量描述数据的典型情况，差异量描述数据的特殊情况，只有同时描述数据的集中量和离散量，才能更好计算数据之间的差别，客户端的计算应用程序计算差异量的方法有全距、四分位区间距、平均差、方差和标准差，全距是把每组数据按从小到大的顺序排列，用最高分减去最低分，所得的值就是全距，即最高分和最低分之间的距离，全距小说明数据的分布相对集中；全距大说明数据的分布较为分散，全距的优点是计算方法简单，但只计算到两端的数值，没有考虑中间数值的差异情况，描述数据时不太稳定，四分位区间距中位数用来表示每组数据分布的集中趋势；中位数正好把每组数据一分为二；如果把中位数左侧和右侧的分布再各分成两个部分，得到的是四个相等的分位，与全距相比，四分位区间距在表述数据的离散情况时好，但由于它没有把所有的数据都考虑在内，稳定性差，如果客户端的计算应用程序把全部数据都考虑在内来计算分布程度，平均数代表每组数据的集中趋势，每组数据中的每个数据与平均数相比较就可以得知每个数据与平均数偏离的程度，或者说与平均数差异的情况；如果把每组数据中每个数据与平均数差异的情况相加起来，那么所有数据的差异情况便一目了然；把这个值除以数据的个数，所得的值叫做平均差，平均差是数据分布中所有原始数据与平均数距离的绝对值的平均；用绝对值是为了不出现负数；由于平均差是根据分布中每一个观测值计算求得的，代表数据分布的离散程度；客户端的计算应用程序当求每个原始数据与平均数之差的绝对平均值，而是求它们之间的平方，这样就不会有负数出现；然后再把每个原始数据与平均数之差的平方的值加起来，得到每个原始数据与平均数之...

【专利技术属性】
技术研发人员：李宝次，
申请(专利权)人：山东公链信息科技有限公司，
类型：发明
国别省市：山东,37