区块链网络中删除节点的方法及区块链系统技术方案

本发明专利技术实施例的方法中提出了一种区块链网络中删除节点的方法及区块链系统，整个区块链系统通过对待删除的节点进行预判和预处理，从而减少区块链系统对于作恶节点产生误判的情形，同时待删除节点作为监控节点也是对区块链网络贡献计算资源的，使得节点计算资源得到最大程度的利用，提高了区块链系统的效率，尤其是对计算量较大的预测型区块链应用。

【技术实现步骤摘要】
区块链网络中删除节点的方法及区块链系统
本专利技术涉及区块链
，尤其涉及一种区块链网络中删除节点的方法及区块链系统。
技术介绍
区块链网络中随着系统容量的扩大，会涌入大量的新节点，同时也会有大量的节点因为各种各样的原因需要被删除。现有技术中的区块链网络中在删除节点时，针对该删除节点的交易请求发起共识；达成共识后，共识节点执行所述删除节点的交易，以对除待删除节点之外的剩余共识节点顺序编号；共识节点发起视图切换；所述视图切换完成后，剩余节点参与区块链的共识过程。现有技术中，针对任何节点的删除是不做任何预判和预处理的，节点最终都是被删除掉的，而区块链系统对于作恶节点是常常会发生误判的，这样的误判会计算资源造成浪费，也会对区块链系统的效率产生较大的影响，造成了任务处理的滞后和计算资源的浪费，尤其是对计算量较大的预测型区块链应用影响更为明显。
技术实现思路
有鉴于此，本专利技术实施例提供了一种区块链网络中删除节点的方法及区块链系统。第一方面，本专利技术实施例提供了一种区块链网络中删除节点的方法本文档来自技高网...

【技术保护点】
1.一种区块链网络中删除节点的方法，其特征在于，所述方法包括：/nS1、当收到节点删除请求时，将所述删除请求对应的节点加入监控池成为监控节点；/nS2、按照预设规则给监控池内各监控节点分配对应的检测组，以使所述监控节点获取预测任务数据，并在经基于节点的数据预测模型处理后输出对应的最终预测结果；/nS3、基于指定时间区间内各监控节点的预测结果，分别与对应检测组的最终预测结果比对后把监控节点分为误判节点和淘汰节点；/nS4、将所述误判节点继续保留在区块链网络的节点列表中，将所述淘汰节点从区块链网络的节点列表中删除；/n其中，所述节点列表中的节点和检测组基于区块链共识规则对预测任务数据进行处理。/n

【技术特征摘要】
1.一种区块链网络中删除节点的方法，其特征在于，所述方法包括：
S1、当收到节点删除请求时，将所述删除请求对应的节点加入监控池成为监控节点；
S2、按照预设规则给监控池内各监控节点分配对应的检测组，以使所述监控节点获取预测任务数据，并在经基于节点的数据预测模型处理后输出对应的最终预测结果；
S3、基于指定时间区间内各监控节点的预测结果，分别与对应检测组的最终预测结果比对后把监控节点分为误判节点和淘汰节点；
S4、将所述误判节点继续保留在区块链网络的节点列表中，将所述淘汰节点从区块链网络的节点列表中删除；
其中，所述节点列表中的节点和检测组基于区块链共识规则对预测任务数据进行处理。


2.根据权利要求1所述的区块链网络中删除节点的方法，其特征在于，所述检测组是通过基于检测组的数据预测模型进行数据预测的，监控节点和节点列表中的节点是通过基于节点的数据预测模型进行数据预测的；基于检测组的数据预测模型是将预测任务划分至检测组内不同节点进行处理，每个节点包括若干顺序处理的计算块，每个计算块包括四个顺序处理的全连接处理层；基于节点的数据预测模型是将预测任务划由单个节点进行处理的，基于模型将节点划分为若干计算堆栈，每个计算堆栈包括若干计算块。


3.根据权利要求1所述的区块链网络中删除节点的方法，其特征在于，所述S2包括：
S21、按照预设规则给监控池内各监控节点分配两个对应检测组，所述检测组是由多个新节点组成的，所述新节点为不在节点列表内但区块链网络已收到节点加入请求的节点；
S22、构建基于节点的数据预测模型，所述数据预测模型的结构包括若干计算堆栈，所述计算堆栈包括若干计算块；
S23、监控节点获取预测任务数据后通过数据预测模型进行处理，各计算堆栈的各计算块均基于输入数据通过全连接处理层进行前时段预测和后时段预测，当前计算块的输入数据和当前计算块的后时段结果做差处理后作为下一计算块的输入数据，计算堆栈的首个计算块输入数据为预测任务数据，全部计算块的前时段结果进行加和处理后为该计算堆栈的预测结果；
S24、将监控节点各计算堆栈的预测结果附加基底进行计算后得到监控节点的最终预测结果。


4.根据权利要求3所述的区块链网络中删除节点的方法，其特征在于，所述预设规则为：
将全部的检测组放入选择表中，监控池的各监控节点按顺序从选择表中随机挑选两个检测组，每个监控节点只进行一次检测组选择，被挑选的检测组标识存入CLOSE表中，直到每个监控节点均对应着两个检测组。


5.根据权利要求3所述的区块链网络中删除节点的方法，其特征在于，所述S23包括：
S231、监控节点获取预测任务数据后通过数据预测模型进行处理，计算堆栈内每个计算块通过四个全连接处理层对预测任务数据进行处理，其中，第一层全连接处理层的处理结果hn,1＝FCn,1(xn)＝RELU(ωn,1xn+bn,1)，第二层全连接处理层的处理结果hn,2＝FCn,2(hn,1)＝RELU(ωn,2hn,1+bn,2)，第三层全连接处理层的处理结果hn,3＝FCn,2(hn,2)＝RELU(ωn,3hn,3+bn,3)，第四层全连接处理层的处理结果hn,4＝FCn,4(hn,3)＝RELU(ωn,4hn,3+bn,4)，其中，xn为计算块n的预测任务数据，前一层的全连接层计算结果作为下一层全连接层的输入帧数据；ωn,1、ωn,2、ωn,3和ωn,4分别为计算块n的第一层、第二层、第三层和第四层全连接处理层的权重参数，bn,1、bn,2、bn,3和bn,4为块n的第一层、第二层、第三层和第四层全连接处理层的偏移值；
S232、通过公式和分别计算出计算块n的前时段参数和后时段参数，其中，为计算块n的后时段预测参数，为计算块n的前时段预测参数，为计算块n的后时段权重，为块n的前时段权重；计算块n的输入数据和计算块n的后时段参数相减处理后作为计算块n+1的输入数据，计算堆栈最后一个计算块输出的...

【专利技术属性】
技术研发人员：杨凯，
申请(专利权)人：北京天仪百康科贸有限公司，
类型：发明
国别省市：北京;11