基于支持向量机的委托权益证明共识机制的构建方法技术

本发明专利技术提供一种基于支持向量机的委托权益证明共识机制的构建方法；包括步骤一

【技术实现步骤摘要】
基于支持向量机的委托权益证明共识机制的构建方法


[0001]本专利技术属于区块链
，特别是涉及一种基于支持向量机的委托权益证明共识机制的构建方法
。

技术介绍

[0002]作为区块链的核心技术之一，共识算法具有显著的优势，其中之一就是在去中心化系统中能够有效地实现各个节点对区块数据有效性的共识，尤其是在决策权高度分散的情况下，仍然能够实现高效的共识达成
。
根据参与者的权限和控制范围可以将区块链分为公有链
、
联盟链和私有链
。
目前公有链的主流共识算法为工作量证明
(proof
‑
of
‑
work
，
PoW)、
权益证明
(proof
‑
of
‑
stake
，
PoS)
和委托权益证明
(delegated proof
‑
of
‑
stake
，
DPoS)。
[0003]其中
PoW
利用哈希算力来竞争记账权，但这容易造成电力资源的浪费以及算力集中等问题；
PoS
解决了
PoW
消耗大量算力的问题，但权益的累积可能会导致节点之间的贫富差距过大；而
DPoS
则类似于股份公司，通过根据股民持有的股份进行投票，最终得票数排名靠前的节点成为见证节点轮流完成记账
。
与
PoW
和
PoS
相比，
DPoS
参与验证和记账的节点数量大幅减少，因此可以提高交易处理速度和吞吐量
。
但
DPoS
仍然存在一些不足之处，首先由于没有快速剔除恶意节点，加长了投票周期，时间效率变低；其次，恶意节点可能会通过合谋等方式破坏整个系统，影响系统安全性
。
最后如果节点通过控制投票权来获得更多的利益，将会影响节点之间的平衡性
。

技术实现思路

[0004]基于上述现有技术的不足，本专利技术实施例的目的在于提供一种基于支持向量机的委托权益证明共识机制的构建方法，以实现系统安全性
、
稳定性和效率的提高
。
[0005]为解决上述技术问题，本专利技术所采用的技术方案是，一种基于支持向量机的委托权益证明共识机制的构建方法，包括以下步骤：
[0006]S1、
用户发起投票；
[0007]S2、
划分候选人节点；
[0008]S3、
筛选验证人节点；
[0009]S4、
构建并训练支持向量机模型；
[0010]S5、
剔除恶意节点；
[0011]S6、
验证人节点出块
。
[0012]进一步地，所述
S4
具体包括以下步骤：
[0013]S41、
划分超平面；
[0014]S42、
确定最大分类间隔；
[0015]S43、
获取最优非线性分类函数；
[0016]S44、
训练和评估支持向量机模型
。
[0017]进一步的，所述
S41
具体为：首先将样本集
D
表示为
D
＝
{(x
i
，
y
i
)
，
i
＝1，2，
...
，
m
；
y
i
＝
(
‑1，
+1)}
，其中
x
i
代表第
i
个输入样本，
y
i
代表第
i
个输入样本对应的类别值，
m
为样本数量；划分超平面
(
ω
，
b)
为：
[0018](
ω
，
b)
＝
ω
T
x+b
[0019]其中，
ω
＝
(
ω1，
ω2，
...
，
ω
m
)
为法向量，
ω
T
为
ω
的转置；
b
为位移项，
x
为输入样本点；样本点到超平面的距离
γ
为：
[0020][0021]每个样本集中的点到超平面的距离
γ
i
大于等于支持向量
x0到超平面的距离
[0022][0023]进一步地，所述
S42
具体为：
[0024]设
ω
T
x+b
＝
c
，
c∈R
，其中
ω
＝
(
ω1，
ω2，
...
，
ω
m
)
为法向量，
b
为位移项，
c
为中间参数，
c≠0
；对
(
ω
，
b)
进行放缩变换，使得
|
ω
T
x+b|
＝1；将
S41
中不等式变换为：
[0025][0026]确定两个不同支持向量之间的间隔表示为引入非负松弛因子
ξ
i
；将分类超平面转化为
y
i
(
ω
T
x
i
+b)≥1
‑
ξ
i
；则最大分类间隔倒数为其中，支持向量机惩罚因子
C
＞0，将线性不可分的支持向量机转化为：
[0027][0028]其中，目标函数为约束条件为
y
i
(
ω
T
x
i
+b)≥1
‑
ξ
i
，
i
＝1，2，
...
，
m
，
ξ
i
≥0
，
i
＝1，2，
...
，
m
，其中
x
i
代表第
i
个输入样本，
y
i
代表第
i
个输入样本对应的类别值
。
[0029]进一步的，所述
S43
具体为：首先基于拉格朗日函数建立高维线性分类模型：
[0030][0031]其中；
L(w
，
b
，
ξ
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于支持向量机的委托权益证明共识机制的构建方法，其特征在于，包括以下步骤：
S1、
用户发起投票；
S2、
划分候选人节点；
S3、
筛选验证人节点；
S4、
构建并训练支持向量机模型；
S5、
剔除恶意节点；
S6、
验证人节点出块
。2.
根据权利要求1所述的基于支持向量机的委托权益证明共识机制的构建方法，其特征在于，所述
S4
具体包括以下步骤：
S41、
划分超平面；
S42、
确定最大分类间隔；
S43、
获取最优非线性分类函数；
S44、
训练和评估支持向量机模型
。3.
根据权利要求2所述的基于支持向量机的委托权益证明共识机制的构建方法，其特征在于，所述
S41
具体为：首先将样本集
D
表示为
D
＝
{(x
i
，
y
i
)
，
i
＝
1,2
，
...
，
m
；
y
i
＝
(
‑1，
+1)}
，其中
x
i
代表第
i
个输入样本，
y
i
代表第
i
个输入样本对应的类别值，
m
为样本数量；划分超平面
(
ω
，
b)
为：
(
ω
，
b)
＝
ω
T
x+b
其中，
ω
＝
(
ω1，
ω2，
...
，
ω
m
)
为法向量，
ω
T
为
ω
的转置；
b
为位移项，
x
为输入样本点；样本点到超平面的距离
γ
为：每个样本集中的点到超平面的距离
γ
i
大于等于支持向量
x0到超平面的距离到超平面的距离
4.
根据权利要求3所述的基于支持向量机的委托权益证明共识机制的构建方法，其特征在于，所述
S42
具体为：设
ω
T
x+b
＝
c
，
c∈R
，其中
ω
＝
(
ω1，
ω2，
...
，
ω
m
)
为法向量，
b
为位移项，
c
为中间参数，
c≠0
；对
(
ω
，
b)
进行放缩变换，使得
|
ω
T
x+b|
＝1；将
S41
中不等式变换为：确定两个不同支持向量之间的间隔表示为引入非负松弛因子
ξ
i
；将分类超平面转化为
y
i
(
ω
T
x
i
+b)≥1
‑
ξ
i
；则最大分类间隔倒数为其中，支持向量机惩罚因子
C
＞0，将线性不可分的支持向量机转化为：
其中，目标函数为约束条件为
y
i
(
ω
T
x
i
+b)≥1
‑
ξ
i
，
i
＝1，2，
...
，
m
，
ξ
i
≥0
，
i
＝1，2，
...
，
m
，...

【专利技术属性】
技术研发人员：何婧，豆天晨，董云云，陈琳，谯光辉，
申请(专利权)人：云南大学，
类型：发明
国别省市：