基于机器学习的PBFT异常检测PBFT Anomaly Detection Based on Machine Learning
陈斌,田勇亮
摘要(Abstract)：
针对PBFT共识算法在共识过程中节点恶意延时问题，以及现有信誉模型与PBFT共识算法结合时存在部分节点信誉值不断增加导致中心化问题，借助机器学习对PBFT共识算法执行过程中的时间数据进行分类，判断是否存在恶意延时，进而识别恶意延时节点。通过实验分析，异常检测模型能够以较高的精度检测出共识过程是否存在恶意延时，并能准确识别出恶意延时的节点，可以有效避免因选取信誉值最大的节点作为主节点导致的中心化问题。
关键词(KeyWords)： 区块链;信誉模型;PBFT;异常检测;机器学习
基金项目(Foundation): 2024年驻马店职业技术学院党的二十届三中全会精神专项课题“职业教育中的创新能力培养体系构建研究”（课题编号：ZX KT003）
作者(Author): 陈斌,田勇亮
参考文献(References)：
- [1]NAKAMOTO S. Bitcoin:a peer-to-peer electric cash system[EB/OL].[2021-01-18]. https://bitcoin. org/bitcoin.pdf.
- [2]周凯,陈福,鲁添元,等.区块链共识算法综述[J/OL].计算机科学[2025-03-18].http://kns.cnki.net/kcms/detail/50.1075.TP.20250317.1848.036.html.
- [3]LAMPORT L, SHOSTAK R, REASE M. The Byzantine generals problem[J]. ACM transactions on programming languages and system, 1982(4):382-401.
- [4]万季玲,曹利峰,白金龙,等.面向区块链网络的异常检测方法综述[J/OL].计算机工程与应用[2025-01-15].http://kns.cnki.net/kcms/detail/11.2127.tp.20250115.1406.004.html.
- [5]田汉文,张淑慧,王连海,等.信誉驱动的区块链分片共识及激励机制设计[J].网络与信息安全学报,2025(1):141-150.
- [6]王凯伊.基于节点信誉评估的区块链动态分片方案研究[J].信息与电脑,2024(24):24-26.
- [7]王璞,高湛云,王振飞,等.BDBFT:一种物联网场景下基于信誉预测模型的共识协议[J].计算机科学,2025(5):366-374.
- [8]LI S, HOU R, TAO Y. GR-PBFT:Optimization of PBFT consensus algorithm for supply chain traceability[C]//2024IEEE 7th Advanced Information Technology, Electronic and Automation Control Conference(IAEAC), Chongqing, China,2024.
- [9]刘洲洲,金聪,蒋光毅,等.基于深度学习的无线传感器网络流量异常检测[J/OL].吉林大学学报(工学版)[2025-03-12].https://doi.org/10.13229/j.cnki.jdxbgxb.20250045.
- [10]石迎澳,李润知,姬怡.基于联邦全局知识蒸馏的异常网络入侵检测方法[J/OL].计算机技术与发展[2025-03-31].https://doi.org/10.20165/j.cnki.ISSN1673-629X.2025.0087.
- [11]唐承海,杨雨晴,杨海峰,等.基于变密度的自适应数据流的异常检测算法[J/OL].计算机科学[2025-03-21].http://kns. cnki. net/kcms/detail/50.1075. tp. 20250321.1045.002.html.
- [12]崔竞松,郭孟伟,郭迟.基于设备时延和混合深度学习模型的网络设备检测方法[J/OL].计算机工程[2025-03-13].https://doi.org/10.19678/j.issn.1000-3428.0069858.