Всем криптопривет.
Это моя вторая статья о проекте Seele. В первой был общий обзор. Вот эта статья.
В этой статье мы разберем основную инновацию Seele - Алгоритм нейронного консенсуса.
В настоящее время сети разны используют множество различных алгоритмов для достижения консенсуса. Наиболее распространенным алгоритмом является доказательство работы. К сожалению, эти существующие алгоритмы консенсуса не являются масштабируемыми, безопасными и эффективными.
Доказательство работы неэффективно из-за высоких вычислительных накладных расходов, необходимых для решения проблемы создания криптографического блока. Алгоритмы POS и DPOS также имеют риски и создают определенную централизацию.
Seele проанализировал преимущества и недостатки существующих консенсусных алгоритмов и предлагает Алгоритм нейронного консенсуса и ε-дифференциальные соглашения (EDA).
Алгоритм нейронного консенсуса распространяет ε-дифференциальные соглашения, математический процесс, который сходится во всей сети узлов по одному согласованному значению. Это значение может быть конкретным заказом транзакции, высотой блока или любым другим значением, которое необходимо согласовать с децентрализованной сетью.
Как это работает
Цель EDA - убедиться, что каждый узел в сети приходит к консенсусу по определенному значению. Давайте разложим EDA на несколько этапов.
Перед началом EDA некоторые параметры могут быть скорректированы для оптимальной эффективности в разных вариантах использования:
s : процент нод, которые будут отобраны каждой нодой в течение каждого раунда.
ε : целевой интервал конвергенции для значений сети. Когда все значения узлов находятся в пределах ε-дифференциала, сеть считается консенсусной.
r : количество раундов голосования, проводимых системой.
Итак, приступим к описанию этапов.
I. Распределение транзакций внутри сети.
Когда пользователь совершает транзакцию, она распределяется по всей сети всем нодам. Каждая нода генерирует неупорядоченный пул неподтвержденных транзакций, которые должны быть включены в цепочку. Это состояние может быть смоделировано графиком ниже, представляющим сеть из 1000 нод:
Каждое значение по оси х представляет собой отдельную ноду. Цветные точки над каждым значением x представляют разные транзакции, а время, записанное каждой нодой для каждой отдельной транзакции, представлено на оси y. Сейчас это выглядит хаотично.
2.Выборка нод
Каждая нода обращается к случайному s% других нод сети для опроса и записи их значений. Затем каждая нода использует статистическую функцию для создания агрегированного значения из своего образца. Например, он может вычислить «медианное время транзакции» из времени транзакции из 5 других выбранных им узлов. Затем узел принимает эту статистику как свою собственную ценность.
III. Конвергенция
Происходит несколько циклов выборки. Поскольку выборка случайна, каждая нода создает различный выбор нод в каждом раунде. Поскольку каждый узел принимает значение, которое он вычислял из образца, полученного в предыдущем раунде, за несколько (не более 6 или 7) раундов все ноды сходятся к одному и тому же значению. Сеть считается консенсусной, когда разница между значениями всех узлов меньше заданной ε.
В приведенном ниже примере визуализируется несколько циклов выборки, ведущих к конвергентному порядку:
Заключение.
В заключении хочется сказать, что Neural Consensus - это масштабируемый, безопасный и эффективный алгоритм, позволяющий распределенной сети достичь консенсуса. Это поможет решить многие проблемы, существующие в существующих алгоритмах согласования. Seele использует Neural Consensus и EDA в своей мета-цепочке, что позволяет быстро достичь консенсуса по всей своей гетерогенной сети лесов.
Autor: yakovsevsk.
yakovsevskgl@gmail.com