0 引言

    智能制造CPS系統(tǒng)是計算機和物理進(jìn)程的統(tǒng)一體，是集計算、通信和控制于一體的智能系統(tǒng)。CPS與物聯(lián)網(wǎng)、工業(yè)控制系統(tǒng)、工業(yè)互聯(lián)網(wǎng)等有著集成、融合的關(guān)系^[1]。智能制造CPS系統(tǒng)中存在著大量的節(jié)點設(shè)備，這些設(shè)備之間需要進(jìn)行相互通信來完成資源的配置、協(xié)調(diào)企業(yè)內(nèi)部資源^[2]，如此大量的節(jié)點設(shè)備以及節(jié)點間的通信需求使得系統(tǒng)中的數(shù)據(jù)量極為龐大。

    數(shù)據(jù)安全是智能制造系統(tǒng)可靠性、可用性的核心問題^[3-4]，也是智能制造CPS系統(tǒng)能夠應(yīng)用在實際生產(chǎn)環(huán)境中的首要前提。系統(tǒng)中龐大的數(shù)據(jù)量給傳統(tǒng)第三方數(shù)據(jù)存儲系統(tǒng)造成了巨大的壓力。

    區(qū)塊鏈是比特幣底層的核心技術(shù)，本質(zhì)上是一個去中心化的分布式賬本，節(jié)點間基于一套共識機制共同維護(hù)整個區(qū)塊鏈系統(tǒng)；任意節(jié)點失效或退出，整個系統(tǒng)的運行不受影響，解決了傳統(tǒng)中心化模式容易遭受攻擊、篡改的問題。共識算法是區(qū)塊鏈技術(shù)的核心，現(xiàn)有共識算法應(yīng)用于智能制造CPS系統(tǒng)，還存在節(jié)點資源受限以及如何在滿足系統(tǒng)可擴(kuò)展性的同時保證安全性等問題。本文針對上述問題，提出改進(jìn)的共識算法。

1 相關(guān)研究

    目前，學(xué)術(shù)界對共識機制做了較為廣泛的研究，其優(yōu)缺點總結(jié)^[5]如表1所示。

    關(guān)于區(qū)塊鏈在智能制造CPS系統(tǒng)中的應(yīng)用研究較少，但是物聯(lián)網(wǎng)在許多方面與智能制造CPS系統(tǒng)是相似的。許多專家學(xué)者對于區(qū)塊鏈在物聯(lián)網(wǎng)中的應(yīng)用研究做出了相關(guān)的探索。

    針對物聯(lián)網(wǎng)節(jié)點設(shè)備眾多且設(shè)備資源受限的特點，提出了兩種應(yīng)對方法，一是構(gòu)建多層物聯(lián)網(wǎng)安全模型^[6]，將較低層中的所有節(jié)點視為較高層中的一個節(jié)點，區(qū)塊鏈部署在邊緣層（edge layer）以外的各個層級，在各節(jié)點間執(zhí)行共識；二是采用消除消耗較大的工作量證明（POW）機制的方法^[7]，由礦工為每個事務(wù)使用唯一的鍵，所有交易都要由礦工進(jìn)行檢查，并對采礦者進(jìn)行授權(quán)，該文重點關(guān)注了通信過程中相關(guān)事務(wù)的公鑰加密。

    另外，物聯(lián)網(wǎng)中眾多的智能設(shè)備帶來龐大的數(shù)據(jù)量^[8]，使得集中式數(shù)據(jù)中心(如云存儲)無法負(fù)擔(dān)相應(yīng)的管理任務(wù)。為此，提出基于區(qū)塊鏈的分布式云架構(gòu)，在網(wǎng)絡(luò)的邊緣使用軟件定義網(wǎng)絡(luò)，對邊緣節(jié)點進(jìn)行控制，針對此架構(gòu)提出了Proof-of-Service機制，在該機制中，對服務(wù)提供商使用區(qū)塊鏈技術(shù)進(jìn)行管理，服務(wù)請求者根據(jù)得到的服務(wù)對服務(wù)提供商進(jìn)行支付和獎勵，從而維持區(qū)塊鏈網(wǎng)絡(luò)中的共識，但是沒有對該算法的性能進(jìn)行分析和評價。

    對于區(qū)塊鏈在物聯(lián)網(wǎng)系統(tǒng)中用戶數(shù)據(jù)隱私保護(hù)方面^[9]，區(qū)塊鏈技術(shù)雖然可以實現(xiàn)較為安全的數(shù)據(jù)存儲，防止惡意節(jié)點篡改數(shù)據(jù)或偽造區(qū)塊而獲取利益^[10]，但是保證數(shù)據(jù)安全的共識機制對資源消耗較大，物聯(lián)網(wǎng)系統(tǒng)中資源受限的設(shè)備并不能滿足其要求。文獻(xiàn)[11]針對區(qū)塊鏈中的工作量證明機制的可靠性、安全性及其自身存在的潛在的威脅做了詳細(xì)的分析。

    使用區(qū)塊鏈對個人信息進(jìn)行分散管理的平臺設(shè)計^[12]中，采用了改進(jìn)的共識算法——信譽評分證明算法。該算法根據(jù)節(jié)點所簽署的合約數(shù)量進(jìn)行動態(tài)可信評價。與POW算法不同，該算法不再關(guān)注節(jié)點所做的工作量，而是關(guān)注節(jié)點的可信評分。但該算法需要考慮節(jié)點所簽署合約的真實性和有效性。

    以上研究主要針對物聯(lián)網(wǎng)節(jié)點資源受限的特點，從體系架構(gòu)和共識算法兩個方面，通過減少節(jié)點資源消耗或直接將資源受限節(jié)點排除在共識流程之外來解決相關(guān)問題。區(qū)塊鏈系統(tǒng)本質(zhì)上通過節(jié)點共同管理來維持系統(tǒng)的安全性。但已有方法在考慮節(jié)點資源受限時犧牲了一部分安全性、削弱了系統(tǒng)的去中心化特性。本文提出一種基于節(jié)點動態(tài)有效度的共識機制，兼顧系統(tǒng)的去中心化特性與減少資源消耗。

2 算法改進(jìn)

2.1 現(xiàn)有共識算法分析

    工作量證明機制POW通過節(jié)點計算難題來獲得數(shù)據(jù)記錄權(quán)限，這種機制會消耗節(jié)點大量的計算資源，造成資源浪費。

    權(quán)益證明機制POS根據(jù)各節(jié)點擁有的幣齡進(jìn)行計算難題的難度分配：幣齡越大，節(jié)點所需要解決難題的難度越低。這使得幣齡越大的節(jié)點越容易得到數(shù)據(jù)記錄權(quán)限，繼而得到越多的獎勵。該算法導(dǎo)致系統(tǒng)中節(jié)點間的貧富差距越來越大，最終，系統(tǒng)中可以得到數(shù)據(jù)記錄權(quán)限的節(jié)點只集中在小部分擁有大量幣齡的節(jié)點中。該算法使系統(tǒng)的去中心化特性遭到了破壞，與存儲在第三方數(shù)據(jù)庫中一樣，一旦遭到惡意節(jié)點的攻擊，系統(tǒng)的安全性將大大降低。

2.2 本文所提出的共識算法

    針對現(xiàn)有共識算法存在的問題，提出基于節(jié)點有效度的共識算法。首先對算法中的說法做如下約定：

    約定1 將獲得數(shù)據(jù)記錄權(quán)限節(jié)點在系統(tǒng)中的分布情況稱為節(jié)點的分散性，分散性越好，越能維護(hù)系統(tǒng)的去中心化特性。

    約定2 節(jié)點通信的有效性：一個節(jié)點在執(zhí)行給定目標(biāo)任務(wù)時，其行為如同預(yù)期，則稱該節(jié)點的本次通信是有效的。

Input： data_for_deal、expect_value

Output：True or False

    得到輸出結(jié)果的偽代碼如下：

def func_comm_valid(data_for_deal,expect_value):

    result = data_deal_function(data_for_deal)

    IF result == expect_value:

        return True

    ELSE:

        return False

其中，data_for_deal表示該設(shè)備接收到的待處理數(shù)據(jù)，expect_value表示與待處理數(shù)據(jù)一同傳入的預(yù)期結(jié)果。當(dāng)該設(shè)備通過data_deal_function函數(shù)對data_for_deal處理后得到結(jié)果result，判斷處理結(jié)果與預(yù)期結(jié)果是否相同，如果相同，則本次通信是有效的，返回True，否則返回False。

    約定3 節(jié)點有效度：指系統(tǒng)中某一節(jié)點可以有效通信的性能。描述為：一段時間內(nèi)某一節(jié)點有效通信次數(shù)與該節(jié)點在這段時間內(nèi)總共的通信次數(shù)之比。有效度越高，節(jié)點越可信。

def func_valid_percent (times_total, times_valid):

    valid_percent = times_valid / times_total

其中，valid_percent表示節(jié)點的有效度，times_valid表示有效通信的次數(shù)，times_total表示該節(jié)點總的通信次數(shù)。

    在單位時間（約定的一段時間）內(nèi)，節(jié)點之間進(jìn)行信息通信，根據(jù)各節(jié)點在這段時間內(nèi)的行為計算出這段時間內(nèi)各節(jié)點的有效度并廣播至整個系統(tǒng)網(wǎng)絡(luò)。系統(tǒng)根據(jù)節(jié)點在近幾個單位時間內(nèi)的有效度評價節(jié)點的可信性：有效度合格，則節(jié)點可信，記為Trusted；有效度不合格，則節(jié)點定為可疑節(jié)點；對于可疑節(jié)點，調(diào)用func_wait()函數(shù)根據(jù)接下來的行為對其進(jìn)行可信評估；對于可信節(jié)點，可信度越高的節(jié)點獲得數(shù)據(jù)記錄權(quán)限的機會越大。這樣，選取具有數(shù)據(jù)記錄權(quán)限節(jié)點的這一過程就是動態(tài)變化的，降低了因節(jié)點的某些固有特性而獨占數(shù)據(jù)記錄權(quán)限所帶來的安全問題。算法偽代碼如下：

WHILE

    IF valid_percent >= valid_qualified:

        node = Trusted

    ELSE

        IF func_wait(node) >= valid_qualified_value

            node = Trusted

        ELSE

            node = Trobled

其中，valid_qualified表示有效度的合格值。

    在該算法中，各節(jié)點的有效度成為影響節(jié)點獲取數(shù)據(jù)記錄權(quán)限的重要因素。因此，需要將系統(tǒng)中各節(jié)點的有效度排序列表進(jìn)行記錄，節(jié)點有效度排序成為節(jié)點是否能夠被選為具有數(shù)據(jù)記錄權(quán)限節(jié)點的有效憑證；同時，為保證節(jié)點有效度排序列表不被篡改，提出將節(jié)點有效度排序列表的哈希值記錄在區(qū)塊頭的方法。改進(jìn)后的區(qū)塊頭字段如表2所示，列表中的最后一個字段為新增加的字段。

    在區(qū)塊鏈與智能制造CPS系統(tǒng)相結(jié)合的過程中，節(jié)點之間的信息交互以節(jié)點的可信性為基礎(chǔ)。當(dāng)誠實節(jié)點變?yōu)閻阂夤?jié)點后，直接影響該節(jié)點的有效度。為了更直觀地看到節(jié)點有效度的變化，及時發(fā)現(xiàn)惡意節(jié)點，提出將單位時間內(nèi)的通信有效度作為研究對象的方法，每個單位時間內(nèi)都重新記錄相關(guān)數(shù)據(jù)。同時，保證節(jié)點的通信對象不能夠局限在某個或某幾個單一節(jié)點內(nèi)，且不能是在某個單位時間內(nèi)高頻次數(shù)據(jù)通信的節(jié)點，最大限度防止惡意節(jié)點的攻擊。

3 實驗

    本文以智能制造CPS系統(tǒng)中各節(jié)點有效度排序作為分配數(shù)據(jù)記錄權(quán)限的指標(biāo)。實驗?zāi)M了擁有4個節(jié)點的典型CPS場景，通過統(tǒng)計各節(jié)點獲得數(shù)據(jù)記錄權(quán)限的次數(shù)對典型共識算法進(jìn)行驗證，并與本文提出的共識算法作對比，以此來分析本文所提出的共識算法在數(shù)據(jù)記錄權(quán)限分布的分散性方面的優(yōu)勢。

    本文通過Python語言編寫程序，模擬系統(tǒng)設(shè)備交互情況；另外，為模擬節(jié)點設(shè)備計算能力不同的情況，設(shè)置了4個數(shù)據(jù)處理能力不同的節(jié)點，從節(jié)點1到節(jié)點4依次減弱。

    實驗條件如下：

    （1）各個節(jié)點之間進(jìn)行隨機不間斷的UDP通信；

    （2）進(jìn)行4次時長為1小時模擬實驗，在這1小時內(nèi)，系統(tǒng)多次執(zhí)行共識算法來選擇具有數(shù)據(jù)記錄權(quán)限的節(jié)點，統(tǒng)計各節(jié)點獲得數(shù)據(jù)記錄權(quán)限的次數(shù)；

    （3）實驗結(jié)果使用nodei和Hi分別表示4個節(jié)點和為期一個小時的實驗周期，i為變量。將節(jié)點的有效度valid_percent縮寫為vp，將節(jié)點在相應(yīng)有效度下獲得數(shù)據(jù)記錄權(quán)限的次數(shù)記為vt。

3.1 傳統(tǒng)共識算法的實驗結(jié)果及分析

3.1.1 POW共識算法實驗結(jié)果及分析

    實驗結(jié)果如表3所示。圖1是該算法的實驗結(jié)果可視化展示。

    結(jié)果分析：數(shù)據(jù)處理能力強的節(jié)點1獲取數(shù)據(jù)記錄權(quán)限的次數(shù)最多，系統(tǒng)去中心化特性較差。

3.1.2 POS共識算法實驗結(jié)果及分析

    (1)設(shè)各節(jié)點的幣齡初始值為0，實驗結(jié)果如表4所示。圖2是該算法的實驗結(jié)果可視化展示。

    結(jié)果分析：各節(jié)點初始幣齡相同時，數(shù)據(jù)記錄權(quán)限的分配受節(jié)點數(shù)據(jù)處理能力影響較大，依然集中在節(jié)點1，去中心化特性較差。

    (2)各節(jié)點幣齡初始值不同：設(shè)節(jié)點4幣齡初始值為10，其他節(jié)點幣齡初始值為0，實驗結(jié)果如表5所示。圖3是該算法的實驗結(jié)果可視化展示。

    結(jié)果分析：幣齡初始值不同時，獲得數(shù)據(jù)記錄權(quán)限次數(shù)較多的是數(shù)據(jù)處理能力較強的節(jié)點1和幣齡初始值較大的節(jié)點4。該算法中擁有幣齡較多的節(jié)點占據(jù)了較大的優(yōu)勢，去中心化特性差。

3.2 本文所提共識算法的實驗結(jié)果及分析

    統(tǒng)計每個實驗周期中各節(jié)點通信的有效度均值，以此進(jìn)行數(shù)據(jù)記錄權(quán)限的分配。表6是在節(jié)點有效度變化的情況下得到的各節(jié)點獲取數(shù)據(jù)記錄權(quán)限次數(shù)。

    圖4是該算法的實驗結(jié)果可視化展示，其中，圖4(a)展示了4個節(jié)點獲得數(shù)據(jù)記錄權(quán)限次數(shù)的變化，圖4(b)展示了4次模擬實驗中，節(jié)點有效度與節(jié)點獲得數(shù)據(jù)記錄權(quán)限次數(shù)的變化趨勢之間的關(guān)系。

    結(jié)果分析：從圖4(a)中可以看出，獲得數(shù)據(jù)記錄權(quán)限的節(jié)點具有較好的分散性；從圖4(b)可以看出，節(jié)點獲得數(shù)據(jù)記錄權(quán)限次數(shù)與節(jié)點有效度變化趨勢基本一致，即節(jié)點是否可以獲得數(shù)據(jù)權(quán)限主要與節(jié)點的有效度相關(guān)。

    綜上可得，本文所提出的共識算法使獲得數(shù)據(jù)記錄權(quán)限的節(jié)點隨節(jié)點有效度變化呈動態(tài)分布，具有較好的分散性，較好的維護(hù)系統(tǒng)的去中心化特性。

    通過節(jié)點有效度的不同分配節(jié)點的數(shù)據(jù)記錄權(quán)限，可以使得系統(tǒng)中活躍且可信的節(jié)點獲得更多的數(shù)據(jù)記錄權(quán)限。這樣，數(shù)據(jù)記錄權(quán)限將不再集中分布于系統(tǒng)中小部分節(jié)點，提高了系統(tǒng)的安全性。

3.3 算法時間復(fù)雜度等特性分析

    已有共識算法與本文提出的共識算法的復(fù)雜度與可擴(kuò)展性對比如表7所示。

    各共識算法的執(zhí)行時間復(fù)雜度^[13]如表7所示。本文所提出的算法主要時間消耗用來處理節(jié)點有效度的排序操作。由表7可以看出，本文的算法在時間復(fù)雜度方面占有一定的優(yōu)勢，此外，擴(kuò)展性較好，且維護(hù)了系統(tǒng)的去中心化特性，保障了系統(tǒng)的安全。

4 結(jié)論

    本文針對現(xiàn)有的共識算法在執(zhí)行過程中消耗較大的計算資源、破壞了系統(tǒng)的去中心化特性的問題，提出基于節(jié)點有效度的共識機制。實驗結(jié)果表明，改進(jìn)后的共識算法使得活躍且可信的節(jié)點有更大的概率獲得數(shù)據(jù)記錄權(quán)限，且兼顧系統(tǒng)的去中心化特性與減少資源消耗問題。未來需進(jìn)一步考慮節(jié)點行為評價方法及降低算法復(fù)雜性。

參考文獻(xiàn)

[1] Cyber-Physical Systems.信息物理系統(tǒng)白皮書（2017）[R].中國信息物理系統(tǒng)發(fā)展論壇，2017.

[2] 李馥娟，王群，錢煥延.信息物理融合系統(tǒng)研究[J].電子技術(shù)應(yīng)用，2018，44(9)：24-28.

[3] LIU B，YU X L，CHEN S，et al.Blockchain based data integrity service framework for IoT data[C].2017 IEEE International Conference on Web Services(ICWS)，Honolulu，HI，2017：468-475.

[4] 崔麗珍，徐錦濤，丁福星，等.基于物聯(lián)網(wǎng)的農(nóng)業(yè)大棚氣象數(shù)據(jù)監(jiān)測系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2018，44(12)：73-76，80.

[5] Du Mingxiao，Ma Xiaofeng，Zhang Zhe，et al.A review on consensus algorithm of blockchain[C].2017 IEEE International Conference on Systems，Man，and Cybernetics(SMC)，Banff，AB，2017：2567-2572.

[6] LI C，ZHANG L J.A blockchain based new secure multilayer network model for Internet of Things[C].2017 IEEE International Congress on Internet of Things(ICIOT)，Honolulu，HI，2017：33-41.

[7] DORRI A，KANHERE S S，JURDAK R，et al.Blockchain for IoT security and privacy: the case study of a smart home[C].2017 IEEE International Conference on Pervasive Computing and Communications Workshops(PerCom Workshops)，Kona，HI，2017：618-623.

[8] SHARMA P K，CHEN M Y，PARK J H.A software defined fog node based distributed blockchain cloud architecture for IoT[J].IEEE Access，2017，6：115-124.

[9] POLYZOS G C，F(xiàn)OTIOU N.Blockchain-assisted information distribution for the Internet of Things[C].2017 IEEE International Conference on Information Reuse and Integration(IRI)，San Diego，CA，2017：75-78.

[10] HUH S，CHO S，KIM S.Managing IoT devices using blockchain platform[C].2017 19th International Conference on Advanced Communication Technology(ICACT)，Bongpyeong，2017：464-467.

[11] CHRISTIDIS K，DEVETSIKIOTIS M.Blockchains and smart contracts for the Internet of Things[J].IEEE Access，2016，4：2292-2303.

[12] Fu Dongqi，F(xiàn)ang Liri.Blockchain-based trusted computing in social network[C].2016 2nd IEEE International Conference on Computer and Communications(ICCC)，Chengdu，2016：19-22.

[13] 黃宇翔，梁志宏，黃苾，等.基于區(qū)塊鏈的供應(yīng)鏈可信數(shù)據(jù)管理[J].計算機系統(tǒng)應(yīng)用，2018，27(12)：9-17.

作者信息:

喬靜煒，肖  紅，李穗生，柳少峰，周玉彬，張  騁

（廣東工業(yè)大學(xué) 計算機學(xué)院，廣東 廣州510006）