-
题名基于Gossip协议的拜占庭共识算法
被引量：22
- 1
-
-
作者
张仕将
柴晶
陈泽华
贺海武
-
机构
太原理工大学信息工程学院
中国科学院计算机网络信息中心
-
出处
《计算机科学》
CSCD
北大核心
2018年第2期20-24,共5页
-
基金
中科院计算机网络信息中心百人计划项目(1101002001)
国家自然科学基金(61402319
+1 种基金
61403273)
山西省自然科学基金项目(2014021022-4)资助
-
文摘
区块链是一种对等网络的分布式账本系统,具备去中心化、不可篡改、安全可信等特点,因此受到了广泛关注。在区块链系统中,典型的拜占庭错误包括操作错误、网络延迟、系统崩溃、恶意攻击等。现有共识算法不仅对区块链中拜占庭节点的容错能力低,而且对区块链系统的可扩展性差。针对这一问题,文中提出了基于Gossip协议的拜占庭共识算法,使系统可以容忍小于一半的节点为拜占庭节点,能够达到XFT共识算法的容错能力。同时,因为采用了统一的数据结构,所以系统具有更好的可扩展性,并且有利于正确节点识别区块链系统中的恶意节点。在该算法中,提案节点随着区块链长度的变化而转移,系统中所有节点都处于对等的地位,从而避免了单点故障问题,进而使得系统具有更好的动态负载均衡的性能。
-
关键词
区块链
拜占庭错误
共识算法
GOSSIP协议
可扩展性
-
Keywords
Blockchain
Byzantine error
Consensus algorithm
Gossip protocol
Scalability
-
分类号
TP302.8
[自动化与计算机技术—计算机系统结构]
-
-
题名一种基于最大间隔的偏标记学习算法
被引量：1
- 2
-
-
作者
张仕将
柴晶
-
机构
太原理工大学信息与工程学院
-
出处
《科学技术与工程》
北大核心
2018年第28期109-115,共7页
-
基金
国家自然科学基金(61703299
61403273
+1 种基金
61402319)
山西省自然科学基金(201601D202044)资助
-
文摘
在机器学习中,偏标记学习是一类重要的弱监督学习框架;在该框架中训练示例不再具有单一明确的标记,每个训练示例的真实标记被隐藏在一个候选标记集中并且在学习过程中不可获知。为了解决从训练示例的候选标记集中学习真实标记的问题,基于最大间隔准则提出了一种新的偏标记学习算法;该算法是通过优化模型在候选标记集中最大输出与非候选标记集中最大输出之间的间隔,以及优化模型在候选标记集中最大输出与候选标记集中其他输出之间的间隔进行偏标记学习。采用改进的次梯度Pegasos算法完成模型参数的优化学习。在四组人工改造的UCI数据集中,在平均65%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了4.4%~10.2%的性能提升。实验证明,具有更好的泛化性能。
-
关键词
偏标记学习
最大间隔准则
弱监督学习
Pegasos算法
分类
-
Keywords
partial label learning
maximum margin criterion
weakly-supervised learning
Pegasos algorithm
classification
-
分类号
TP391.75
[自动化与计算机技术—计算机应用技术]
-
