戴炳榮，姜?jiǎng)倜?，李頓偉，李 超

（1.上海海事大學(xué)信息工程學(xué)院，上海 201306；2.上海計(jì)算機(jī)軟件技術(shù)開(kāi)發(fā)中心，上海 201112）

0 概述

區(qū)塊鏈技術(shù)因具有去中心化、可追溯、不可篡改等優(yōu)點(diǎn)而被應(yīng)用到越來(lái)越多的領(lǐng)域，但區(qū)塊鏈本身存在低吞吐量、網(wǎng)絡(luò)孤立和缺乏有效監(jiān)管等問(wèn)題，其中區(qū)塊鏈網(wǎng)絡(luò)孤立問(wèn)題尤為嚴(yán)重，在通常情況下每一條區(qū)塊鏈都是獨(dú)立的，它們之間無(wú)法直接通信。因此，當(dāng)區(qū)塊鏈之間需要信息交互時(shí)，即產(chǎn)生跨鏈需求［1］。

根據(jù)區(qū)塊鏈底層平臺(tái)的差異，可以將跨鏈信息交互分為同構(gòu)鏈和異構(gòu)鏈，同構(gòu)鏈之間底層技術(shù)一致，區(qū)別在于應(yīng)用和數(shù)據(jù)不同；而異構(gòu)鏈之間的底層技術(shù)如共識(shí)算法、安全機(jī)制等都可能存在差異。同構(gòu)鏈之間跨鏈交互較為簡(jiǎn)單，而異構(gòu)鏈之間跨鏈交互需要有特定的技術(shù)輔助支撐［2］。

到目前為止，區(qū)塊鏈跨鏈方法可以分為哈希鎖定、側(cè)鏈/中繼鏈和公證人機(jī)制等類型［3-4］。

哈希鎖定主要是通過(guò)嚴(yán)格執(zhí)行含有哈希密碼鎖定的智能合約來(lái)實(shí)現(xiàn)資產(chǎn)交換［5-6］，它的交換思路是一方基于哈希值鎖定資產(chǎn)，設(shè)定規(guī)定時(shí)間內(nèi)如果能提供原哈希數(shù)，則可獲取資產(chǎn)，另一方使用同樣的哈希值鎖定資產(chǎn)，也設(shè)置同樣的解鎖條件，即一方使用哈希數(shù)解鎖獲取資產(chǎn)，另一方利用同樣的哈希數(shù)獲取資產(chǎn)，哈希鎖定只能做到交換而不能做到資產(chǎn)或者信息的轉(zhuǎn)移，因此其使用場(chǎng)景有限。典型實(shí)現(xiàn)是哈希時(shí)間鎖定合約（Hashed Time Lock Contract，HTLC）。

側(cè)鏈?zhǔn)侵竿耆珦碛心虫湽δ艿牧硪粭l區(qū)塊鏈，側(cè)鏈可以讀取和驗(yàn)證主鏈上的信息［7-8］。主鏈不知道側(cè)鏈的存在，由側(cè)鏈主動(dòng)感知主鏈信息并進(jìn)行相應(yīng)的動(dòng)作，而中繼鏈則是側(cè)鏈和公證人機(jī)制的結(jié)合體，中繼鏈具有訪問(wèn)需要和驗(yàn)證進(jìn)行互操作的鏈的關(guān)鍵信息，而且還能對(duì)兩條鏈的跨鏈消息進(jìn)行轉(zhuǎn)移。因此，中繼鏈也是一種去中心的公證人機(jī)制。

公證人機(jī)制又叫見(jiàn)證人機(jī)制，其實(shí)質(zhì)上類似于現(xiàn)在銀行所進(jìn)行的交易［9］。它的核心思想是假設(shè)存在鏈A、B，它們使異構(gòu)鏈無(wú)法直接進(jìn)行信息交互，假設(shè)存在一個(gè)可信的第三方C能同時(shí)被鏈A、B所接受，則由可信的第三方C負(fù)責(zé)鏈A、B之間的消息傳遞。公證人機(jī)制的優(yōu)點(diǎn)是能夠支持多種不同的異構(gòu)鏈，但它的缺點(diǎn)是過(guò)于中心化。

公證人機(jī)制模式目前僅能夠支持資產(chǎn)的交換，且資產(chǎn)交換的原子性、安全性完全由中心化的交易所保障，所以也存在較大的中心化風(fēng)險(xiǎn)。目前迭代發(fā)展出的多重簽名和分布式簽名的方案弱化了中心化組件的特性，其能夠從多種角度提高系統(tǒng)的安全性［10-11］。

分布式簽名方案是利用密碼學(xué)的原理將密鑰分別拆分成多個(gè)密鑰加密后的密文（單個(gè)公證人無(wú)法擁有全部的密鑰），并隨機(jī)分發(fā)給公證人（所用的密文合并起來(lái)也無(wú)法推斷出完整的密鑰），設(shè)定允許一定數(shù)量的公證人在他們共同簽名之后可以合成完整的密鑰，完成了去中心化“數(shù)據(jù)采集驗(yàn)證”的過(guò)程［12-13］。

多重簽名是指跨鏈交易需要多個(gè)公證人簽名，交易才能被確認(rèn)。通常它是由公證人在各自的賬本上簽名，當(dāng)簽名的數(shù)量達(dá)到預(yù)先設(shè)定好的數(shù)量時(shí)才能達(dá)成交易，這里的每個(gè)公證人都擁有獨(dú)立的密鑰［14-15］。

在應(yīng)用公證人機(jī)制的跨鏈項(xiàng)目中，Interledger項(xiàng)目在早期發(fā)展中以公證人機(jī)制實(shí)現(xiàn)不同異構(gòu)鏈的跨鏈，后續(xù)發(fā)展可結(jié)合哈希鎖定技術(shù)來(lái)實(shí)現(xiàn)跨鏈交互；corda［16-17］項(xiàng)目可以實(shí)現(xiàn)交易雙方自由選擇公證人。無(wú)論是哪一種方案，都需要參與方公證人可信［18-19］。為解決公證人可信問(wèn)題，本文構(gòu)建一種基于改進(jìn)PageRank算法的跨鏈公證人評(píng)價(jià)模型。該模型通過(guò)基于其他公證人節(jié)點(diǎn)評(píng)價(jià)和該節(jié)點(diǎn)歷史交易評(píng)價(jià)來(lái)對(duì)公證人節(jié)點(diǎn)進(jìn)行信用度排序，剔除信用度排名靠后的節(jié)點(diǎn)來(lái)保證系統(tǒng)整體的信用度。

1 公證人機(jī)制

傳統(tǒng)的公證人機(jī)制是基于中心化交易中介方所得跨鏈資產(chǎn)交換［20］，這種跨鏈的方式比較單一，只支持資產(chǎn)的交換，圖1演示了分別位于鏈A、B的用戶a、b通過(guò)交易中介方進(jìn)行跨鏈資產(chǎn)交換的過(guò)程。

圖1 公證人機(jī)制交換過(guò)程Fig.1 Process of notary mechanism exchange

公證人機(jī)制交換過(guò)程如下：

1）用戶a通過(guò)交易中介方錢包將自己的資產(chǎn)充入交易中介方的地址。

2）用戶a在交易中介方掛出賣單交易信息A。

3）用戶b需要將自己的資產(chǎn)充入交易中介方的地址。

4）用戶b在交易中介方掛出賣單交易信息B。

5）交易中介方將用戶a的賣單和用戶b的賣單進(jìn)行撮合。

6）交易中介方將用戶a在交易中介方存儲(chǔ)資產(chǎn)轉(zhuǎn)移給用戶b在鏈A的地址。

7）交易中介方將用戶b在交易中介方存儲(chǔ)的資產(chǎn)轉(zhuǎn)移給用戶a在鏈B的地址。

至此完成了用戶a、b資產(chǎn)的交換（案例中省去了交易中介方的服務(wù)費(fèi)）。

2 節(jié)點(diǎn)評(píng)價(jià)模型

2.1 評(píng)價(jià)模型

2.1.1 評(píng)價(jià)模型流程

本文通過(guò)構(gòu)造一個(gè)動(dòng)態(tài)的公證人節(jié)點(diǎn)評(píng)價(jià)模型來(lái)保證公證人機(jī)制的安全性。該模型由其他公證人節(jié)點(diǎn)評(píng)價(jià)和該節(jié)點(diǎn)歷史交易評(píng)價(jià)進(jìn)行協(xié)作，最終通過(guò)本文模型給出一個(gè)動(dòng)態(tài)的節(jié)點(diǎn)信用值排序，剔除排名在后的節(jié)點(diǎn)。本文模型在排序時(shí)考慮下列因素：

1）節(jié)點(diǎn)的信用值應(yīng)由與其有過(guò)交易的用戶和替他節(jié)點(diǎn)共同評(píng)價(jià)。

2）替他節(jié)點(diǎn)在評(píng)價(jià)時(shí)只需給出自己信任的節(jié)點(diǎn)；替他節(jié)點(diǎn)在評(píng)價(jià)時(shí)只需給出自己信任的節(jié)點(diǎn)記錄；歷史交易評(píng)價(jià)需考慮交易處理效率、用戶反饋、負(fù)面交易信息等因素。

3）節(jié)點(diǎn)內(nèi)部?jī)?yōu)秀交易的次數(shù)越多，該節(jié)點(diǎn)的信用值越高。

4）節(jié)點(diǎn)信用值是一個(gè)逐漸積累的過(guò)程，持續(xù)誠(chéng)信交易的積累才能獲得高信用值。

本文模型在規(guī)定的某時(shí)間內(nèi)對(duì)現(xiàn)有的節(jié)點(diǎn)進(jìn)行信任度評(píng)價(jià)，系統(tǒng)向存在的節(jié)點(diǎn)發(fā)出評(píng)價(jià)信號(hào)并廣播系統(tǒng)公鑰及地址；各個(gè)節(jié)點(diǎn)收到信號(hào)后，使用系統(tǒng)的公鑰進(jìn)行加密并使用自己的私鑰加密簽名；系統(tǒng)會(huì)收集各個(gè)節(jié)點(diǎn)的加密數(shù)據(jù)并使用系統(tǒng)私鑰解密，最終形成信任關(guān)系圖并廣播出去；系統(tǒng)在規(guī)定時(shí)間內(nèi)如果未收到異議信息則進(jìn)行下一步計(jì)劃，如果有則重新投票；系統(tǒng)會(huì)自動(dòng)收集各個(gè)節(jié)點(diǎn)歷史交易信息并使用改進(jìn)PageRank算法進(jìn)行信用度排序，并將結(jié)果及計(jì)算過(guò)程公布；在規(guī)定時(shí)間內(nèi)，系統(tǒng)若未收到任何異議信息，則根據(jù)流程自動(dòng)剔除排名在后的節(jié)點(diǎn)。節(jié)點(diǎn)評(píng)價(jià)模型如圖2所示。

圖2 節(jié)點(diǎn)評(píng)價(jià)模型Fig.2 Node evaluation model

節(jié)點(diǎn)歷史交易信息中用戶反饋評(píng)價(jià)是指最終完成交易后用戶對(duì)其進(jìn)行評(píng)價(jià)，分?jǐn)?shù)值從1～5由低到高；節(jié)點(diǎn)交易處理效率是指用戶從發(fā)起交易到最終確認(rèn)交易中介方需要的時(shí)間；負(fù)面交易信息包括交易未完成情況、存在欺詐等行為的交易。

2.1.2 評(píng)價(jià)系統(tǒng)

各個(gè)品種的雞均有易感性，10～56日齡的雞發(fā)病率和致死率都較高，10日齡以內(nèi)的雛雞由于有母源免疫力的保護(hù)，很少發(fā)生球蟲(chóng)病，成年雞對(duì)球蟲(chóng)有一定的抵抗力。病雞是主要傳染源，凡被帶蟲(chóng)雞污染過(guò)的飼料、飲水、土壤和用具等，都有卵囊存在，雞感染球蟲(chóng)的途徑主要是吃了感染性卵囊。

本文評(píng)價(jià)系統(tǒng)由廣播板、節(jié)點(diǎn)模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)存儲(chǔ)模塊和信用排序模塊組成，評(píng)價(jià)系統(tǒng)工作過(guò)程如圖3所示。

圖3 評(píng)價(jià)系統(tǒng)工作過(guò)程Fig.3 Working process of evaluation system

評(píng)價(jià)系統(tǒng)主要包括以下5個(gè)模塊：

1）廣播板：用于顯示投票內(nèi)容、評(píng)價(jià)內(nèi)容及公告信息的模塊。投票內(nèi)容包含節(jié)點(diǎn)投票的信息、投票人的簽名和廣播板的簽名；評(píng)價(jià)過(guò)程包含評(píng)價(jià)內(nèi)容及評(píng)價(jià)結(jié)果；公告信息包含參與投票的節(jié)點(diǎn)的地址及投票開(kāi)始及結(jié)束時(shí)間。

2）節(jié)點(diǎn)模塊：用于節(jié)點(diǎn)填寫投票信息及驗(yàn)證的模塊，包含節(jié)點(diǎn)登錄驗(yàn)證模塊和信息填寫模塊。

3）數(shù)據(jù)采集模塊：用于采集節(jié)點(diǎn)評(píng)價(jià)信息及歷史交易評(píng)價(jià)信息。

4）數(shù)據(jù)存儲(chǔ)模塊：用于存儲(chǔ)節(jié)點(diǎn)信息及信用排序信息。

5）信用排序模塊：基于改進(jìn)PageRank算法對(duì)節(jié)點(diǎn)信用度進(jìn)行評(píng)價(jià)的模塊，該模塊中所有運(yùn)算步驟都將在廣播板顯示出來(lái)。

評(píng)價(jià)系統(tǒng)在某一時(shí)間點(diǎn)時(shí)，將在廣播板廣播參與投票的節(jié)點(diǎn)及投票截止時(shí)間；節(jié)點(diǎn)收到投票信息將登錄并驗(yàn)證自己的信息，填寫信任的節(jié)點(diǎn)并簽名，再把信息傳到廣播板，廣播板顯示節(jié)點(diǎn)傳遞的信息；當(dāng)投票時(shí)間結(jié)束后，系統(tǒng)將調(diào)用改進(jìn)PageRank算法對(duì)投票信息進(jìn)行信用度排序，并把結(jié)果及計(jì)算過(guò)程在廣播板進(jìn)行展示。節(jié)點(diǎn)可以查看所有的投票信息及運(yùn)算過(guò)程。

數(shù)據(jù)存儲(chǔ)中包含節(jié)點(diǎn)的基本信息（如節(jié)點(diǎn)的公鑰、IP地址）、節(jié)點(diǎn)交易的歷史信息及節(jié)點(diǎn)投票的信息，節(jié)點(diǎn)可以隨時(shí)查看。

2.2 改進(jìn)PageRank評(píng)價(jià)算法

2.2.1 PageRank算法

PageRank算法是谷歌公司用于網(wǎng)頁(yè)重要性評(píng)價(jià)的一種方法。其核心思想是利用網(wǎng)頁(yè)鏈接到替他頁(yè)面和替他頁(yè)面鏈接到本頁(yè)面的情況來(lái)計(jì)算頁(yè)面的分值，并對(duì)其進(jìn)行分值排序［12-14］。

在使用PageRank算法對(duì)網(wǎng)頁(yè)重要性進(jìn)行排序時(shí)，一般會(huì)假設(shè)2個(gè)前提：

1）數(shù)量假設(shè)：假設(shè)存在一個(gè)網(wǎng)頁(yè)，如果有大批的鏈接與它相連，則表示這個(gè)頁(yè)面非常重要，本文中的節(jié)點(diǎn)假設(shè)有大量的替他節(jié)點(diǎn)與它相連，則表示該節(jié)點(diǎn)非常受到信任。

2）質(zhì)量假設(shè)：在互聯(lián)網(wǎng)中，各網(wǎng)頁(yè)的內(nèi)容質(zhì)量參差不齊，如果一個(gè)高質(zhì)量的頁(yè)面與該頁(yè)面相連，則傳遞給該頁(yè)面的權(quán)重應(yīng)該很高；同樣，如果有一個(gè)信任度很高的節(jié)點(diǎn)信任本節(jié)點(diǎn)，則傳遞給本節(jié)點(diǎn)的權(quán)重就會(huì)很高。

基于這2個(gè)假設(shè)，算法基于式（1）對(duì)頁(yè)面等級(jí)進(jìn)行評(píng)估時(shí)，對(duì)于每一個(gè)頁(yè)面的權(quán)重賦予相同的值，然后通過(guò)不斷地遞歸迭代計(jì)算，更新每一個(gè)頁(yè)面的得分，直到頁(yè)面得分穩(wěn)定。

其中，L（ν）表示網(wǎng)頁(yè)ν的出鏈數(shù)量，PR（ν）表示網(wǎng)頁(yè)ν的PageRank值，Bu表示網(wǎng)頁(yè)u的入鏈集合。從式（1）可以看出，每個(gè)頁(yè)面的PageRank值是由其所有入鏈網(wǎng)頁(yè)的PageRank值累加得到。

PageRank算法規(guī)定一個(gè)頁(yè)面只能對(duì)其他頁(yè)面進(jìn)行一次投票，如圖4所示。圖4中節(jié)點(diǎn)B只能給節(jié)點(diǎn)A投半票，即節(jié)點(diǎn)B只能將它鏈接權(quán)重值的一半賦予節(jié)點(diǎn)A。同理，節(jié)點(diǎn)D只能將其鏈接權(quán)重值的1/3賦予節(jié)點(diǎn)A。

圖4 節(jié)點(diǎn)拓?fù)浣Y(jié)構(gòu)Fig.4 Node topology

圖4中節(jié)點(diǎn)D的PR值計(jì)算公式如下：

在現(xiàn)實(shí)的互聯(lián)網(wǎng)中還存在許多頁(yè)面沒(méi)有鏈接到其他任何頁(yè)面的情況，即這一頁(yè)面的出鏈數(shù)為0（如圖4中節(jié)點(diǎn)C），這種頁(yè)面被稱為孤立網(wǎng)頁(yè)?；谶@種問(wèn)題，谷歌公司修訂了原先的PageRank計(jì)算公式，在原先的公式上引入阻尼系數(shù)d（damping factor），根據(jù)實(shí)驗(yàn)，該阻尼系數(shù)一般取0.85。該系數(shù)為用戶在某一時(shí)刻使用該節(jié)點(diǎn)后從該節(jié)點(diǎn)跳轉(zhuǎn)到替他節(jié)點(diǎn)的概率。當(dāng)阻尼系數(shù)為0.15時(shí)，表明用戶不在通過(guò)節(jié)點(diǎn)跳轉(zhuǎn)到另一節(jié)點(diǎn)，改進(jìn)后的PageRank算法的計(jì)算公式如式（3）所示：

從圖4可以看出：節(jié)點(diǎn)A有節(jié)點(diǎn)B指向的鏈接；節(jié)點(diǎn)B有節(jié)點(diǎn)A、節(jié)點(diǎn)D指向的鏈接；節(jié)點(diǎn)C有節(jié)點(diǎn)A、節(jié)點(diǎn)D指向的鏈接；節(jié)點(diǎn)D有節(jié)點(diǎn)A、節(jié)點(diǎn)B指向的鏈接。假設(shè)初始鏈接概率相等，則存在轉(zhuǎn)移矩陣N：

其中，Ni，j表示用戶從節(jié)點(diǎn)j跳轉(zhuǎn)到節(jié)點(diǎn)i的概率。

假設(shè)節(jié)點(diǎn)的初始概率為1/n，n為節(jié)點(diǎn)數(shù)量，則初始概率矩陣為：

根據(jù)式（5）進(jìn)行迭代，當(dāng)最終結(jié)果變化在某個(gè)區(qū)間內(nèi)時(shí)，結(jié)束迭代，則最終節(jié)點(diǎn)重要度排序?yàn)椋?/p>

2.2.2 改進(jìn)PageRank算法的公證人節(jié)點(diǎn)評(píng)價(jià)模型

每個(gè)節(jié)點(diǎn)的歷史交易信息會(huì)對(duì)其信用評(píng)估產(chǎn)生內(nèi)在的影響。假設(shè)存在節(jié)點(diǎn)A及它的一個(gè)正向鏈接節(jié)點(diǎn)B，若節(jié)點(diǎn)A交易處理效率高于節(jié)點(diǎn)B，則用戶對(duì)節(jié)點(diǎn)A的反饋評(píng)價(jià)要高于對(duì)節(jié)點(diǎn)B的反饋評(píng)價(jià)；若節(jié)點(diǎn)A交易處理效率高于節(jié)點(diǎn)B，則用戶對(duì)節(jié)點(diǎn)A的反饋評(píng)價(jià)要高于對(duì)節(jié)點(diǎn)B的反饋評(píng)價(jià)；負(fù)面交易信息越少，那么節(jié)點(diǎn)A分配給節(jié)點(diǎn)B的權(quán)重越高。

下文給出計(jì)算節(jié)點(diǎn)A、B信用度的步驟：

1）建立節(jié)點(diǎn)歷史交易信息的交易處理效率、用戶反饋、負(fù)面交易信息的集合：

2）確定用戶整體評(píng)價(jià)的位置權(quán)重，引入分段函數(shù)來(lái)表征本文收集到的用戶整體評(píng)價(jià)信息，分交易處理效率、用戶反饋、負(fù)面交易信息3個(gè)部分計(jì)算［20］：

3）用戶反饋評(píng)價(jià)值計(jì)算，計(jì)算公式如下：

其中，Qpeople代表節(jié)點(diǎn)總體用戶反饋評(píng)價(jià)值，weightpeople代表節(jié)點(diǎn)用戶反饋權(quán)重，gradej代表用戶歷史評(píng)價(jià)值。

4）交易處理效率值計(jì)算，計(jì)算公式如下：

其中，Qtime代表節(jié)點(diǎn)交易處理效率值，weighttime代表節(jié)點(diǎn)交易處理權(quán)重，timej代表節(jié)點(diǎn)交易處理時(shí)間。

5）節(jié)點(diǎn)負(fù)面消息評(píng)價(jià)值計(jì)算，計(jì)算公式如下：

其中，Qreverse代表節(jié)點(diǎn)負(fù)面消息評(píng)價(jià)值，weightreverse代表節(jié)點(diǎn)負(fù)面消息評(píng)價(jià)權(quán)重，number代表節(jié)點(diǎn)負(fù)面消息評(píng)價(jià)數(shù)量。

6）最終得出節(jié)點(diǎn)交易處理效率、用戶反饋、負(fù)面交易信息評(píng)價(jià)值，計(jì)算公式如下：

7）本文通過(guò)使用向量空間模型（Vector Space Model，VSM）［14-15］來(lái)計(jì)算節(jié)點(diǎn)M、N相似度，即：

8）最終得到改進(jìn)后的PageRank算法如式（14）所示：

如果某一節(jié)點(diǎn)并無(wú)歷史交易信息，則：

3 實(shí)驗(yàn)測(cè)試

本文對(duì)某交易中介方使用的跨鏈交易系統(tǒng)的100個(gè)節(jié)點(diǎn)進(jìn)行評(píng)價(jià)，首先節(jié)點(diǎn)各自填寫評(píng)價(jià)表，包括所有節(jié)點(diǎn)之間的信任關(guān)系（誰(shuí)信任誰(shuí)）。然后使用0～99之間的連續(xù)整數(shù)對(duì)100位節(jié)點(diǎn)分別進(jìn)行編號(hào)，并利用所有人之間的信任關(guān)系組織成一張節(jié)點(diǎn)關(guān)系，如圖5所示。其中信任關(guān)系依靠有向箭頭表明，例如“2→3”表示2號(hào)節(jié)點(diǎn)信任3號(hào)節(jié)點(diǎn)。

圖5 部分公證人節(jié)點(diǎn)信任關(guān)系Fig.5 Node trust relationship of some notaries

表1為某節(jié)點(diǎn)歷史交易信息，主要包含交易是否成功狀態(tài)、交易效率和用戶評(píng)價(jià)3個(gè)指標(biāo)。其中如果交易失敗，則缺少交易效率和用戶評(píng)價(jià)。用戶反饋評(píng)價(jià)值從1～5依次遞增；交易狀態(tài)分為成功和失敗兩種。本文收集了某證券交易所200個(gè)節(jié)點(diǎn)交易的前100條交易信息。

表1 某節(jié)點(diǎn)歷史交易信息Table 1 Some historical transaction information of certain node

本文基于收集到的節(jié)點(diǎn)信任關(guān)系及各節(jié)點(diǎn)交易信息進(jìn)行仿真測(cè)試，基于傳統(tǒng)PageRank算法和改進(jìn)PageRank算法進(jìn)行仿真比較，結(jié)果如圖6所示。

圖6 傳統(tǒng)PageRank算法和改進(jìn)PageRank算法仿真結(jié)果對(duì)比Fig.6 Comparison of simulation results of traditional PageRank algorithm and improved PageRank algorithm

根據(jù)PageRank算法，最終的信用度值會(huì)在0～1范圍內(nèi)，從圖6可以看出，同一個(gè)節(jié)點(diǎn)基于傳統(tǒng)PageRank算法計(jì)算出的信用度值和改進(jìn)后的信用度值有所差距，這是因?yàn)楦倪M(jìn)的PageRank算法考慮了節(jié)點(diǎn)與節(jié)點(diǎn)之間的歷史交易信息，最終導(dǎo)致結(jié)果有所差異。

根據(jù)本文設(shè)定程序，最終會(huì)剔除排名靠后的節(jié)點(diǎn)，本次實(shí)驗(yàn)選定剔除排名在后10位的節(jié)點(diǎn)，基于傳統(tǒng)PageRank算法剔除的節(jié)點(diǎn)信用度值和基于改進(jìn)后的PageRank算法剔除的節(jié)點(diǎn)信用度值如圖7所示。

圖7 傳統(tǒng)PageRank算法和改進(jìn)PageRank算法最終剔除節(jié)點(diǎn)的信用度結(jié)果Fig.7 Credit degree results of nodes being removed by traditional PageRank algorithm and improved PageRank algorithm

本文預(yù)先針對(duì)收集到的用戶歷史評(píng)價(jià)信息進(jìn)行平均值計(jì)算，計(jì)算出每個(gè)節(jié)點(diǎn)用戶評(píng)價(jià)信用度值并對(duì)其進(jìn)行排序，選出排名最低的節(jié)點(diǎn)如表2所示。表2給出了基于改進(jìn)PageRank算法和傳統(tǒng)PageRank算法所剔除的節(jié)點(diǎn)，結(jié)合圖7和表2可以看出，改進(jìn)后的PageRank算法剔除了用戶評(píng)價(jià)較低的節(jié)點(diǎn)（如節(jié)點(diǎn)78、節(jié)點(diǎn)70），說(shuō)明改進(jìn)后的算法有效地結(jié)合了用戶歷史評(píng)價(jià)信息。

表2 需剔除的節(jié)點(diǎn)Table 2 Nodes to be removed

4 結(jié)束語(yǔ)

本文針對(duì)跨鏈技術(shù)中常用的公證人機(jī)制節(jié)點(diǎn)信用監(jiān)督不足的問(wèn)題，提出一種基于改進(jìn)PageRank算法的評(píng)價(jià)模型。該模型對(duì)公證人節(jié)點(diǎn)信用評(píng)價(jià)進(jìn)行優(yōu)化，計(jì)算得到高可信的節(jié)點(diǎn)，在一定程度上保障了跨區(qū)塊鏈系統(tǒng)交換資產(chǎn)的安全。實(shí)驗(yàn)結(jié)果表明，該模型能夠較好地解決傳統(tǒng)節(jié)點(diǎn)評(píng)價(jià)過(guò)于主觀性的問(wèn)題，通過(guò)節(jié)點(diǎn)評(píng)價(jià)和交易評(píng)價(jià)兩者之間相互制衡，保證評(píng)價(jià)的公正性，在動(dòng)態(tài)的交易過(guò)程中去除信任度低的節(jié)點(diǎn)，最終使整個(gè)系統(tǒng)的信任度得到提高。下一步計(jì)劃將公證人機(jī)制與側(cè)鏈技術(shù)、哈希鎖定技術(shù)相結(jié)合，以弱化公證人機(jī)制過(guò)于中心化的問(wèn)題。