一种基于LSTM-Blacklist的动态信任度证明机制

作     者：徐超 雷锦涛 陈勇 XU Chao;LEI Jintao;CHEN Yong

作者机构：南京审计大学计算机学院江苏南京211815 

出 版 物：《武汉大学学报（理学版）》 (Journal of Wuhan University:Natural Science Edition)

年 卷 期：2023年第69卷第2期

页      面：156-168页

核心收录：

学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(71972102) 教育部人文社会科学研究规划基金(19YJAZH100) 江苏省高校自然科学重大项目(20KJA520002) 

主　　题：区块链 共识机制 动态信任度 长短期记忆 黑名单机制 

摘      要：针对区块链网络中共识节点的恶意行为导致的区块链系统安全问题,提出一种基于LSTM(long short-term memory)-Blacklist的动态信任度证明机制(PoDT-LSTMB)。该动态信任度证明机制通过前向注意力机制的两层LSTM神经网络学习并分析参与共识节点的行为数据,预测节点行为倾向。以节点信任度为基础构建黑名单,剔除低于信任度阈值的节点,提高全网节点的总体可信性。以正常区块上链率以及节点信任度的变化为主要评估指标,与信任度证明PoT(Proof of Trust)机制以及不带黑名单的PoDT-LSTM机制进行了对比实验。实验结果表明,基于前向注意力机制的两层LSTM神经网络结构准确率可达0.9151,本文提出的PoDT-LSTMB机制比PoT机制的正常区块上链率提高30%~33%。