基于位置的改进HotStuff共识机制与仿真.pdf

468第40 卷第6 期2023年6 月真机仿算文章编号：10 0 6-9 348(2 0 2 3)0 6-0 46 8-0 6基于位置的改进HotStuff共识机制与仿真张宇翔，向海，李博，廖浩德（西南石油大学计算机科学学院，四川成都6 10 50 0）摘要：共识算法作为区块链的核心技术，是影响区块链性能的关键因素。现有主流共识算法从各种方面对共识效率进行改进，但鲜有基于位置因素的。现提出一种基于位置因素的改进HotStuff 算法。引人一种分组的机制，将节点根据位置不同分为若干组，分组内节点单独对请求进行共识，提出一种远程共识协议，由主节点将共识结果发送给其它组进行远程共识，提高每次共识能够处理的请求数量。通过仿真表明，改进后的HotStuff算法较于原本HotStuff算法在吞吐量上有所提升，在通信开销、平均延迟方面有所降低。关键词：共识算法；位置；分组；联盟链中图分类号：TP302.8文献标识码：BImproved HotStuff Consensus Mechanism and SimulationBased on Location FactorsandZHANG Yu-xiang,XIANG Hai-yun,LI Bo,LIAOHaode(School of Computer Science,Southwest Petroleum University,Chengdu 610500,Sichuan Province)ABSTRACT:As the core technology of the blockchain,the consensus algorithm is a key factor affecting the perform-ance of the blockchain.The existing mainstream consensus algorithms improve consensus efficiency from various as-pects,but few are based on location factors.This paper proposes an improved HotStuff algorithm based on locationfactors.A grouping mechanism is introduced to divide nodes into several groups according to different locations.Thenodes within the group independently agree on requests.Then the master node sends the consensus results to othergroups for consensus,increasing the number of requests that can be processed by each consensus.Experiments showthat the improved HotStuff algorithm has improved throughput compared with the original HotStuff algorithm,and hasreduced communication overhead and average delay.KEYWORDS:Consensus algorithm;Location;Grouping;Alliance chain1引言2008年中本聪比特币：一种点对点的电子现金系统I问世,标志着区块链技术的诞生。区块链作为一个典型的去中心化的分布式数据存储系统，以其安全性，不可篡改性而被人们熟知，而在区块链系统中的所有参与者之间就一项事务达成共识需要通过共识机制来实现。可以说共识机制是区块链的核心，共识机制不仅保证了区块链的安全性，更影响着区块链的性能，如何在区块链系统中高效达成共识是制约区块链技术发展应用的重要问题2 基金项目：新工科建设数据智能与区块链应用技术（2 0 1801209004)收稿日期：2 0 2 1-10-2 0修回日期：2 0 2 1-11-0 2共识算法根据容错机制的不同，可以分为故障容错（Cr a s h Fa u l t T o l e r a n c e，CFT）共识算法和拜占庭容错(ByzantineFaultTolerance,BFT)共识算法3。故障容错指参与共识过程中的节点不会作恶，只可能发生宕机等错误的情况下达成共识；而拜占庭容错指存在拜占庭将军问题4，即在参与共识过程的节点中存在故意作恶的节点的情况下保证共识过程的成功。根据应用场景的不同，可以分为公有链的共识算法和联盟链的共识算法。公有链的共识算法主要有POW共识算法5,POS共识算法6 ,DPOS共识算法7 等，这些共识算法可能会导致区块链的分叉，因此在公有链中应用较多，公有链因打包上链延迟大、区块大小有限而在应用时有诸多限制,有人针对这些缺点做出了一些改进8.9 。联盟链的共识是以拜占庭共识算法为主的共识算法，有PBFT10,SBFT1,HotStuff【12 等,这些算法是强一致性算469法，不允许区块链的分叉，因此其更加适用于联盟链，而联盟链为了获得更好的性能，对于共识或验证节点的配置和网络环境有一定要求13PBFT是LISCOV等人在19 9 9 年提出的一种实用拜占庭算法，该算法解决了分布式系统中的拜占庭问题，其容错率为n3f+1,其中n是总节点数量，f是拜占庭节点数量。PBFT算法的出现，最早使用三阶段提交协议实际的解决了拜占庭将军问题。PBFT的出现使得后续联盟链很多都在使用该算法，最为人们熟知的就是超级账本（HyperledgerFab-ric）【14 随着近年来区块链的兴起,PBFT的O（n）的通信复杂度使得性能随着增长的网络规模而下降。因此针对PBFT性能的提升逐渐变得重要。YIN等人在2 0 18 年提出的HotStuff算法采用了门限签名的方法实现了O(n)的通信复杂度。该算法总结对比了目前主流的拜占庭类共识协议，构建了基于经典拜占庭共识协议实现PipelineBFT的共识模式。HotStuff 创新采用了Pace-maker将活性（Liveness）和安全性（Safety）解耦，同时也提高了该共识算法的可扩展性。由于HotStuff的高可用性和低复杂度，Facebook推出的Libral15正是采用了HotStuff 共识算法。然而，HotStuff算法的通信模式为全节点直接通信，若节点分布地域较广，节点间通信将会带来高延迟，从而极大降低吞吐量，造成较大的通信代价16 这是影响联盟链共识效率的重要因素。鉴于此,本文提出一种基于位置分组的根据HotStuff算法思想改进的共识协议，将节点根据位置的不同分为若干组，组内单独进行共识，再由各组主节点将共识结果传输给其它组进行共识，每次可以同时处理若干个请求，提高了共识的效率。2HotStuff算法2.1算法概述设节点总数为n，拜占庭节点的个数为f,且满足n3f+1。共识过程采用视图（View）的方式进行，即每个视图达成一轮共识,视图有其唯一编号（ViewNumber)且单调递增，用来标识视图，每个视图都有一个主节点（Leader)领导所有副节点（Replica）共识，在当前共识完成后，执行View编号递增并开启下一轮共识。如果遇到了主节点机或者主节点作恶的情况，则更换主节点并开始下一轮视图。HotStuff采用了门限签名的机制，引人了一个新的概念“仲裁证书”（QuorumCertificate，Q C）。Q C指在一个三元组之上且组合了n-f个副节点部分签名进而达成共识的证明。当前阶段Leader收集到超过n-f个Replica签名确认过的数据包及ViewNumber形成的一个集合，用于表示当前阶段已经被副节点达成共识。HotStuff三阶段共识流程如图1所示2.2共识过程2.2.1Prapare阶段Pre-州护点PrepareCommitCommitDecide节点1节点2节点3图1HotStuff共识各阶段流程在每一轮View开始的时候，所有Replica向Leader发送NewView消息，表示新视图的开始。NewView消息包含每个副节点对最新区块的投票签名prepareQC（允许为空），Leader收到超过n-f个NewView消息后，将收到的NewView中区块最高的prepareQC形成HighQC,保证没有更高的视图可以使用，即保证了当前区块是最安全的，后续共识在此基础上展开。Leader形成HighQC后，在对应区块的后面打包新的区块并以prepare消息广播。副节点收到prepare消息后，对该消息进行签名摘要（投票）。2.2.2Pre-Commit 阶段此时Leader收集副节点的签名消息，当Leader收集到n-f个投票后，形成prepareQC,并以pre-commit消息向所有副本广播prepareQC。副节点通过pre-commit投票对Leader做出响应，并对提案进行投票。2.2.3Commit 阶段Commit阶段类似于Pre-Commit阶段，副节点收到pre-pareQC后，对prepareQC投票，此时Leader收集副节点的投票，当收集到n-f个pre-commit投票时，将其组合为precom-mitQC,以commit类型消息广播，此时副节点接收使用commit消息响应，对precommitQC进行投票。2.2.4Decide阶段进人Decide阶段后Leader节点开始收集副节点的投票，当其收到n-f个commit投票后，将它们合并为commitQC,并以decide消息的形式将commitQC发送给其余副节点。当副节点收到decide消息后，获取commitQC,将该commitQC中包含的提案视为已经提交的请求，并在自己的副本中执行该请求。完成后，副节点增加viewNumber并启动下一个视图。2.2HotStuff复杂度分析在HotStuff的每个阶段，只有Leader向所有副节点广播，而副节点使用部分签名向发送者回复一次以完成签名和部分投票。在Leader的角度下，每阶段形成的QC都是由n-f个来自副节点的投票组成。因此，在每个阶段下，通信的复杂度是O（n）。由于有固定的阶段数，每个视图的总体复杂度为0(n)。HotStuff算法将拜占庭容错类共识算法复杂度降低到了O（n），缩小了节点间的通信开销，但是忽略了实际因素的影470响。当节点与节点间的距离过大，会导致难以避免的通信延迟和负担，从而导致吞吐量的急剧下降，随着节点间距离的增大，延迟也会随之增长。随着联盟链的扩大，节点也将分布的越来越广，考虑位置因素是将会变得尤为重要。31PBHS算法随着联盟链的广泛应用，各行各业都置身于联盟链中，在实际应用场景下，节点间的各节点间距离跨域很大，节点间通信有一定延迟，这就导致链中节点间共识效率降低，而共识效率是影响联盟链实际使用的重要影响因素。将位置因素纳人考虑，根据HotStuff 的算法思想,本文提出一种改进的共识算法PBHS(PositionBasedHotStuff)算法。3.1算法概述假设系统中的总节点有n个，分为G组，每组m个节点，g(id)表示第i组第id个节点，其中m满足m3f+1,其中f是每个组内所能容纳的最大拜占庭节点。网络模型使用部分同步模型，即存在一个不确定的全局稳定时间GST（G l o b a l St a b l e T i me），在指令发出后的一定时间后，所有的非拜占庭节点都能对指令的顺序及结果产生共识，从而使得网络状态确定。PBHS算法分为两个阶段，分别是Local共识阶段和Re-mote共识阶段。在每轮共识开始时，每组仅仅处理当地的请求，通过Local共识阶段可以是的组内达成共识并产生一个最终证书，该证书包含了组内节点对请的签名。接下来，每组与每组之间共享本地的请求和最终证书，为了减小组与组之间的通信，使用新的乐观响应协议。每组将收到的请求和最终证书在组内共识，此时如果发现错误，可以启用远程视图更改协议。最后，在收到所有的请求和证书后，执行该系列请求，但是每个组仅返回当地请求的结果。整体共识示意图如图2 所示。各分组节点内部进行共识，后由主节点将共识结果在组间进行共识，进而达成整体共识，执行请求后由分组返回当地请求结果。图2PBHS算法整体示意图3.2Local共识阶段本地共识采用HotStuff的共识方式，使用门限签名，在prepare、p r e-c o mmi t、c o mmi t、d e c i d e 阶段均由Leader节点收集副节点的部分签名形成相应阶段的QC。在PBHS算法中，decide阶段完成后各副本并不是直接执行请求，而是形成一个最终证书（finalCertificate,fc）。Zg:(id).validsSignaturemfc=(1)Local共识阶段的任意一轮共识满足以下两点：（1)任意一个非拜占庭节点最终能够正确执行客户端请求。（2)所有的非拜占庭节点在一轮视图中处理的是同一个请求。定理1保证了Local共识阶段在同一视图中只有一个请求被执行。定理1:对于任意两个合法QC和QC2，如果两种QC的类型相同,则必然有QC,和QC,所带表的视图不同,组内视图中保证同时最多只有一个请求能够被执行。即：viewNumber;=viewNumber2QCi.typeQC2.type(viewNumber,+viewNumber2QCr.type=QC2.type(2)证明：对于任意的QC，和QC2，假设，QC，的类型和QC2的类型相同,且属于同一个视图,因为QC是组内超过m-f=2f+1个节点投票得出，若形成了两个相同类型的QC且属于同一个视图则代表至少有一个正常工作的节点对不同的请求投票两次，而每轮共识中每个正常节点仅对消息投票一次，二者相悖，故不可能有多个请求在同一组内被同时执行，证明完毕。3.2.1Local共识阶段安全性分析定理2：对于组内共识，由于该阶段内分组仍满足m3f+1,所以组内系统，即本地共识阶段仍满足拜占庭容错，该阶段安全性在拜占庭节点数量满足条件的情况下能够得到保证。证明：分组节点数量是m，设拜占庭节点数量为f,非拜占庭节点数量为a，最终能够保证安全性所需非拜占庭节点数量为x，则有m=f+a,且ax(3)为保证在非拜占庭节点正常接收消息并做出回应，必须满足ax2+2(4)由式(3）（4)合并得出3-am(5)2代换得m3f(6)式（6)满足题设m3f+1,证毕。在节点数量方面，多数拜占庭容错类共识算法的实际部署节点数量较小，但其安全性却是严格的，因此在分组后组内节点数量变少不会对本地共识阶段造成安全性影响3.3Remote共识阶段当组内完成请求的Local共识之后，将进人Remote共识阶段,即将请求与形成的最终证书与其它组共享。设gEG471为一个组，在g的第i轮本地达成共识后，将请求和最终证书fc发送给其它组,消息格式为,其中g表示分组编号，r表示请求内容，fc代表形成的最终证书，代表视图编号。发送消息同时接收来自其它组的请求和最终证书。此时需要组间通信，通信开销较大，为达到算法目的，应该在保证可靠性的前提下尽可能减少通信开销，在各组Leader可信的情况下，采用一种乐观通信方法降低节点间通信。不失一般性，以两个组为例说明。假设系统包含两个组g1,82,当gl完成Local 共识阶段后,将消息发送给g2，在采用乐观的方式下，即主节点不发生故障且通信可靠的情况下，g中的主节点Leader.l仅发送一条消息给g2中的主节点Leader.是无法达成有效传播的，需要给g2中的节点发送f+1条消息。当g2中的节点收到来自g的消息后，在组内广播该条消息。定理3：乐观条件下，即发送组主节点不发生故障，通信可靠，f+1条消息就能保证组间消息正常收发。证明：若只由Leader节点间发送一条消息，考虑以下情况：1)Leaderg是拜占庭节点，在组内共识时表现正常，组内节点无法发现其是拜占庭节点，但该节点不将任何消息发送给Leaderg;2)Leadergi是正常节点，将消息发送给Leadera，但Leader是拜占庭节点，在组内表现正常，但是不转达Leader.，的消息。以上两种情况都会导致组间消息无法传达。对于每个组，组内节点至多有f个拜占庭节点，乐观条件下，即通信状态可靠、Leader，不发生故障时，f+1条消息能够保证g2中的所有副本至少有一个非拜占庭副本能够正常接收消息并广播。而对于收到的消息，因为其中的fc是包含了该组m-f个消息的最终证书，任何拜占庭节点都无法伪造，故所有其它节点很容易验证该条消息的真伪。Remote共识阶段流程如图3所示：组1主节点执行回复本地请求节点1本地共识阶段节点2节点3-组2主节点执行回复本地请求节点1-本地共识阶段节点2节点3图3组间共识阶段3.4组间视图转换为了能够及时发现并更正错误，除了本地视图转换外，还需要使用组间视图转换来保证安全性。组间视图转换分为两个部分，分别是检查阶段和视图转换阶段。1)检查阶段：检查阶段分为两部分，首先g2中的节点在收到Leader发送的包含fc的消息后，广播该消息，每个节点收到消息后，验证该消息是否符合规范，当发现消息不符合规范时，进人视图转换阶段。其次等待超时后，节点仍未收到消息，认为消息丢失，进入视图转换阶段。视图转换的消息格式为,其中g代表目标分组编号，代表当前视图编号，i代表当前分组编号。2)视图转换阶段：每个节点向g对应节点发送视图转换请求，当gl中的节点收到消息后，在组内广播视图转换请求，当组内节点收到m-f个请求后，启动组内视图转换协议。算法1视图转换协议（以g1，g 2 为例）1)Check Phase2)for node in g2 do:3)if m:is not legal Il timeout:4)go to ViewChangePhase.5)else6)excute remote consensus.7)8)ViewChange Phase9)for node in g2(representas:g2(id)do:10)send message;to gi(id).11)for node in gi do:12)receive message from g2.13)broadcast message;:14)after receive n-f message;do:15)v=v+1.3.4请求排序与执行一旦所有组都接收到各组的消息请求，接下来的工作就是对收到的请求做排序并执行定理3如通信可靠，且延迟有界，则每个节点最终都能收到一个请求集合1l g E G)(7)该集合包含了所有组收到的请求。证明：在乐观条件下，定理2 保证了Remote共识能够使非请求客户端所在组能够正常收到请求；而如果请求客户端所在分组主节点发生故障或拜占庭错误，组间视图转换能够保证共识的正常运行，即其它组仍能收到请求。最终，每个节点都能收到关于请求的集合/lgEG)。由于每个分组都有其编号，所以要设定唯一的请求执行顺序比较容易实现，即根据分组编号1g1，g 2,g c l 所对应的请求 1,r2,rc排序。由于这样将会导致编号靠前的分组将一直处于高优先级执行，所以每进行轮共识后就对分组编号重新排序以保证各组优先级均匀分布。(g1,g2,g3,gcl1f1,f2,3,rcl1gc,g1,g2,gc-11(Tc,f,f2,Tc-1igc-1,gc,gc-21(Tc-1,rc,Tc-21(8)(gc-2,gc-1,*,gc-31(Tc-2,Tc-1,Tc-3 i472分组转换方式如式（3)所示，每执行p轮后，将分组编号依次改变，并相应改变其请求编号。当每组都对请求有排序后，所有节点都执行当前请求集合（R，每当一个请求执行完毕后，立即向客户端返回执行结果。在返回请求处理结果时，仅由对应分组返回对应请求结果以节省组间通信开销。4仿真与分析本文通过仿真共识，设备配置为COREi5-6300处理器，16G运行内存，Windows10操作系统，用编程语言通过多端口仿真多节点实现HotStuff算法和PBHS算法并进行比较。仿真从通信开销对两个算法进行分析，并从吞吐量，延迟两个方面进行仿真并对结果进行比较。4.1通信开销分析通信开销指达成共识的过程中所需要的通信次数总和。设系统中的总节点有n个,分为G组,每组m个节点,其中m满足m3f+1,其中f是每个组内所能容纳的最大拜占庭节点。对于HotStuff算法，每轮公式处理1个请求，每处理1个请求所需要的通信开销为8 Gm，处理G笔请求所需要的通信开销为C,=8Gm G=8Gm(9)对于PBHS算法，由于该算法分组执行本组请求，对请求执行结果再做组间共识，所以每次共识能够处理G个请求，每组内的通信开销为8 m,G组执行G个请求，所以Local阶段开销为8 Gm，G 组Remote共识开销为fC,则PBHS整体通信开销为C,=8Gm+fC2(10)令9 为二者比值结果，则8Gm+fC28C2mG(11)14在q中由于每组内的节点数最小为4,所以分组须小于n。对q做变换得24+G=24G(12)由该式可知,当G为1,即只有一个分组时q1,即PBHS算法通信开销大于HotStuff算法通信开销；而当G1时，q1,即分组数量大于1时,PBHS算法的通信开销优于HotStuff算法。将一带人式中，对该式求极限可得9 mm即理论424上得出，在分组足够大时,PBHS算法的通信开销能够有着显著下降。4.2吞吐量对比吞吐量指在单位时间内系统平均能够处理请的数量，该值用TPS(TransactionPerSecond）来表示，计算方法为requetsTPS=(13)At为方便仿真，分组设置为3，由客户端发送2 0 0 0 次请求，并设置不同节点数分别对HotStuff和PBHS算法进行仿真，实验中记录并计算得出两算法的吞吐量，仿真结果如图4所示。PBHS与HotStuff吞吐量对比190017001500130011009007005001322313440节点数A-Hotstuff-PBHS图4HotStuff与PBHS吞吐量对比从仿真结果可以看出，两种算法随着参与节点的增多，吞吐量均有所下降，但是PBHS算法的吞吐量整体明显高于HotStuff算法,PBHS算法在节点总数增高的同时仍然能够保证较高的吞吐量，该实验说明PBHS算法整体吞吐量优于HotStuff 算法。4.3平均延迟对比延迟一般指客户端请求提交到共识完成并响应所花费的时间，平均延迟指在进行多次请求，对请求达成共识并执行后的平均延迟。对PBHS算法设置分组为3,设置不同节点数，对其平均延迟进行对比分析，仿真结果如图5所示。PBHS与HotStuff平均延迟对比13001200110010009008007006005004003001322313440节点数-Hotstuff-PBHS图5PBHS与HotStuff平均延迟对比仿真结果显示，PBHS算法的平均延迟要低于HotStuff算法。分析可知，虽然单笔共识所进行的共识流程要多于HotStuff,但是当处理多个请求时，由于PBHS算法分组分别对组内请求进行共识，同时能够处理请求数量多于HotStuff算法，所以平均延迟要低于HotStuff算法。5总结与展望共识算法的优劣对于区块链性能的影响是至关重要的，473上接第332 页）共识算法不仅要保证区块链节点间的共识的高效，更要保证在共识发生错误时的容错性。本文针对HotStuff算法忽略了位置因素对于共识算法吞吐量的影响，结合基于位置分组的思想，提出了基于位置分组的HotStuff改进算法，组内通过HotStuff的低复杂度实现快速共识，组间减小了距离较远节点间的通信，每组分别处理当地请求，提高了整体共识算法的吞吐量。实验结果表明，PBHF算法相较于HotStuff算法提高了一定吞吐量。在出错情况下能够保证共识的正常进行。算法较于原本的HotStuff算法虽然有了一定的性能提升，但分组主节点更换将对共识过程造成消极影响，如何根据特征参数评价节点稳定性将是本文下一步的研究方向。参考文献：1Nakamoto S.Bitcoin:A Peer-to-Peer Electronic Cash System J/OL.2008 https:/bitcoin.org/en/bitcoin-paper.2刘明熹，甘国华，程郁琨，等.区块链共识机制的发展现状与展望J.运筹学学报，2 0 2 0,2 4(1).3陆歌皓，谢莉红，李析禹。区块链共识算法对比研究J.计算机科学,2 0 2 0,4 7(S1)：332-339.4Lamport L.The Byzantine generals problem J.ACM Transactionson Programming Languages&Systems,1982,4(3):382-4015戴安博，陈恭亮.POW区块链共识算法分析与展望J.通信技术,2 0 19,52(12)：2 8 39-2 8 4 5.6刘明熹，甘国华，程郁琨，肖琳，刘帅，房勇.区块链共识机制的发展现状与展望J.运筹学学报,2 0 2 0,2 4（1)：2 3-39.7谈森鹏,杨超.区块链DPoS共识机制的研究与改进J.现代计算机（专业版）,2 0 19，（6）：11-148Ke Wang,Hyong S Kim.FastChain:Scaling blockchain systemwith informed neighbor selectionJ.I E E E I n t e r n a t i o n a lConference on Blockchain,2019:377-383.9陈友荣，陈浩，韩蒙，等。基于信用等级划分的医疗数据安全共识算法J.电子与信息学报,2 0 2 1,4 3：1-9.14Chan Y T,Wood J.A new order determination technique for AR-MA processesJ.IEEE Trans.Acoust.Speech Signal.Process.1984,32:517-521.15Doerr B,Krejca M S.Significance-Based Estimation-of-Distribu-tion AlgorithmsJ.IEEE Trans.Evol.Comput.2020,24:1025-1034.16 吴烨烨，高尚.改进的分布估计算法求解多目标优化问题J.计算机与数字工程，2 0 19,4 7（6）：1357-136 3.10Castro M,Liskov B.Practical Byzantine fault tolerance C.Pro-ceedings of the 3rd USENIX Symposium on Operating Systems De-sign and Implementation.New York,USA:ACM Press,1999:173-186.11Kotla R,Clement A,Wong E,et al.Zyzzyva:SpeculativeByzantine Fault Tolerance J.ACM Transactions on ComputerSystems,2007,51(6):45-58.12Yin M,Malkhi D,Reiter M K,et al.HotStuff:Bft consensus withlinearity and responsiveness C.Proceedings of 2019 ACM Sym-posium on Principles of Distributed Computing.New York,USA:ACM Press,2019:347-356.13王成，史天运.区块链技术综述及铁路应用展望J.中国铁路,2 0 17,(9):9 1-9 8.14Elli Androulaki,Artem Barger,et al.Hyperledger Fabric:A Dis-tributed Operating System for Permissioned Blockchains C.Ap-pears in proceedings of EuroSys 2018 conference,2018.15Baudet M,Ching A,Chursin A,et al.State machine replication inthe Libra blockchain EB/OL.2020-12-1.https:/developers.libra-china.org/docs/assets/papers/libraconsensus-state-machine-replication-in-the-libra-blockchain.Pdf.16朱海，金瑜.DS-PBFT：一种基于距离的面向区块链的共识算法J/0L.小型微型计算机系统，2 0 2 1-0 9-2 4:1-9.作者简介张宇翔（19 9 7-），男（汉族），四川省成都市人，硕士研究生，主要研究领域为区块链技术。廖浩德（19 6 5-），男（汉族），四川省成都市人，教授，硕士研究生导师，主要研究领域为区块链技术。向海（19 8 2-），男（汉族），四川省成都市人，高级实验师，主要研究领域为信息技术。李博（19 9 6-），男（汉族），四川省内江市人，硕士研究生，主要研究方向为区块链技术。作者简介黄国豆（19 9 3-），男（汉族），河南信阳人，硕士研究生，主要研究领域为非高斯随机系统性能评估。张金芳（19 7 7-），女（汉族），北京昌平人，副教授，硕士研究生导师，主要研究领域为输出分布控制，控制系统性能评估。黄俊雄（19 9 4-），男（汉族），广东惠州人，硕士研究生，主要研究领域为随机系统性能评估。翟宇卓（19 9 7-），男（汉族），吉林省长春市人，硕士研究生，主要研究领域为电力调度风光并网优化与状态监测。