[论文解读] Dynamic Practical Byzantine Fault Tolerance and Its Blockchain System: A Large-Scale Markov Modeling

Yan-Xia Chang, Quan‐Lin Li+2 more|arXiv (Cornell University)|Oct 25, 2022

Blockchain Technology Applications and Security被引用 4

一句话总结

本文提出一种动态实用拜占庭容错（PBFT）共识机制，其中投票节点可动态加入和离开网络，将系统建模为大规模多维广义出生死亡（QBD）过程。通过RG分解法与马尔可夫建模，开发出高效算法以计算吞吐量与性能指标，揭示了在不同节点动态与故障率下安全性和可扩展性之间的权衡。

ABSTRACT

In a practical Byzantine fault tolerance (PBFT) blockchain network, the voting nodes may always leave the network while some new nodes can also enter the network, thus the number of voting nodes is constantly changing. Such a new PBFT with dynamic nodes is called a dynamic PBFT. Clearly, the dynamic PBFT can more strongly support the decentralization and distributed structure of blockchain. However, analyzing dynamic PBFT blockchain systems will become more interesting and challenging. In this paper, we propose a large-scale Markov modeling technique to analyze the dynamic PBFT voting processes and its dynamic PBFT blockchain system. To this end, we set up a large-scale Markov process (and further a multi-dimensional Quasi-Birth-and-Death (QBD) process) and provide performance analysis for both the dynamic PBFT voting processes and the dynamic PBFT blockchain system. In particular, we obtain an effective computational method for the throughput of the complicated dynamic PBFT blockchain system. Finally, we use numerical examples to check the validity of our theoretical results and indicate how some key system parameters influence the performance measures of the dynamic PBFT voting processes and of the dynamic PBFT blockchain system. Therefore, by using the theory of multi-dimensional QBD processes and the RG-factorization technique, we hope that the methodology and results developed in this paper shed light on the study of dynamic PBFT blockchain systems such that a series of promising research can be developed potentially.

研究动机与目标

• 为解决在节点持续加入和离开的动态网络中建模PBFT共识的挑战，此类动态提升了去中心化程度，但增加了性能分析的复杂性。
• 开发一种可扩展的随机模型，以捕捉PBFT区块链中投票节点与事务处理的动态行为。
• 提供计算高效的性能评估方法，特别是针对动态PBFT系统中的吞吐量等关键性能指标。
• 分析关键系统参数（如节点到达率/离开率、投票速度与拜占庭故障率）对系统性能与安全性的影响。
• 基于多维QBD过程与RG分解法，为未来自适应与安全的区块链共识机制研究奠定理论基础。

提出的方法

• 将动态PBFT系统建模为连续时间马尔可夫过程，其状态空间反映活跃投票节点数量与事务状态。
• 将系统形式化为多维广义出生死亡（QBD）过程，以捕捉准备、预提交与回复阶段之间的复杂状态转移。
• 应用RG分解技术求解QBD过程的稳态分布，从而实现性能指标的高效计算。
• 基于QBD过程的解，推导出两种有效算法，用于计算动态PBFT区块链系统的事务吞吐量。
• 将节点到达率（p）、离开率（β）与投票率（γ）等系统参数整合进马尔可夫模型，以分析其对性能的影响。
• 通过数值实验验证理论结果，并展示吞吐量对关键系统参数的敏感性。

实验结果

研究问题

• RQ1 动态节点流动（投票节点的到达与离开）如何影响基于PBFT的区块链系统的吞吐量与稳定性？
• RQ2 不同节点到达与离开率对动态PBFT共识机制的性能与安全性有何影响？
• RQ3 在动态环境中，不同事务处理速率（如准备、预提交、回复）如何影响整体系统吞吐量？
• RQ4 在增加投票节点数量或拜占庭节点比例时，系统吞吐量与安全性之间存在何种权衡？
• RQ5 RG分解技术能否有效应用于求解大规模多维QBD过程在动态PBFT系统中的稳态分布？

主要发现

• 吞吐量（TH）随节点到达率（p）提高而增加，表明更快的诚实节点上线可提升系统效率。
• 吞吐量随区块固定或回滚率（β）提高而增加，表明更快的故障恢复可提升事务处理速度。
• 存在一个临界阈值（p̃₀），当p < p̃₀时提高投票率（γ）会降低吞吐量，而当p > p̃₀时则会提升吞吐量，揭示了非单调的性能权衡。
• 该模型揭示了根本性权衡：较少节点可实现更高吞吐量，但若拜占庭节点比例较高，则安全性降低。
• 数值验证表明，理论吞吐量模型与模拟结果在不同参数设置下高度一致，证实了所提算法的准确性。
• 基于RG分解的求解方法可高效计算大规模动态PBFT系统中的性能指标，使实时分析成为可能。