AICons:一种由能量保持与公平性驱动的AI赋能共识算法
分布式、并行与集群计算
2023-04-18 v1
摘要
区块链已用于若干领域。然而该技术仍有主要局限,很大程度上关联于其核心组件之一即共识协议/算法。文献中已提出若干方案,其中一些基于机器学习(ML)方法的使用。基于ML的共识算法通常浪费(贡献/参与)节点所做工作,因仅考虑/使用获胜者的ML模型,导致低能量效率。为减少能源浪费并改善可扩展性,本文提出一种由能量保持与基于贡献的节点奖励公平性驱动的AI赋能共识算法(名为AICons)。特别地,所有节点训练的本地ML模型被用于生成全局ML模型以选择获胜者,从而减少能源浪费。考虑奖励公平性,我们创新性地为Shapley值评估方程设计效用函数,从ML模型精度、能耗与网络带宽三方面评估各节点贡献。三方面结合为单一Shapley值以反映区块链系统中各节点的贡献。我们开展了广泛实验以评估所提方案的公平性、可扩展性与盈利性。特别地,AICons在节点间具有均匀分布的奖励-贡献比,每秒多处理38.4笔交易,并允许节点比最先进方案获得更多利润以支持更大网络。
引用
@article{arxiv.2304.08128,
title = {AICons: An AI-Enabled Consensus Algorithm Driven by Energy Preservation and Fairness},
author = {Qi Xiong and Nasrin Sohrabi and Hai Dong and Chenhao Xu and Zahir Tari},
journal= {arXiv preprint arXiv:2304.08128},
year = {2023}
}