CN114461730A - 基于余数***的自适应区块数据压缩方法 - Google Patents
基于余数***的自适应区块数据压缩方法 Download PDFInfo
- Publication number
- CN114461730A CN114461730A CN202210121096.1A CN202210121096A CN114461730A CN 114461730 A CN114461730 A CN 114461730A CN 202210121096 A CN202210121096 A CN 202210121096A CN 114461730 A CN114461730 A CN 114461730A
- Authority
- CN
- China
- Prior art keywords
- node
- transaction
- block
- remainder
- block chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于余数***的自适应区块数据压缩方法,包括以下步骤:初始化,利用区块链网络底层Kademlia协议提供的节点发现、资源定位机制,各个节点以键值对Key‑Value的形式,构建并维护邻居列表;交易规范化;交易易压缩:节点将将每一笔交易转换为一个N行NC列的余数矩阵ΦN,生成对应的承诺;节点将生成的承诺***到布隆过滤器中;当待打包的所有交易,其对应的承诺都被***布隆过滤器后,节点开始创造新区块;节点将新区块广播至网络中;接收到新区块后,节点根据区块链协议,验证包括nonce在内的其余内容;节点将其追加至本地区块链的尾部;交易恢复。
Description
技术领域
本发明涉及一种针对公有链的区块数据压缩方法。
背景技术
区块链是数字加密货币体系的核心支撑技术(分布式记账技术,Distributedledger technology,DLT),其本质是一个分布式数据库,通过与非对称加密、激励机制、点对点网络(Peer-to-peer,P2P),共识算法等技术紧密结合,具有去中心化、去信任、防篡改、可追溯等核心特点,为解决现有中心化模式下存在的数据可靠性差、安全性低、信任成本高等问题提供了崭新的思路,在金融、医疗、教育、智能电网、食品安全等领域得到广泛的关注和应用。同时,伴随着物联网(Internet of things,IoT)技术的发展,大量智能终端、传感设备的涌入,使得区块链网络发展成为多方合作、资源共享的平台:智能设备收集、提供实时数据,区块链则利用其密码学、智能合约等技术,提供隐私保护与结算、审计服务。
区块链的可扩展性是其基础理论研究中的一项难题。伴随着节点涌入、交易攀升,区块链数据量急剧膨胀,已成为制约其扩展性的关键瓶颈。区块链数据分为链上数据与状态数据。链上数据主要指存储在区块体内部的交易日志,用来记录状态数据的变化,如数字资产的产生与转移,是区块链可追溯特性的来源。链上数据占据了区块链存储量的绝大部分。状态数据用来维护账户(account/address)与其资产(balance)间最新的对应关系,随着交易的执行、确认而持续更新。状态数据主要用来加速数据查询、交易验证,可以通过追溯链上数据直到创世区块来重新构建,只占区块链存储量的一小部分。
资源有限的节点,尤其是物联网传感器,受限于庞大的数据量,无法有效地加入区块链网络。多方合作、资源共享受阻碍的同时,“超级节点”、“矿池”对资源、算力的垄断大大提高了中心化、51%攻击的风险。
目前,针对区块链存储问题,主要有以下四类优化思路,均存在相应的缺点:
(1)“节点划分”。根据资源(存储、算力)多寡,节点被分为全节点和轻节点。全节点存储完整的区块,可以独立地验证交易、完成工作量证明、创建新区块,是区块链网络的骨干。轻节点则只保留区块头,通过全节点同区块链交互,并同步全节点处的状态数据,只能独立地创建、转发交易。轻节点可以通过简单的支付验证(Simplified paymentverification, SPV)判断交易是否成功上链,此时需要全节点提供相应的默克尔证明。全节点实质上主导了整个区块链,大大提高了中心化程度。
(2)“分发协议”。星际文件***(Interplanet file system,IPFS)和分片(Sharding) 是目前的常用方案。IPFS方案的核心思路是将分段后的区块链数据分摊到各个节点,链上则只保留数据段的哈希。Sharding方案的核心思路,在于将区块链分段的同时,对节点进行分组,不同分段由不同的分组维护。因此,各个节点只需存储对应分段的数据,存储量降低的同时,交易速度也得到提升。然而,存储量并没有实质上被减少,只是进行了转移或分摊,在增加网络结构复杂度的同时,也增加了数据泄露的风险。
(3)“生成快照”。典型的方案有账户树(account tree)和递归摘要树(recursivesummarization tree)。其核心思想是利用数据访问的局部性原则(越新鲜的数据被访问的可能性越大),按一定间隔删除历史区块,只保留其摘要,从而大幅降低区块链存储量。方案的缺点在于,删除的历史区块无法恢复,动摇了区块链可追溯的核心特性。
(4)“数据压缩”。典型的方案为先对历史区块生成快照,再结合哈夫曼树和LZ77算法直接处理摘要区块,从而降低存储量。一方面,该方案忽视了区块链本身的结构特性,将其视为普通的序列化字节流进行编解码处理,不能从根本上解决问题。另一方面,该方案同样削弱了区块链的可追溯特性。
发明内容
针对现有优化思路的不足,本发明提出一种基于余数***(Residue numbersystem,RNS) 的自适应区块数据压缩方案。以占区块链存储量绝大部分的区块体为优化对象,以交易为基本处理单位,通过将交易映射为分散存储在各个节点的余数子集,实现各节点本地存储量的大幅度降低。该方案同现有区块链工作流程完全兼容,同时节点可以根据各自存储资源的多寡自适应地决定本地压缩率。当查询交易内容时,节点收集分散在网络中的余数子集,利用中国剩余定理(Chinese remainder theorem,CRT)对交易原始内容进行恢复,不会对区块链的可追溯性造成削弱。技术方案如下:
一种基于余数***的自适应区块数据压缩方法,包括以下步骤:
(1)初始化:
第2步:各个节点从ΨN中选出一个包含L,0<L<N,个元素的子集ψL={m′0,m′1…m′L-1|m′i∈ΨN},ψL中的元素称为“本地模数”;
第3步:利用区块链网络底层Kademlia协议提供的节点发现、资源定位机制,各个节点以键值对Key-Value的形式,构建并维护邻居列表;每一个键值对被称为一个Slot;其中,Key是模数集ΨDs=ΨN-ψL中的任一元素m″i,0<i<N-L-1;对应的Value是一个列表,其元素为选择m″i为本地模数的节点的IP地址;
第4步:各个节点遵循区块链协议,签发或监听、验证新的交易,验证成功的交易缓存在交易池,其中部分将在被规范化、压缩后,打包进入新区块;
(2)交易规范化:
第1步:节点将长度为LT的交易转化为二进制序列,在末尾补零,使得二进制序列的长度为2的幂,补零长度记为NP;
第3步:节点将每一笔交易规范化得到的NP、NC保存在本地;
(3)交易压缩:
其中,hash(TX)是该笔交易对应的哈希值,i是该行对应的模数在ΨN中的索引值,“+”表示拼接;
节点将生成的承诺***到布隆过滤器中;
第3步:节点开始创造新区块;区块体不再包含完整的交易,而只包含对应的哈希值;布隆过滤器则被添加至区块头,形成新区块头;节点将新区块广播至网络中;
第4步:接收到新区块后,节点根据区块体中的哈希值,在本地交易池找到对应的交易,验证其有效性,并重新基于ΨN对规范化的交易执行求摸运算得到ΦN;节点根据ΦN重新生成承诺来验证布隆过滤器的有效性;
第5步:新区块验证成功后,节点将其追加至本地区块链的尾部;上链时,对于每一笔交易,节点根据其在***初始化时选定的本地模数集ψL,从ΦN中选出对应的行,追加在交易哈希值的后面;一笔交易被表示为分散存储在各个节点上的余数行,使得区块数据整体得到压缩;
(4)交易恢复。
进一步地,ΨN由小于2b的N个最大质数组成。
交易恢复的方法如下:
第1步:节点根据其维护的邻居列表,逐行请求对应m″i(m″i∈ΨDs)的余数子集,节点得到对应m″i的正确余数行后,才会请求对应m″i+1的余数行;节点检查每一个邻居节点的响应,检查时,节点将本地维护的交易哈希hash(TX)、索引值i同邻居节点的响应R′按顺序拼接,重新计算承诺,并通过判断该承诺是否在布隆过滤器中来确定该响应的有效性;不响应或返回无效响应的节点将从邻居列表剔除,节点根据Kademlia协议提供的底层机制发现新节点并补充进对应的Slot中;
第2步:节点基于收集到的N-L个余数行,结合本地存储的L行,利用CRT得到原始交易补零后的二进制序列;节点通过本地保存的NC、NP,确定原始交易序列的起始位置,从而恢复出原始的交易内容;节点通过验证哈希值来判断交易是否正确恢复。
本方案具有如下特征:
(1)以区块链交易为基本处理单位,利用RNS将其映射为分散存储在各个节点的余数子集,从而最终实现区块数据压缩,大幅度降低各节点的存储量。
(2)区块压缩后,节点可以通过收集分散在网络中的余数子集并执行CRT运算来恢复交易的原始内容,不损害区块链可追溯的核心特性。
(3)由于公有链是开放式网络,节点无需身份验证,可以自由地加入和退出。因此,该数据压缩方案要具有良好的可用性,在复杂网络环境下(节点宕机失效或作恶),仍可以高效、正确地实现原始交易的恢复。
应用本方案后,将具有如下有益效果:
(1)该方法在保证原始交易内容可恢复的前提下,实现了区块数据压缩,大幅降低了节点的存储负担,同时不削弱区块链可追溯的核心特性。
(2)该方法完全兼容现有区块链协议的工作流程,不会带来***架构复杂度的提升。
(3)应用该方法时,节点可以根据自身存储量的多寡、对独立性的要求,通过决定L的大小,来自适应地决定本地压缩率。资源有限的节点可以选择较小的L,资源丰富的节点可以选择较大的L甚至Lmax。一方面降低了资源有限节点加入区块链的门槛,另一方面无论资源多寡,节点都只能掌握部分数据,不能独立控制整个网络,避免了中心化的风险。此外,存储更多数据(L更大)的节点在恢复交易时具有优势,从而形成一种有效的激励机制,鼓励资源丰富的节点在不能控制整个网络的前提下,贡献更多的存储资源。
(4)应用该方法后,每个节点只能保留完整交易信息的一部分,从而提供更好的隐私保护功能。
附图说明
图1基于RNS的自适应区块链数据压缩方法***模型。
图2交易规范化过程(交易长度LT=800bits)。
图3交易压缩过程。
图4交易恢复过程。
图5本地压缩率(b=8,N=32,L=1~24)。
图6不同网络环境下,交易查询服务的可用性(b=8,N=32,L=1,8,16;q=0.1,0.3, 0.5)。
图7不同网络环境下的通信开销(b=8,N=32,L=1,8,16;q=0.1~0.5)。
图8不同网络环境下恢复交易的计算开销(b=8,N=32,L=1,8,16;q=0.1~0.5)。
具体实施方案
本发明提出一种基于余数***(Residue number system,RNS)的自适应区块体数据压缩方法,在不损害区块链核心特性的前提下,大幅度减少各节点的存储量。具体实施方案分为三个部分:
I***初始化:
(1)***预置一组包括N个模数的余数基ΨN={m0,m1…,mN-1},其中模数位宽为b。模数两两互质,按从小到大的顺序排列。N个模数的最小公倍数被称之为“动态范围”。一般地,ΨN由小于2b的N个最大质数组成,一旦确定则不可改变。实际部署中,模数位宽定为8(b=8),余数基为小于28的32个最大素数(N=32),如下表所示:
m<sub>1</sub>-m<sub>4</sub> | m<sub>5</sub>-m<sub>8</sub> | m<sub>9</sub>-m<sub>12</sub> | m<sub>13</sub>-m<sub>16</sub> | m<sub>17</sub>-m<sub>20</sub> | m<sub>21</sub>-m<sub>24</sub> | m<sub>25</sub>-m<sub>28</sub> | m<sub>29</sub>-m<sub>32</sub> |
251 | 229 | 199 | 181 | 163 | 139 | 113 | 101 |
241 | 227 | 197 | 179 | 157 | 137 | 109 | 97 |
239 | 223 | 193 | 173 | 151 | 131 | 107 | 89 |
233 | 211 | 191 | 167 | 149 | 127 | 103 | 83 |
(2)各个节点根据自身存储资源的多寡、对独立性的要求,从ΨN中选出一个包含L(0<L<N)个元素的子集ψL={m′0,m′1…m′L-1|m′i∈ΨN}。ψL中的元素称为“本地模数”。实际部署中,各个节点最多选择24个本地模数(Lmax=24)。
(3)利用区块链网络底层Kademlia协议提供的节点发现、资源定位机制,各个节点以键值对(Key-Value)的形式,构建并维护一个邻居列表(Peer list)。每一个键值对被称为一个Slot。其中,Key是模数集ΨDs(ΨDs=ΨN-ψL)中的任一元素m″i(0<i<N-L-1)。对应的Value是一个列表,其元素为选择m″i为本地模数的节点的IP地址。各节点处的邻居节点定期刷新以排除无效的节点。实际部署中,每个slot存储8个IP地址。节点每次执行节点发现、资源定位操作时,从对应的slot中随机并行访问3个节点(并发因子α=3)。
(4)各个节点遵循现有区块链协议,签发或监听、验证新的交易。验证成功的交易缓存在交易池,其中部分将在被规范化、压缩后,打包进入新区块。
II交易规范化:
区块链中,交易是不定长的。为了方便动态范围MN的确定,压缩交易前需要先进行规范化。
(1)节点将长度为LT的交易转化为二进制序列,在末尾补零,使得二进制序列的长度为2的幂。补零长度记为NP(Number of paddings)。
(3)节点将每一笔交易规范化得到的NP、NC保存在本地。
III交易压缩:
其中,hash(TX)是该笔交易对应的哈希值,i是该行对应的模数在ΨN中的索引值,“+”表示拼接。然后,节点将生成的承诺***到布隆过滤器中。
(3)当待打包的所有交易,其对应的承诺都被***布隆过滤器后,节点开始创造新区块。区块体不再包含完整的交易,而只包含对应的哈希值。布隆过滤器则被添加至区块头。节点遵循现有区块链协议,根据新区块头内容进行工作量证明。当找到满足难度值要求的随机数 (nonce)后,节点将新区块广播至网络中。实际部署中,布隆过滤器虚警率设为0.01(p=0.01)。
(4)接收到新区块后,节点根据区块体中的哈希值,在本地交易池找到对应的交易,验证其有效性,并重新基于ΨN对规范化的交易执行求摸运算得到ΦN。然后,节点根据ΦN重新生成承诺来验证布隆过滤器的有效性。验证完毕后,节点根据现有区块链协议,验证包括 nonce在内的其余内容。
(5)新区块验证成功后,节点将其追加至本地区块链的尾部。上链时,对于每一笔交易,节点根据其在***初始化时选定的本地模数集ψL,从ΦN中选出对应的行,追加在交易哈希值的后面。
IV交易恢复:
上述步骤完成后,一笔交易被表示为分散存储在各个节点上的余数行,从而使得区块数据整体得到压缩。当节点查询交易内容时,需要对原始的交易内容进行恢复。
(1)节点根据其维护的邻居列表,逐行请求对应m″i(m″i∈ΨDs)的余数子集(节点得到对应m″i的正确余数行后,才会请求对应m″i+1的余数行)。节点将检查每一个邻居节点的响应。检查时,节点将本地维护的交易哈希hash(TX)、索引值i同邻居节点的响应R′按顺序拼接,重新计算承诺,并通过判断该承诺是否在布隆过滤器中来确定该响应的有效性。不响应或返回无效响应的节点将从邻居列表剔除,节点根据Kademlia协议提供的底层机制发现新节点并补充进对应的Slot中。
(2)节点基于收集到的N-L个余数行,结合本地存储的L行,利用CRT得到原始交易补零后的二进制序列。然后,节点通过本地保存的NC、NP,确定原始交易序列的起始位置,从而恢复出原始的交易内容。节点可以通过验证哈希值来判断交易是否正确恢复。
基于RNS的自适应区块数据压缩方法,其性能可以从压缩率、开销、可用性性三个层面来衡量:
(1)压缩率定义为,应用该方法后减少的存储量占原始存储量的比例。
(2)开销为交易压缩、恢复过程中产生的额外计算、通信开销。计算开销主要来自于求模、哈希运算。
(3)交易查询服务的可用性定义为应用该方法后,节点在复杂网络环境下,仍能成功恢复交易原始内容的能力。复杂网络环境下,节点自由进出,存在恶意节点意图通过篡改本地数据干扰交易恢复进程。一般地,恶意节点间彼此独立,互不统属,在网络中均匀分布。该方法的可用性通过恢复一笔交易需要的平均请求次数来衡量(每访问邻居列表中一个IP地址就算作一次请求)。
基于上述定义,该方法的压缩率、开销、可用性主要由(b,N)决定。经过理论分析与仿真实验,当方法取上述参数时,拥有最佳效果。此时,该方法压缩率最高接近80%。当网络中恶意节点比例q一定时,其余性能表现如图6,7,8所示。从中可知:
(1)节点可以通过L的选择,更细粒度地自适应调整本地压缩率。
(2)相比于目前370bytes的平均交易长度,在最恶劣的网络环境下(q=0.5),恢复一笔交易造成的通信开销只有原始交易大小的两倍。
(3)由于本身运算的高效性,交易压缩恢复过程中额外的求模、哈希运算不会导致出块时间大的波动。
(4)本地存储更多数据的节点,虽然会损失一部分压缩率,但在交易恢复过程中也具有更多优势。这说明该方法可以提供一种有效的激励机制,鼓励资源丰富的节点分担更大的存储责任,又不至于形成数据垄断。
Claims (3)
1.一种基于余数***的自适应区块数据压缩方法,包括以下步骤:
(1)初始化:
第2步:各个节点从ΨN中选出一个包含L,0<L<N,个元素的子集ψL={m′0,m′1…m′L-1|m′i∈ΨN},ψL中的元素称为“本地模数”;
第3步:利用区块链网络底层Kademlia协议提供的节点发现、资源定位机制,各个节点以键值对Key-Value的形式,构建并维护邻居列表;每一个键值对被称为一个Slot;其中,Key是模数集ΨDs=ΨN-ψL中的任一元素m″i,0<i<N-L-1;对应的Value是一个列表,其元素为选择m″i为本地模数的节点的IP地址;
第4步:各个节点遵循区块链协议,签发或监听、验证新的交易,验证成功的交易缓存在交易池,其中部分将在被规范化、压缩后,打包进入新区块;
(2)交易规范化:
第1步:节点将长度为LT的交易转化为二进制序列,在末尾补零,使得二进制序列的长度为2的幂,补零长度记为NP;
第3步:节点将每一笔交易规范化得到的NP、NC保存在本地;
(3)交易压缩:
其中,hash(TX)是该笔交易对应的哈希值,i是该行对应的模数在ΨN中的索引值,“+”表示拼接;
节点将生成的承诺***到布隆过滤器中;
第3步:节点开始创造新区块;区块体不再包含完整的交易,而只包含对应的哈希值;布隆过滤器则被添加至区块头,形成新区块头;节点将新区块广播至网络中;
第4步:接收到新区块后,节点根据区块体中的哈希值,在本地交易池找到对应的交易,验证其有效性,并重新基于ΨN对规范化的交易执行求摸运算得到ΦN;节点根据ΦN重新生成承诺来验证布隆过滤器的有效性;
第5步:新区块验证成功后,节点将其追加至本地区块链的尾部;上链时,对于每一笔交易,节点根据其在***初始化时选定的本地模数集ψL,从ΦN中选出对应的行,追加在交易哈希值的后面;一笔交易被表示为分散存储在各个节点上的余数行,使得区块数据整体得到压缩;
(4)交易恢复。
2.根据权利要求1所述的自适应区块数据压缩方法,其特征在于,ΨN由小于2b的N个最大质数组成。
3.根据权利要求1所述的自适应区块数据压缩方法,其特征在于,交易恢复的方法如下:
第1步:节点根据其维护的邻居列表,逐行请求对应m″i的余数子集,节点得到对应m″i的正确余数行后,才会请求对应m″i+1的余数行;节点检查每一个邻居节点的响应,检查时,节点将本地维护的交易哈希hash(TX)、索引值i同邻居节点的响应R′按顺序拼接,重新计算承诺,并通过判断该承诺是否在布隆过滤器中来确定该响应的有效性;不响应或返回无效响应的节点将从邻居列表剔除,节点根据Kademlia协议提供的底层机制发现新节点并补充进对应的Slot中;
第2步:节点基于收集到的N-L个余数行,结合本地存储的L行,利用CRT得到原始交易补零后的二进制序列;节点通过本地保存的NC、NP,确定原始交易序列的起始位置,从而恢复出原始的交易内容;节点通过验证哈希值来判断交易是否正确恢复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210121096.1A CN114461730A (zh) | 2022-02-09 | 2022-02-09 | 基于余数***的自适应区块数据压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210121096.1A CN114461730A (zh) | 2022-02-09 | 2022-02-09 | 基于余数***的自适应区块数据压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114461730A true CN114461730A (zh) | 2022-05-10 |
Family
ID=81413641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210121096.1A Pending CN114461730A (zh) | 2022-02-09 | 2022-02-09 | 基于余数***的自适应区块数据压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114461730A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116016571A (zh) * | 2022-12-29 | 2023-04-25 | 中国科学技术大学 | 基于rcrt的分布式存储方法、***、设备及存储介质 |
-
2022
- 2022-02-09 CN CN202210121096.1A patent/CN114461730A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116016571A (zh) * | 2022-12-29 | 2023-04-25 | 中国科学技术大学 | 基于rcrt的分布式存储方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khalaf et al. | Optimized dynamic storage of data (ODSD) in IoT based on blockchain for wireless sensor networks | |
CN109471744B (zh) | 基于区块链的主链加并行多子链***架构 | |
US10154086B1 (en) | Distributed consumer cloud storage system | |
CN110011981B (zh) | 一种基于区块链的可信云存储方法及*** | |
CN109472572B (zh) | 基于区块链主链加并行多子链的合约*** | |
US6988124B2 (en) | Locating potentially identical objects across multiple computers based on stochastic partitioning of workload | |
KR102337760B1 (ko) | 심층강화학습 기반 적응적 샤드 블록체인 네트워크 관리 장치 및 방법 | |
WO2019024780A1 (zh) | 区块链轻量化处理方法、区块链节点及存储介质 | |
CN108062419B (zh) | 一种文件存储方法、电子设备、***和介质 | |
US11036760B2 (en) | Method for parallel maintenance of data consistency | |
CN113553375B (zh) | 一种面向图式区块链的分片存储装置及方法 | |
US20230130074A1 (en) | Network transmission optimization device for graph-type blockchain and method thereof | |
CN113626875A (zh) | 一种区块链分片赋能的知识图谱文件存储方法 | |
Giri et al. | A survey on data integrity techniques in cloud computing | |
CN114127724A (zh) | 针对多副本存储的完整性审计 | |
Wu et al. | Robust and auditable distributed data storage with scalability in edge computing | |
CN116669111A (zh) | 一种基于区块链的移动边缘计算任务卸载方法 | |
CN114461730A (zh) | 基于余数***的自适应区块数据压缩方法 | |
CN116366673A (zh) | 一种面向电网信息机房管理的数据分析与共享方法 | |
CN109783456B (zh) | 去重结构搭建方法、去重方法、文件取回方法、去重*** | |
CN113157450A (zh) | 在区块链***中执行区块的方法及装置 | |
CN111866181A (zh) | 一种基于区块链的雾网络中任务卸载优化方法 | |
CN115065689B (zh) | 一种基于历史评价的联盟链区块数据存储方法及*** | |
CN114785805B (zh) | 一种数据传输方法、装置、电子设备以及存储介质 | |
CN116405179A (zh) | 基于区块链分片和dag的建筑物联网数据管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |