CSA GCR：共識演算法與共識安全白皮書（附下載）

DinK發表於2023-12-26

報告下載：新增199IT微信公眾號【i199it】，回覆關鍵詞【共識演算法與共識安全】即可下載

共識問題是社會科學和電腦科學等領域的經典問題，電腦科學領域的早期共識研究一般聚焦於分散式一致性，即如何保證叢集中所有節點中的資料完全相同並且能夠對某個提案(Proposal)達成一致，主要解決的問題是因節點失效、節點間網路故障及分散式系統的執行速度的差異而帶來的系統不一致問題。Fischer 等在 1985 年提出了 FLP 不可能原理，即在網路可靠，但允許節點失效(即便只有一個)的最小化非同步模型系統中，不存在一個可以解決一致性問題的確定性共識演算法[1]。Eric Brewer 在 1998 年提出了 CAP 理論，指出在非同步的網路模型中，所有的節點由於沒有時鐘，僅僅能根據接收到的訊息作出判斷，系統最多隻能同時滿足一致性(Consistency)、可用性(Availability)和分割槽容忍性 (Partition Tolerance)這三項中的兩項[2]。

FLP 不可能性可以採用更弱的終止條件或者更強的網路假設解決，Ben-Or 在 1983 年提出了完全非同步模型下機率終止的共識演算法[3]，Dwork 等人在 1988 年提出了部分非同步模型下的共識演算法，保證在網路同步的時侯演算法能夠確定性終止[4]，Leslie 等在 1982 年提出了同步模型下的共識問題[5]。

早期的共識演算法一般也稱為分散式一致性演算法，與目前主流的區塊鏈共識演算法相比，分散式一致性演算法主要面向分散式資料庫操作、且大多不考慮拜占庭容錯問題，即假設系統節點只發生當機和網路故障等非人為問題(CFT, Crash Fault Tolerance)，而不考慮惡意節點篡改資料等問題(BFT, Byzantine Fault Tolerance, 拜占庭容錯)。拜占庭容錯問題是 Leslie 在 1982 年提出的分散式領域容錯問題，它是分散式領域中最複雜、最嚴格的容錯模型[5]。在該模型下，系統不會對叢集中的節點做任何的限制，節點可以向其他節點傳送隨機資料、錯誤資料，也可以選擇不響應其他節點的請求.這些無法預測的行為使得容錯這一問題變得更加複雜。