报告下载：添加199IT微信公众号【i199it】，回复关键词【共识算法与共识安全】即可下载
共识问题是社会科学和计算机科学等领域的经典问题，计算机科学领域的早期共识研 究一般聚焦于分布式一致性，即如何保证集群中所有节点中的数据完全相同并且能够对某 个提案(Proposal)达成一致，主要解决的问题是因节点失效、节点间网络故障及分布式 系统的运行速度的差异而带来的系统不一致问题。Fischer 等在 1985 年提出了 FLP 不可能 原理，即在网络可靠，但允许节点失效(即便只有一个)的最小化异步模型系统中，不存 在一个可以解决一致性问题的确定性共识算法[1]。Eric Brewer 在 1998 年提出了 CAP 理论， 指出在异步的网络模型中，所有的节点由于没有时钟，仅仅能根据接收到的消息作出判断， 系统最多只能同时满足一致性(Consistency)、可用性(Availability)和分区容忍性 (Partition Tolerance)这三项中的两项[2]。
FLP 不可能性可以采用更弱的终止条件或者更强的网络假设解决，Ben-Or 在 1983 年 提出了完全异步模型下概率终止的共识算法[3]，Dwork 等人在 1988 年提出了部分异步模 型下的共识算法，保证在网络同步的时侯算法能够确定性终止[4]，Leslie 等在 1982 年提出 了同步模型下的共识问题[5]。
早期的共识算法一般也称为分布式一致性算法，与目前主流的区块链共识算法相比， 分布式一致性算法主要面向分布式数据库操作、且大多不考虑拜占庭容错问题，即假设系 统节点只发生宕机和网络故障等非人为问题(CFT, Crash Fault Tolerance)，而不考虑恶意 节点篡改数据等问题(BFT, Byzantine Fault Tolerance, 拜占庭容错)。拜占庭容错问题是 Leslie 在 1982 年提出的分布式领域容错问题，它是分布式领域中最复杂、最严格的容错模 型[5]。在该模型下，系统不会对集群中的节点做任何的限制，节点可以向其他节点发送随 机数据、错误数据，也可以选择不响应其他节点的请求.这些无法预测的行为使得容错这一 问题变得更加复杂。
来自：云安全联盟大中华区
报告下载：添加199IT微信公众号【i199it】，回复关键词【共识算法与共识安全】即可下载
更多阅读：
