IEEE Internet of Things Journal论文《An Efficient DAG Blockchain Architecture for IoT》学术报告

本文由桂林电子科技大学信息与通信学院的Lang Li、Dongyan Huang（通讯作者）和Chengyao Zhang合作完成，发表于IEEE Internet of Things Journal（2023年1月第10卷第2期）。研究聚焦于有向无环图（Directed Acyclic Graph, DAG）区块链在物联网（IoT）中的应用，提出了一种名为DABG（Directed Acyclic Blockchain Graph）的高效架构，旨在解决DAG区块链中区块排序困难与并行区块生成效率低下的核心问题。

学术背景

传统区块链的单链结构（如比特币和以太坊）存在吞吐量低、扩展性差的问题，尤其在物联网高并发场景中表现不足。DAG区块链通过图结构实现并行区块生成，显著提升了性能，但面临两大挑战：
1. 区块全局排序困难：DAG的拓扑结构导致区块间顺序难以确定；
2. 并行生成安全性不足：现有协议（如Hashgraph的随机八卦协议/RGP）存在通信冗余，效率低下。

本研究的目标是设计一种支持高效排序、低冗余通信的DAG区块链架构，并适配资源受限的IoT设备。

研究方法与流程

1. DABG模型设计

核心创新：
- 基于权重的“最重链规则”（Heaviest Chain Rule）：通过区块权重（Block Weight）动态选择父区块（Father Block）和叔区块（Uncle Block），实现“追加即排序”（Appending is Ordering）。权重计算如公式：
[ w{b{m,i}} = w{b{m-1,i}} + \max(w_{b0}, \ldots, w{b_{n-1}}) + 1 ]
其中，新区块的权重由其前驱区块权重和当前视图中的最大权重区块决定。
- 区块连接机制：每个区块包含两个哈希指针（父哈希和叔哈希），通过算法1实现拓扑排序（见原文图2示例）。

2. 基于联邦学习的树状八卦协议（TGBP）

解决RGP的通信冗余问题：
- 树状八卦网络（TBGN）构建：利用联邦学习（Federated Learning, FL）对节点分类（性能、稳定性等指标），将高性能节点置于树状拓扑的关键位置（如根节点附近）。分类模型采用逻辑回归，通过FedAvg算法聚合参数（公式4-5）。
- 共识机制三阶段（算法2）：
1. 交易传播：通过Push/Push-Pull方式在TBGN中扩散交易；
2. 虚拟投票：采用阈值签名（2/3多数确认）实现非阻塞异步共识；
3. 提交同步：强可见（Strongly Seen）交易通过TBGN全网同步。

3. 安全性与排序一致性证明

• 抗视图分裂攻击（View Split Attack）：通过诚实节点（Honest Node）的强可见性约束，确保非法交易（如双花）无法达成共识（公式9-11）。
  
• 区块顺序一致性：随着DAG增长，所有节点最终收敛到同一区块顺序（属性1-2）。
  

主要结果

1. 通信效率提升：仿真实验显示，TGBP的通信开销仅为RGP的16.2%（网络规模500节点），覆盖90%节点时延迟降低50%以上（图7-8）。
   
2. 共识时间优化：网络规模从1000扩至2000节点时，TGBP共识时间仅增加28.3%，而RGP增加241%（表II）。
   
3. 适配IoT设备：DABG固定事件大小，避免Hashgraph的事件增长问题，降低对设备算力/带宽的需求。
   

结论与价值

科学价值：
- 提出首个结合权重排序与FL优化通信的DAG区块链架构，为IoT场景提供高吞吐、低延迟的解决方案；
- 理论证明DABG在排序一致性和抗攻击能力上的优势。

应用价值：
- 可应用于智能电网、车联网等需要高并发交易的IoT场景；
- 联邦学习的引入为动态网络拓扑维护提供新思路。

研究亮点

1. 方法论创新：
   
   • “最重链规则”将DAG排序问题转化为权重动态计算；
     
   • TBGN通过FL实现网络结构优化，减少冗余通信83.8%。
     
2. 工程适配性：针对IoT设备资源受限的特点，优化数据传播与存储机制。
   
3. 安全理论贡献：首次在DAG区块链中形式化证明抗视图分裂攻击的充分条件。
   

未来方向

作者指出将进一步优化联邦学习的分类精度，并探索节点故障预测技术，以增强TBGN的稳定性。此外，计划将DABG迁移至工业物联网（IIoT）进行实际部署验证。

（全文约2000字）