本文是一篇软件工程硕士论文，本文研究针对基于DPoS共识机制的公有链网络稳定性监控需求，提出了一种专为公有链网络稳定态势感知设计的可视化分析方法，成功设计实现并部署了一个交互式的可视化分析系统。
1 研究绪论
1.1 研究背景与意义
1.1.1 研究背景
区块链技术(Blockchain Technology)是一种分布式账本系统，该技术通过去中心化的方式实现数据的安全存储和传输。区块链技术的起源最早可以回溯到2008年，由中本聪(Satoshi Nakamoto)提出[1]。其首次向大众描述了一种名为Bitcoin的点对点加密货币系统，该系统使用了基于分布式存储的账本技术，即区块链系统，Bitcoin应用的出现标志着区块链技术的诞生[2]。
区块链是一种分布式的技术架构，主要由分布式网络、共识机制、智能合约、加密算法、分布式存储等关键组件构成[3]，具备下列核心特点：
1)去中心化：区块链没有中心化的控制机构，其由网络上的对等节点共同运行和维护的。每个节点都有相同或相似的权力和地位，可以参与到区块链的生成、验证和记录过程中。
2)公开性：区块链中的所有交易记录都是公开可见的，任何参与方都可以查阅和验证。这一特性使得区块链具有高度的透明性，能够提高信任度和安全性。
3)安全性：区块链通过使用密码学算法和共识机制来保护交易和数据的安全。在传统的中心化系统中，攻击者往往只需攻破一个中心节点即可获取所有数据，而在区块链中，攻击者则需要攻破绝大多数节点才能获得数据操作权限，因此数据的安全性得到极大提升。
4)不可篡改：由于区块链系统中独特的数据存储方式和加密技术，数据一旦记录到了区块链中则很难被篡改。任何人都无法删除或篡改已经写入区块链的数据，保护了数据的可信性。
1.2 国内外研究现状
1.2.1 区块链系统应用现状
区块链技术是一种具有革命性意义的创新，其独特的特性使得信息可以在去中心化网络中安全地共享和传输。相较于传统的集中式系统，区块链技术的分布式特性消除了对中心服务器的依赖，从而实现了去中心化的数据管理和交易验证。这种架构不仅提升了系统的安全性和可靠性，同时也为各行业赋予了更多的自主权和公开性[21]。由于区块链技术的出现，金融领域在无需第三方中介的情况下能够实现安全的交易和资产管理，解决了传统金融系统中的信任问题。区块链技术已经被广泛应用于智慧医疗、物联网、云存储、政务服务、供应链管理以及知识产权保护等多个传统或新兴行业。
智慧医疗领域中，区块链技术可以确保病人数据的安全性和隐私性，同时也支持医疗资源的合理配置和价值交换。在医疗领域中，医疗数据具有极大的应用潜力，在现代医学研究中，恰当的数据共享和分享可以促进持续的发展。但是，鉴于医疗信息中包含了大量涉及个人隐私的敏感数据，对于该部分数据的使用必须实施有效的安全策略，确保数据在系统中的存储和传输都是安全和可靠的。在这样的背景下，如何确保电子医疗数据的保护和共享，一直是医疗行业信息化和健康发展面临的挑战。针对各种医疗保健信息系统之间的信息存储与信息共享的问题，Qu[22]提出了基于区块链的医疗信息系统，以实现医疗信息的存储和共享，有效防止了医疗信息数据被篡改和医疗信息泄露，旨在解决医疗信息数据管理问题。
2 相关理论与技术
2.1 区块链相关技术
2.1.1 基本架构
随着Ethereum、Hyperledger Fabric、EOSIO等区块链系统的出现，区块链技术逐渐盛行起来，并且在研究领域和应用场景上不断拓展。
如图2-1所示，现有的区块链技术主要基于六个层次的技术结构，从底层到顶层依次包括数据层、网络层、共识层、激励层、合约层以及应用层。
2.3 优劣解距离算法
优劣解距离算法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)常被用于评估解的质量，是一种综合类方案评估方法，其能充分地利用原始数据的信息，精确地反应各个方案解之间的差异[55]。在优化问题中，解的质量通常可以通过目标函数的值来衡量，目标函数的值越小，解的质量越好。然而，有时候一个问题可能有多个优解，目标函数的值可能相同，此时就需要一种方法来比较和区分这些优解。
优劣解距离算法的核心思想是针对优化问题，通过衡量优解与劣解之间的差距来评估解的质量。差距越大，解的质量差异就越显著。通过计算解之间的距离，可以有效评估其质量优劣。这种算法不仅可以比较和排序解的质量，还能够准确区分不同质量的解。此外，优劣解距离算法具有实现简单、计算量小的优势，使其在解决实际问题时表现出色。通过这种方法，可以更有效地评估解的优劣，为选择最佳解决方案提供有力支持。
优劣解距离算法的步骤如下：
Step 1. 定义决策矩阵：将待评价方案的性能指标以矩阵的形式表示，其中每行代表一个方案，每列代表一个性能指标。
Step 2. 归一化决策矩阵：将每个指标的值进行归一化处理，消除不同指标之间的量纲差异。
Step 3. 确定理想解和负理想解：对于每个指标，确定最大值和最小值，将最大值组成理想解向量，最小值组成负理想解向量。
Step 4. 计算方案与理想解的相对接近度：计算每个方案到理想解的欧几里德距离，距离越小代表离理想解越近。
Step 5. 计算方案与负理想解的相对接近度：计算每个方案到负理想解的欧几里德距离，距离越小代表离负理想解越远。
Step 6. 确定方案的综合评价指标：综合考虑方案与理想解和负理想解的距离，计算每个方案的综合评价指标，指标越接近1代表方案越优秀。
3公有链网络稳定性分析方法 ........................ 30
3.1数据抽象 ............................... 30
3.2生产者节点稳定性评估模型 .......................... 32
3.3公有链网络稳定性量化 .............................. 36
4可视化系统实现与验证 ................................ 44
4.1系统需求分析 .................................. 44
4.1.1系统整体目标 .................................. 44
4.1.2主要技术与开发环境 ........................ 45
5 面向可视化系统应用案例的共识机制改进 .............................65
5.1改进方案需求分析 ............................ 65
5.2用户节点行为限制机制 ........................... 66
5.3改进选举方案 ............................. 67
5 面向可视化系统应用案例的共识机制改进
5.1 改进方案需求分析
DPoS共识机制是一种适用于公有链网络的共识机制，其基于投票选举制度来选举出生产者节点，负责交易验证和区块生成。虽然DPoS共识机制具有高吞吐量、低能耗等诸多优点，但在实际应用中也暴露出一些缺陷。结合第四章节中的实际案例分析与之前的DPoS共识机制特点，可以得出以下缺陷和影响：
1)目前的生产者节点是由公有链网络社区的投票选举活动来确定的，同时在选举过程中缺乏对用户投票行为的约束，并且用户不能够对候选节点进行有效地评估。这导致一些恶意节点或不达标的候选节点有可能通过投票成为生产者节点，对公有链系统的稳定产生负面影响。
2)由于DPoS共识机制中选举活动的结果直接影响最终的利益分配，因此在选举过程中，不同利益集团可能会联合起来，损害普通用户节点的利益。与此同时，由于普通用户无法直接从选举中受益，导致了用户的投票参与度较低。
3)此外，由于记账节点数量减少，导致公有链系统中少数节点更容易控制区块的生产权，增加系统的集中性风险。这将会导致区块的实用性和数据的完整性受到威胁，进而难以保证系统的长期稳定运行。
6 总结与展望
6.1 全文总结
可视分析技术在公有链网络稳定态势感知中扮演着至关重要的角色。公有链网络作为一种去中心化的网络结构，其稳定性对整个生态系统至关重要。通过收集和分析公有链网络的重要数据特征，包括交易量、节点活跃度、节点投票信息、区块高度以及外部因素等信息，可视分析技术协助监测网络的稳定态势。利用可视分析技术，用户能够及时观察公有链网络的状态和趋势，迅速识别潜在的问题和风险，并可采取有针对性的措施进行调整和优化。此外，可视分析技术还可以帮助用户对公有链网络的运行情况有直观的了解，有助于规划公有链网络的发展方向和决策制定。本文研究针对基于DPoS共识机制的公有链网络稳定性监控需求，提出了一种专为公有链网络稳定态势感知设计的可视化分析方法，成功设计实现并部署了一个交互式的可视化分析系统，本文的主要贡献如下：
(1)网络整体稳定性量化与趋势预测研究。本文研究以参与共识过程的生产者节点作为研究对象，通过分析生产者节点版本迭代更新的特点，提取相关特征数据，探讨了评估节点稳定性的方法。为避免主观因素对稳定性评估造成的影响，采用改进熵权法计算各特征项的熵权值，并针对特征熵值趋向于1时熵权值失真的现象做出相应修正。基于得到的熵权值，通过修正优劣解距离算法中的距离度量公式，构建了生产者节点稳定性评估模型。该模型综合考量了公有链网络的生产者节点整体稳定性、去中心化程度与外界关联信息，从内外两个因素分析建立了公有链网络的稳定性量化方法。随后，利用WGAN-GP深度学习框架建立了稳定趋势预测模型，并进行了与常用时间序列预测模型的对比实验，同
