计算机应用研究

作者：徐莉程,梁培利,

单位：成都信息工程大学区块链产业学院,成都610225；

关键词：区块链,深度强化学习,预言机,DQN,

优化区块链环境中现有预言机方案中的节点选择问题，以提高预言机节点选择的准确性和可靠性。引入了基于深度强化学习的区块链预言机节点选择中间件ORLM（oracle reinforcement learning model）。该中间件考虑了不同服务需求下多个节点的消耗，并建立了预言机节点的声誉值模型来评估预言机数据提供节点的声誉值，从而尽可能避免对具有恶意历史的节点的选择。通过深度强化学习DQN（deep Q network）算法，中间件能够对选择节点的过程进行优化，以在保证安全性的情况下进行更好的节点选择。实验结果表明，所提出的中间件能够更好地满足用户的服务请求，且具有较高的可扩展性和可用性，证明了引入深度强化学习来优化预言机节点选择是一个可行的方向。

来源：2024年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第6期