شبیه سازی الگوریتم COTI توضیح داده شده است

بسیاری از اعضای انجمن COTI در این سؤال از ما پرسیدند چگونه ما شبیه سازی DAG را ایجاد کردیم. CTO ما ، دکتر نیر Haloani ، توضیحات کامل درباره شبیه سازی و چگونگی ایجاد آن در زیر را توضیح می دهد.

معرفی

هدف از این شبیه سازی ارائه نحوه کار الگوریتم Trustchain است. این عملکرد الگوریتم را از بسیاری جهات نشان می دهد ، اما ویژگی های انتشار شبکه ، ذخیره سازی و رمزنگاری را حذف نمی کند. DAG در شبیه سازی از معاملات از پیش مقدمه تشکیل شده است ، و ما می توانیم رشد آن را در راستای پارامترهای مختلف و توزیع امتیاز Trust Score مشاهده کنیم.

شبیه سازی وب COTI چیست؟

شبیه سازی های ما در قالب 2D و 3D ارائه شده است. این شبیه سازی براساس یک نمودار سه بعدی نیرو کار شده است ، که یک ماژول منبع باز است که برای ترسیم DAG استفاده می شود. داده ها از طریق داده های واقعی که بصورت آفلاین تولید می شوند و بطور تصادفی در پلاگین مجدداً به ماژول همگام می شوند. ایده این است که چگونه الگوریتم های اجماع و دلبستگی کار کنند.

در شبیه سازی 2D ، تمام معاملات موجود در خوشه به صورت حلقه هایی که به یکدیگر متصل می شوند ارائه می شود تا یک شبکه ایجاد شود. معاملات بر روی یک محور Trust Score در مقابل زمان ترسیم شده اند. معاملات جدید با نرخ اضافه می شوند. بنابراین با تغییر این پارامتر میزان سرعت معاملات در شبیه سازی تغییر می کند. نمونه ای از شبیه سازی 2D در شکل زیر نشان داده شده است. در این حالت = 10.

همانطور که در شکل بالا نشان داده شده است ، معاملات بسته به وضعیت تأیید آنها ، رنگ را تغییر می دهند. هنگامی که معاملات برای اولین بار به خوشه اضافه می شوند ، آنها نارنجی هستند. وقتی یک معامله تأیید شد ، به رنگ آبی تغییر می کند. سرانجام ، وقتی یک معامله به آستانه اعتماد تأیید رسید ، سیاه می شود. با ادامه این شبیه سازی ، موجی از تغییر رنگ متناسب با رویدادهای تأیید و تأیید در نقاط مختلف شبکه رخ می دهد. از آنجا که معاملات از طرف کاربران کم اعتماد برای رسیدن به یک آستانه اعتماد بیشتر طول می کشد ، ما انتظار داریم که انتقال رنگ تأیید کند ، با تأیید تراکنش اعتماد کمتر و تأیید معاملات معامله کمتر باشد. همانطور که در شکل زیر نشان داده شده است ، بزرگنمایی در معاملات ، امتیاز اعتماد آنها (TS) را نشان می دهد. جابجایی در معاملات خارج شده Trustchain را به رنگ قرمز برجسته می کند (برای معاملات تأیید شده).

برخلاف شبیه سازی 2D ، معاملات در شبیه سازی 3D به یک شبکه 2D ثابت گره خورده نیستند بلکه آزادانه می توانند آزادانه تبلیغ شوند. وقتی یک معامله اعتبار دیگری را تأیید کرد ، پیوندی را تشکیل می دهد که معاملات را در کنار هم قرار می دهد. در غیر این صورت ، معاملات غیر مرتبط با یکدیگر دفع می شوند و حرکت می کنند تا زمانی که به طور مساوی فاصله نگیرند.

همانطور که در شبیه سازی 2D ، معاملات با توجه به وضعیت تأیید آنها ، مطابق با همان طرح رنگی شبیه سازی 2D ، رنگ ها را تغییر می دهند. علاوه بر اینکه تراکنش ها مطابق با وضعیت تأیید آنها برچسب خورده اند ، معاملات نیز مطابق با امتیاز اعتمادشان برجسته می شوند. همانطور که در شکل زیر نشان داده شده است ، کلیک کردن روی یک معامله Trustchain را که با رنگ قرمز آن تأیید شده است ، برجسته می کند.

چگونه ما آن را ساخته ایم؟

نشانه گذاری

منبع: مبدأ معامله ای است که به Cluster متصل شده و معامله دیگری را تأیید کرده است ، اما هنوز به خودی خود اعتبار نشده است. اعتبار سنجی شامل تأیید صحت معامله (به طور صحیح امضا شده) است. پیوست: وقتی یک کاربر معامله خود را با سایر معاملات موجود در Cluster پیوند می دهد. معامله معتبر: معامله با حداقل یک معامله دیگر که به آن متصل است. معامله تأیید شده: معامله ای که اعتماد تجمعی کافی را برای کسب شایستگی شبکه کسب کرده است. DAG: معاملات به روشهای پیش فرض خوراک یک طرفه به معاملات قبلی متصل می شوند ، که یک گرافیک چرخه ای مستقیم (DAG) ایجاد می کند.

واقعیت شبیه سازی

مشخصه اصلی شبیه سازی از الگوریتم Source Selection انتخاب شده است ، که تعریف می کند چگونه یک معامله جدید در شبکه منبع را برای اعتبارسنجی انتخاب می کند. ملاحظات مهم امتیازات اعتماد جدید معامله و مدت اعتبار منتظر اعتبار بودن آنها است.

آنچه در ابتدا اتفاق می افتد این است که معامله جدید لیستی از کلیه منابع موجود در Cluster را با نمره اعتماد در محله خود دریافت می کند. اندازه محله توسط پارامتر تعریف می شود ، که تفاوت مجاز در امتیاز اعتماد (به عنوان کسری از 100) بین تراکنش جدید و منابعی را که می تواند در فرآیند اعتبار سنجی به آن وصل شود ، بیان می کند. از این محله منابع مجاز ، معامله جدید دو منبع را برای تأیید اعتبار انتخاب می کند. وزن آنها به میزان زمانی که منابع منتظر هستند منتقل می شوند ، به گونه ای که منابعی که انتظار طولانی تر را داشتند منتظر هستند که اعتبار بیشتری داشته باشند.

هنگامی که معامله جدید دو منبع را تأیید کرد ، به Cluster متصل می شود و خود منبع می شود. مقدار زمان لازم برای انجام یک معامله جدید برای تأیید اعتبار منابع و انجام اثبات کار لازم توسط پارامتر Δt کنترل می شود.

این کارهای داخلی شبیه سازی DAG برای هر معامله جدید و جدید است که به خوشه می پیوندد. در واقعیت ، معاملات جدید بسیاری در هر ثانیه وجود دارد که از رویه دقیقی که قبلاً در مورد آن صحبت شده بود پیروی می کنند. در شبیه سازی ، تعداد معاملات جدید در هر ثانیه توسط پارامتر کنترل می شود.

به طور طبیعی ، موارد لبه ای وجود دارد که باید در نظر گرفته شوند ، زیرا شبکه باید در مقطعی از زمان شروع شود. معاملات اولیه (یعنی معاملات پیدایش) اولین مراحل شبکه را وقتی اولین COTI ها برای سایر ارزها مبادله می شوند ، نشان می دهند. DAG باید از این معاملات پیدایش رشد کند ، بنابراین اگر معاملات جدید بیشتری نسبت به منابع وجود داشته باشد ، یک معامله جدید می تواند با اعتبار یک معامله به جای دو ، به خوشه بپیوندد. این اجازه می دهد تا خوشه رشد کند بدون ایجاد خطر امنیت. برای ساده سازی تجزیه و تحلیل ریاضی ، شبیه سازی فرض می کند که Trust Scores بصورت تصادفی توزیع می شود و شبکه مورد حمله احزاب مخرب قرار نمی گیرد.

ریاضیات اساسی الگوریتم پیوست

نمودار جریان پیوست تراکنش

آنچه در زیر آمده است نمودار جریان است که الگوریتم پیوست را برای معاملات جدیدی که باید به Cluster وصل شوند نشان می دهد.

نتیجه

چارچوب ریاضیاتی که COTI از آن استفاده کرده است نه تنها از لحاظ تئوریک صدا است بلکه از طریق شبیه سازی با دقت مورد آزمایش قرار گرفته است. فرضیه های ارائه شده در مورد اثبات کار و روند رسیدن نرخ معامله با توجه به خوشه (نمودار گرافیکی حلقوی) و تغییر زمان منطقی بود. شبیه سازی انجام شده در مقیاس ورود نشان داد که با افزایش در امتیاز اعتماد ، تأخیر تأیید معامله با گذشت زمان کاهش می یابد. این موفقیت چشمگیر این فرضیه را تقویت می کند که یک الگوریتم مبتنی بر اعتماد می تواند با افزایش ریسک قابل توجهی پایین تر ، نرخ معامله را افزایش دهد. " - اوباخنگ موپیا ، دکترای تخصصی ، متخصص تشخیص تقلب در ماشین آلات

"مجموعه تحقیقات تجربی که از شبیه سازی ارائه شده استفاده می کنند ، فرضیات ما را برای انتخاب الگوریتم و بهینه سازی عملکرد خوشه ای در دنیای واقعی اطمینان می دهند. چارچوب ریاضی شبیه سازی به وضوح تأثیر پارامترهای داخلی و خارجی را بر عملکرد و ویژگیهای توان خوشه COTI نشان می دهد. این ، بدون از دست دادن کلی بودن ، شواهد قطعی مبنی بر مقیاس پذیری خوشه را فراهم می کند. " –نیر هلوانی ، دکترای ریاضیات کاربردی