Адаптивний гібридний механізм консенсусу для блокчейн-орієнтованого електронного урядування: підхід на основі машинного навчання

Автор(и)

DOI:

https://doi.org/10.24144/2616-7700.2026.49(2).255-261

Ключові слова:

блокчейн, електронне урядування, механізми консенсусу, машинне навчання, адаптивні системи, візантійська стійкість

Анотація

Запропоновано адаптивний гiбридний механiзм консенсусу для блокчейн-орiєнтованого електронного урядування, що динамiчно перемикається мiж QBFT, PoS та PBFT за допомогою класифiкатора Random Forest, гiстерезису та детермiнiстичного оверрайду. Формальнi гарантiї базуються на нерiвностях Хефдiнга та Бернштейна. Симуляцiї на даних українських президентських виборiв (30 млн виборцiв, 12 год) демонструють покращення пропускної здатностi на 32% (958.7 проти 726.5 TPS), 99.4% покриття PBFT при 20% вiзантiйських атаках та +0.4% енергоспоживання. 5-вузлова тестова мережа Hyperledger Besu пiдтверджує детермiнiстичне виробництво блокiв (2,000 ± 0,000 с) i стiйкiсть до вiдмов \(\lfloor (n-1)/3 \rfloor\); екстраполяцiя дає 144–500 TPS при \(n = 60\). ML-пiдхiд забезпечує 6,9% покращення за мультикритерiальною метрикою порiвняно з пороговим перемиканням.

Спонсор дослідження

  • Дослідження проводилося без фінансової підтримки.

Біографії авторів

Б. О. Пеняк, Національний університет "Львівська політехніка"

Аспірант кафедри прикладної математики

Б. Б. Любінський, Національний університет "Львівська політехніка"

Доцент кафедри прикладної математики. Кандидат технічних наук, доцент

Посилання

  1. Hjálmarsson, F. Þ., Hreiðarsson, G. K., Hamdaqa, M., & Hjálmtýsson, G. (2018). Blockchainbased e-voting system. In 2018 IEEE 11th International Conference on Cloud Computing (CLOUD) (pp. 983–986). https://doi.org/10.1109/CLOUD.2018.00151
  2. Allessie, D., Sobolewski, M., Vaccari, L., & Pignatelli, F. (2019). Blockchain for digital government: An assessment of pioneering implementations in public services. JRC Science for Policy Report. https://doi.org/10.2760/93808
  3. Dunphy, P., & Petitcolas, F. A. P. (2018). A first look at identity management schemes on the blockchain. IEEE Security & Privacy, 16(4), 20–29. https://doi.org/10.1109/MSP.2018.3111247
  4. Central Election Commission of Ukraine. (2019). Presidential election turnout and participation statistics. Official report. Retrieved from https://www.cvk.gov.ua
  5. Castro, M., & Liskov, B. (1999). Practical Byzantine fault tolerance. In Proceedings of the Third Symposium on Operating Systems Design and Implementation (OSDI) (pp. 173–186). https://dl.acm.org/doi/10.5555/296806.296824
  6. Nguyen, G. T., & Kim, K. (2018). A survey about consensus algorithms used in blockchain. Journal of Information Processing Systems, 14(1), 101–128. https://doi.org/10.3745/JIPS.01.0024
  7. King, S., & Nadal, S. (2012). PPCoin: Peer-to-peer crypto-currency with proof-of-stake. Selfpublished paper. https://decred.org/research/king2012.pdf
  8. Wang, J., & Wang, H. (2019). Monoxide: Scale out blockchains with asynchronous consensus zones. In 16th USENIX NSDI (pp. 95–112). https://www.usenix.org/conference/nsdi19/presentation/wang-jiaping
  9. Vukolić, M. (2015). The quest for scalable blockchain fabric: Proof-of-work vs. BFT replication. In Open Problems in Network Security (pp. 112–125). https://doi.org/10.1007/978-3-319-39028-4_9
  10. Yin, M., Malkhi, D., Reiter, M. K., Gueta, G. G., & Abraham, I. (2019). HotStuff: BFT consensus with linearity and responsiveness. In Proceedings of the 2019 ACM PODC (pp. 347–356). https://doi.org/10.1145/3293611.3331591
  11. ConsenSys. (2021). QBFT consensus protocol. Quorum documentation. Retrieved from https://docs.goquorum.consensys.net
  12. Saleh, F. (2021). Blockchain without waste: Proof-of-stake. The Review of Financial Studies, 34(3), 1156–1190. https://doi.org/10.1093/rfs/hhaa075
  13. Kiayias, A., Russell, A., David, B., & Oliynykov, R. (2017). Ouroboros: A provably secure proof-of-stake blockchain protocol. In Annual International Cryptology Conference (pp. 357–388). https://doi.org/10.1007/978-3-319-63688-7_12
  14. Ricci, L., Maesa, D. D. F., Favenza, A., & Ferro, E. (2021). Blockchains for COVID-19 contact tracing and vaccine support: A systematic review. IEEE Access, 9, 37936–37950. https://doi.org/10.1109/ACCESS.2021.3063152
  15. Liu, Y., Lu, Y., Nayak, K., Zhang, F., Zhang, L., & Zhao, Y. (2022). Empirical analysis of EIP-1559. In Proceedings of the 2022 ACM CCS (pp. 2099–2113). https://doi.org/10.1145/3548606.3559341
  16. Kumar, R., & Tripathi, R. (2021). Implementation of distributed consensus algorithm using blockchain for security enhancement. Security and Privacy, 4(5), e172. https://doi.org/10.1002/spy2.172
  17. Wang, Y., Cai, S., Lin, C., Ma, Z., Wang, X., & Wang, J. (2019). Study of blockchains’s consensus mechanism based on credit. IEEE Access, 7, 10224–10231. https://doi.org/10.1109/ACCESS.2019.2891065
  18. Chen, T., Bahsoon, R., & Yao, X. (2018). A survey and taxonomy of self-aware and self-adaptive cloud autoscaling systems. ACM Computing Surveys, 51(3), 1–40. https://doi.org/10.1145/3190507
  19. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
  20. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. https://www.deeplearningbook.org

##submission.downloads##

Опубліковано

2026-04-30

Як цитувати

Пеняк, Б. О., & Любінський, Б. Б. (2026). Адаптивний гібридний механізм консенсусу для блокчейн-орієнтованого електронного урядування: підхід на основі машинного навчання. Науковий вісник Ужгородського університету. Серія «Математика і інформатика», 49(2), 255–261. https://doi.org/10.24144/2616-7700.2026.49(2).255-261

Номер

Том 49 № 2 (2026)

Розділ

Iнформатика, комп’ютернi науки та прикладна математика

Ліцензія

Авторське право (c) 2026 Б. О. Пеняк, Б. Б. Любінський

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.