In this paper, we consider the Byzantine reliable broadcast problem on authenticated and partially connected networks. The state-of-the-art method to solve this problem consists in combining two algorithms from the literature. Handling asynchrony and faulty senders is typically done thanks to Gabriel Bracha's authenticated double-echo broadcast protocol, which assumes an asynchronous fully connected network. Danny Dolev's algorithm can then be used to provide reliable communications between processes in the global fault model, where up to f processes among N can be faulty in a communication network that is at least 2f+1-connected. Following recent works that showed that Dolev's protocol can be made more practical thanks to several optimizations, we show that the state-of-the-art methods to solve our problem can be optimized thanks to layer-specific and cross-layer optimizations. Our simulations with the Omnet++ network simulator show that these optimizations can be efficiently combined to decrease the total amount of information transmitted or the protocol's latency (e.g., respectively, -25% and -50% with a 16B payload, N=31 and f=4) compared to the state-of-the-art combination of Bracha's and Dolev's protocols.


翻译:在本文中, 我们考虑的是经过认证的和部分连接的网络上的Byzantine 可靠的Byzantine 可靠的广播问题。 解决这一问题的最先进方法包括将文献中的两种算法结合起来。 处理无节奏和错误发送器通常要归功于Gabriel Bracha认证的双电子广播协议, 它假定是一个无节奏的完全连接的网络。 Danny Dolev的算法可以用来提供全球故障模型中的各个进程之间的可靠通信。 在全球故障模型中, 直至N之间的进程可能会在至少2f+1连接的通信网络中出现故障。 最近的工作表明, 多勒夫的协议可以由于一些优化而变得更加实用。 我们显示, 解决我们问题的最先进方法可以通过分层和跨层的优化来优化。 我们与Omnet+网络模拟器的模拟显示, 这些优化可以有效地结合, 减少传输的信息总量或协议的连接度( 例如, 分别是- 25% 和 - 50% 50%, 和 16BRal- b 的组合, 和 N- b=31 和 a- fchal- fnal- plations) 。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
59+阅读 · 2020年7月12日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
181+阅读 · 2020年4月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年5月31日
Arxiv
0+阅读 · 2021年5月29日
VIP会员
相关VIP内容
Top
微信扫码咨询专知VIP会员