Ripple Consensus with Fuzzy Multiperson Decision Making

組員

江紹賢 P76074444
孫祥恩 P76084708
王宇哲 P76084758

動機

在現實生活中，每個人可能都有自己的舒適圈、同溫層，但你所認識的好友真的有值得如此信賴嗎？在表面與你稱兄道弟、同甘共苦，也許其實是笑裡藏刀、推你火坑的偽君子。同樣地，在區塊鏈上就好比一個小型社會，以狼人殺為例，每個節點就像是玩家，心中都有自己對於其他人的懷疑程度，然而這種懷疑其實是很 fuzzy 的，也許在彼此討論的過程中，自己就會像牆頭草一樣一直改變立場。只是在我們預期的機制中，懷疑就變成了信賴程度，要處死的狼人也就變成了出塊者，我們希望改變傳統區塊鏈的共識機制，引入 fuzzy 來決定結論，也許能更貼近真實世界的情況

流程設計

在 Ripple 的設計中，參與共識的所有節點會各自維護一個信任節點的列表，稱為 Unique Node List (UNL)，節點會根據這些 UNL 的意見產生共識。而我們主要是修改此列表的設計，引入 fuzzy 的概念，將每個 UNL 的節點都額外加上一個參數，稱為信任程度抑或是權重。也就是在原本的共識基礎上多考慮了 fuzzy 的信賴關係，我們稱此 UNL 為 FuzzyUNL

整體的執行步驟如下：

系統參數
- NUM_NODES：最直接影響整體效率
- CONSENSUS_PERCENT：達成共識所需相同意見的比例
- UNL_MIN/MAX：FuzzyUNL 個數的上下界
- TRUST_MIN/MAX：信賴程度的上下界
初始化
- 每個節點根據設定的上下界，產生各自的 FuzzyUNL，包含 index 與 trustness
- 每個節點提出最初的意見，預設兩種意見各半 (+/-)
- 開始廣播各自的意見，進行最初的投票
投票
- 每個節點會接收各自 FuzzyUNL 的廣播訊息
- 將收集的意見與信賴程度進行 multiperson decision making 後，會得到 + 或 - 的意見
- 自身意見會根據計算出的值決定是否更動，並廣播出去
- 系統會收集整體的意見，計算該輪相同意見是否有超過比例
- 達成共識就結束投票，反之則進行下一輪投票
達成共識
- 根據共識決定候選區塊提出與否

Multiperson Decision Making

每個節點都會有自己的 FuzzyUNL (Fuzzy Unique Node List)，節點對於 UNL 成員有相對應的 trustness preference，再透過下方公式來計算 fuzzy relationship S : (T(x)為某 UNL 節點的 trustness 與其意見的乘積)