DPoS共識機制改進的演化博弈及策略研究

任 南，馬園園

江蘇科技大學 經濟管理學院，江蘇 鎮江 212003

習近平總書記在十九屆中共中央政治局集中學習時強調“要把區塊鏈作為核心技術自主創新的重要突破口”。區塊鏈技術正逐漸應用于金融、醫療、政務、能源等領域[1-5]，成為我國數字化轉型、加快數字經濟發展的重要技術力量，如何解決安全和效率問題是當前區塊鏈技術研究的重點之一。共識機制作為區塊鏈技術的基礎和核心，決定了區塊鏈的安全性、可擴展性和去中心化程度等重要特性[6]。系統探究共識機制的內在機理及優化改進對于提高區塊鏈技術的安全與效率具有重要的理論與現實意義。

目前主流的區塊鏈共識機制包括工作量證明機制[7]（proof of work，PoW）、權益證明機制[8]（proof of stake，PoS）、股份授權證明共識機制[9]（delegated proof of stake，DPoS）和實用拜占庭容錯協議[10]（practical Byzantine fault tolerance，PBFT）。PoW由于巨大的算力消耗與出塊時間被人們所詬病；PoS權益積累會造成貧富兩極分化的問題；實用拜占庭容錯協議不適合大規模的應用場景；DPoS以類似于董事會投票的方式選舉出代理節點生成區塊，在一定程度上解決了工作量證明機制和權益證明機制存在的算力消耗和權益累積問題，同時，減少了參與區塊生成和驗證的節點數量，適用于大規模的應用場景和實現了秒級的共識驗證。但是DPoS存在如下問題：在DPoS中只有生成區塊的代理節點會獲得獎勵，參與投票的節點在本輪投票中沒有任何收益，節點參與投票的積極性下降，導致區塊鏈共識效率低下；由于DPoS以類似于董事會投票的方式選舉出塊者，因此會出現惡意節點通過賄賂手段與投票節點合謀獲得出塊權的現象，若該惡意節點無法完成區塊生成任務或者有篡改區塊信息的意圖，區塊鏈系統將面臨嚴重的安全問題。

目前，針對DPoS共識機制存在的節點投票不積極與合謀問題，一些學者提出了改進方案，Xu等[11]針對節點合謀和惡意節點不能及時剔除問題，提出了基于模糊集投票的改進方案，降低了惡意節點被選為代理節點的可能性，提高了區塊鏈的安全性和公平性。Wang等[12]針對代理共識節點的惡意行為與節點投票不積極的問題，提出一種基于信譽的區塊鏈共識協議，提高了區塊鏈的安全性與抵抗攻擊的能力。Tang等[13]針對節點的惡意行為造成的算力資源浪費問題提出信譽機制，激勵節點誠實參與共識，提高礦池整體收益。付瑤瑤等[14]通過提出基于獎勵激勵和信用機制的改進方案，提高了節點投票的積極性和降低了惡意節點成為代理節點的概率，提高了區塊鏈系統的安全性。

上述研究大多從技術角度出發解決問題，并未過多關注節點間行為策略的相互影響以及策略變化的問題。Liu等[15]提出博弈論作為一種分析工具，可以應用于解決區塊鏈存在的攻擊、共識中的利益分配和激勵機制設定問題。目前，已有學者在此方面開展了一些研究，袁勇等[16]指出區塊鏈共識算法與激勵機制是一個整體，將區塊鏈運作系統建模為節點群體博弈過程，共識規則和獎懲制度將決定博弈樹的形狀和葉節點的收益。唐長兵等[17]從工作量證明共識算法的挖礦困境入手，分析共識過程中礦工策略選擇的納什均衡存在條件，利用零行行列式策略對礦工策略進行優化，為設計基于博弈論的共識算法提供思路和方法。王雷等[18]針對雙花攻擊問題，構建進化博弈模型并解釋節點策略的動態演化趨勢，預測雙花攻擊出現的概率。Adler等[19]為保證區塊鏈系統的安全性，把投票節點和代理共識節點作為博弈方，分析表明在設置的規則條件下存在納什均衡，所有理性參與者為了利益最大化都將誠實行事。上述研究利用博弈論為解決區塊鏈共識存在的安全、利益分配、交易延遲等方面提供了一定的指導意義，但對于監管和獎懲對于節點行為的影響關注過少。

共識機制中加入監察機制可以有效遏制惡意節點的不良行為，進而保證共識安全和提高共識效率[20-21]。劉懿中等[6]從共識機制本質等角度對共識機制進行研究，區塊鏈技術人員可以將節點共識過程以及治理規則寫入鏈上，實現區塊鏈節點自身行為監管。Tao等[22]針對區塊鏈中存在惡意節點問題，引入監管節點輔助監管，及時糾正和更換惡意節點。上述研究關注到了監管對惡意節點行為的束縛作用，但并未對監管力度和監管與獎懲的協同作用進行深入研究。

目前針對共識機制的改進研究大多集中在計算機科學和密碼學領域，但是已有研究表明節點遵循特定的規則完成共識任務并獲得利益本質上是一個經濟問題，站在管理的視角通過改變節點的行為優化共識機制是可行的。同時，盡管學者們很少關注監管與獎懲對節點行為影響的協同作用，但也有研究表明監管機制和獎懲制度在一定程度上可以遏制不良行為[23]。故本文結合DPoS共識機制改進的研究現狀與博弈論在區塊鏈中的分析應用，站在管理的視角，引入監察機制，構建代理節點、投票節點、監管節點三方主體演化博弈模型，研究在監管與獎懲的協同作用下節點行為策略的動態演化趨勢和懲罰因子對三方演化趨勢的影響。

1 三方演化博弈模型構建

1.1 DPoS中的節點共識演化博弈問題

在區塊鏈系統中，扮演不同角色的節點群體根據達成共識的規則和影響因素選擇行為策略進行博弈，經過不斷地學習和調整達到演化博弈的穩定狀態。不同于經典博弈論研究兩個個體之間的交互作用，演化博弈引入種群的思維模式，以群體為研究對象，探索群體達到某一穩定狀態并且如何達到的[24]。在節點演化博弈模型中，把節點群體行為的調整看作一個動態過程，把個體行為到群體行為的形成機制以及涉及到的因素納入其中，構成一個具有微觀基礎的宏觀模型，為調控節點群體行為提供理論依據，其中，每個節點都是重復從群體中隨機選取其他節點進行博弈，他們既可以通過自身經驗也可以模仿他人而做出決策。

1.2 方案改進與基本假設

為解決節點投票不積極和合謀問題，本方案設計代理人選舉規則如下：投票節點權重是由節點的實際權益和信譽值決定的，候選節點（以下統稱為代理節點）的得分是由得票數和自身信譽值決定，得票數最多的前n名候選節點成為代理節點生成區塊。代理節點若是通過與投票節點合謀獲得生成區塊的權力，將會承擔經濟處罰、信譽值降低和被踢出代理節點組織群體的后果；投票節點受賄合謀，將承擔經濟和信譽值降低的雙重處罰；改進方案加入監管節點，該節點負責監管網絡中節點的行為，對節點的合謀意向行為進行處罰，同時，系統也會對于未履行監管職責的監管節點進行處罰。當節點均正常參與投票與選舉，系統穩定發展，節點手中的權益增值，所有的節點都能夠獲得間接收益，方案以懲罰機制約束節點的負向行為，以獎勵機制激勵節點的正向行為，從管理視角分析節點行為。

結合DPoS共識機制的改進方案，為分析各方策略均衡點的穩定性以及獎懲力度對演化穩定趨勢的影響，做出如下假設：

H1：代理節點為參與方1，投票節點為參與方2，監管節點為參與方3。三方均為有限理性的參與主體，代理節點的策略空間A=(A1,A2)=（賄賂，不賄賂），投票節點的策略空間為V=(V1,V2)=（接受，不接受），監管節點的策略空間為S=(S1,S2)=（不監管，監管）。

H2：代理節點通過正常投票選舉獲得生成區塊的能力，完成區塊生成任務獲利為R1，通過賄賂獲得區塊生成的權力，需賄賂成本C1，合謀成功收益為R2，僅有賄賂意圖但未成功實施不需要成本。在監管節點監管的情況下，代理節點的賄賂行為和賄賂意向都將被處以罰金B1，信譽值降低D1；監管節點不監管時，代理節點將會獲得合謀收益R2。

H3：投票節點正常投票獲利為R3，在未改進方案中，節點投票沒有直接收益，僅有權益增值后的間接收益，改進方案設定節點正常參與投票就會獲得收益R3，受賄參與合謀進行投票獲得收益R4，不論是否接受賄賂，投票節點的投票成本均為C3。監管節點監管時，投票節點接受賄賂的行為將被處以罰金B2，信譽值降低D2；監管節點不監管時，投票節點獲得合謀收益R4。

H4：監管節點的監管成本為C2，監管行為的收益為R5，發現節點合謀，監管節點將會收獲罰金B1、B2；θ為對監管節點的失職行為進行懲罰的力度（以下簡稱懲罰因子），可根據演化程度適當調整θ值，B3為監管節點未履行監管職責的罰金，若在節點存在合謀行為或者合謀意圖而監管節點未采取監管行為的情況下，將被以θ的懲罰力度處于罰金θB3，監管節點未實施監管行為時可以利用監管資源獲得其他收益I。

H5：監管節點選擇不監管策略，投票節點與代理節點無合謀意圖，系統穩定發展，三方節點主體獲得權益增值價值n。不考慮貨幣的時間價值對節點收益造成的影響。

H6：代理節點選擇賄賂策略的概率為x，不賄賂策略的概率為1-x；投票節點選擇接受賄賂策略的概率為y，不接受策略的概率為1-y；監管節點選擇不監管策略的概率為z，監管策略的概率為1-z。為研究方案改進對節點投票積極性的影響，設方案改進的概率為w，方案不改進的概率為1-w，節點參與投票的概率為q，不參與投票的概率為1-q。其中x、y、z、w、q均為時間t的函數，R1,R2,R3,R4,R5,C1,C2,C3,B1,B2,B3,D1,D2,n,I＞0,0≤x,y,z,w,q≤1。

1.3 模型構建

基于上述假設，對未改進方案的演化穩定策略進行分析，已知未改進方案中無監管節點與獎懲機制，投票節點完成投票任務后沒有投票獎勵，構建代理節點主體、投票節點主圖兩方演化博弈模型，收益矩陣如表1所示。

表1 未改進方案演化博弈收益矩陣Table 1 Unimproved scheme evolutionary game profit matrix

改進方案加入監管節點和獎懲機制構建代理節點主體，投票節點主體與監管節點主體三類節點主體間的演化博弈模型，三類主體不同策略組合的收益矩陣如表2所示。其中R3、R4為投票節點收益減去成本的純收益，為簡化計算，表2未引入投票成本C3。

表2 改進方案演化博弈收益矩陣Table 2 Improved scheme evolutionary game profit matrix

改進方案為激勵節點積極參與投票，設計投票節點參與即可獲得收益，構建方案改進與投票節點的演化博弈模型，由于節點積極參與投票維護區塊鏈的良性發展，改進共識方案后礦池收益增加，為了研究改進方案對節點投票積極性的影響，故僅考慮投票節點的收益，方案改進前后礦池收益以“*”表示，其投票節點的收益矩陣如表3所示。

表3 方案與投票節點的演化博弈收益矩陣Table 3 Evolutionary game profit matrix of scheme and voting node

2 演化博弈分析

2.1 演化博弈復制動態方程

根據表1的收益矩陣，可以得出代理節點賄賂策略的期望收益EA1和不賄賂策略的期望收益EA2及策略選擇的平均收益EA各為：

從以上策略組合的收益表可以看出，在沒有監管節點監管和獎懲機制的約束下，節點的收益與選擇合謀策略的概率成正比，從理性經濟人的角度來看，為了利益最大化，節點在達成共識時均會選擇合謀策略。

代理節點賄賂策略的復制動態方程為：

投票節點接受策略的期望收益E＇V1和舉報策略的期望收益E＇V2及策略選擇的平均收益E＇V為：

投票節點接受策略的復制動態方程為：

監管節點不監管策略的期望收益ES1和監管策略的期望收益ES2及策略選擇的平均收益ES為：

2.2 三方主體的復制動態與演化穩定性分析

動態復制系統穩定點所對應的策略組合為演化博弈的一個均衡，簡稱為演化穩定[25]，基于演化穩定策略的性質，博弈群體達到演化穩定點的條件必須滿足該策略下的復制動態方程等于零且一階導數小于零。

2.2.1 代理節點賄賂策略的復制動態分析

2.2.2 投票節點接受策略的復制動態分析

2.2.3 監管節點不監管策略的復制動態分析管概率隨著代理節點的賄賂概率與投票節點的接受概率的增加而增加。

圖1 三方主體策略演化過程Fig.1 Evolution process of tripartite agent strategy

2.3 三方演化博弈系統均衡點的穩定性分析

令三方博弈主體的復制動態方程（10）、（14）、（18）等于零求解可知存在如下系統均衡點E1(1,1,1)、E2(1,1,0)、E3(1,0,1)、E4(1,0,0)、E5(0,1,1)、E6(0,1,0)、E7(0,0,1)、E8(0,0,0)、E9(x1,y1,z1)、E10(x2,y2,z2)、E11(x3,y3,z3)，其中

對以上均衡點，利用雅可比矩陣判斷以上均衡點是否穩定演化，當其特征值均為負時，則均衡點為演化穩定點；當其特征值有一個為正時，則均衡點不是演化穩定點；當其存在為零的特征值，其余特征值均為負時，則均衡點處于臨界演化穩定狀態[26]。該三方演化博弈系統的雅可比矩陣：

在非對稱博弈中，演化穩定均衡點一定是嚴格納什均衡點，嚴格納什均衡點一定是純策略均衡點，故在非對稱博弈中混合策略均衡點一定不是演化穩定均衡點[27]，故僅討論純策略均衡點的穩定性，E1～E8特征值及均衡點穩定性分析如表4所示。

表4 均衡點穩定性分析Table 4 Stability analysis of equilibrium point

均衡點穩定性分析如下：

（1）E1(1,1,1)：代理節點賄賂策略帶來的超額收益大于實施賄賂成本，λ1=-(R2-R1-C1)＜0，投票節點接受賄賂進行合謀的收益大于正常投票收益，λ2=-(R4-R3)＜0，下面對λ3進行分析。

情形1若I-θB3＜(R5+B1+B2-C2)，則監管節點選擇不監管策略的收益小于監管時的收益，λ3＞0，存在雅可比矩陣大于零的特征值，該點為不穩定均衡點。

情形2若I-θB3＞(R5+B1+B2-C2)，則監管節點選擇不監管策略的收益大于監管時的收益，λ3＜0，雅可比矩陣的特征值均小于零，該點為穩定均衡點。對應的穩定演化策略為（賄賂，接受，不監管），即代理節點選舉過程存在大量合謀現象且沒有監管措施，對區塊鏈網絡中共識節點安全高效達成共識造成極大的安全隱患，不是方案的改進目標。

（2）E2(1,1,0)：λ1=-(R2-R1-C1-B1-D1)，λ2=-(R4-R3-B2-D2)，λ3=I-θB3-(R5+B1+B2-C2)，對λ1、λ2、λ3的符號進行判定。

情形1若R2-R1-C1＞B1+D1、R4-R3＞B2+D2且I-θB3＜R5+B1+B2-C2，則代理節點通過賄賂行為獲得區塊生成的權力所獲得的收益大于被監管的處罰，投票節點受賄投票獲得的超額收益大于被監管的處罰，監管節點不監管的收益小于監管的收益，對應雅可比矩陣的特征值均小于零，該點為演化穩定點。此時，監管節點的監管行為和懲罰措施不能阻止代理節點和投票節點的合謀行為，此時系統存在極大的安全隱患，不是方案的改進目標。

情形2若R2-R1-C1＜B1+D1、R4-R3＜B2+D2且I-θB3＜R5+B1+B2-C2，則代理節點和投票節點的合謀行為獲得的超額收益均小于被監管的處罰，監管節點的監管行為能夠有效阻止選舉投票過程中的合謀行為，此時對應的雅可比矩陣存在大于零的特征值，該點不是演化穩定點。

（3）E4(1,0,0)、E4(1,0,0)、E5(0,1,1)、E6(0,1,0)均衡點的雅可比矩陣均存在大于零的特征值，以上各均衡點不是演化穩定點。

（4）E7(0,0,1)、E8(0,0,0),λ1、λ2均小于零，λ3=±(n+I-R5+C2)，下面對E7、E8的特征值λ3進行討論。

情形1n+I＞(R5-C2)，即λ3=-(n+I-R5+C2)，均衡點的雅可比矩陣的特征值λ1、λ2、λ3均小于零，此時對應的策略組合為（不賄賂，不接受，不監管），代理和投票節點合謀收益均小于正常投票選舉收益，監管節點的監管收益小于不監管收益，即在監管節點監管和罰金與信譽值的處罰約束下，系統節點經過不斷博弈演化到最優進化策略，代理節點按照正常的投票選舉產生和安全高效的完成區塊生成任務，投票節點根據各節點的真實情況進行投票完成投票任務，監管節點由于區塊鏈網絡中節點達成共識的狀態良好，無安全隱患且無需監管，這正是方案的設計目標。

情形2n+I＜(R5-C2)，即λ3=n+I-R5+C2，均衡點的雅可比矩陣的特征值λ1、λ2、λ3均小于零，此時對應的策略組合為（不賄賂，不接受，監管），即該共識機制使運用該機制的區塊鏈系統處于安全高效的運行環境時，監管節點仍采取監管策略，保證代理節點的正常選舉，此情形為本方案的次穩定演化點。從理性經濟人角度出發，可以降低監管節點的監管獎勵，促使監管節點改變行為策略，利用自身資源獲得其他收益I，使系統演化至E7狀態；當系統中節點存在變異個體乃至群體時，可以提高監管節點的監管獎勵，確保系統安全高效的運行環境。

3 仿真分析

為了驗證本文改進方案能夠有效解決節點投票不積極與節點合謀問題，結合三方演化博弈模型的穩定性分析對方案中各變量進行賦值，利用Matlab2018a進行數值仿真分析。初始值設定C2=2,B3=12,n=4,B2=3,D2=3,R5=5,I=10,θ=0.5（當節點均處于意向合謀狀態時θ＞0.5，當監管作用使代理節點的放棄賄賂策略時θ＜0.5）。

3.1 方案改進前后節點行為策略演化趨勢變化對比

首先根據上述數值設定，R1=10、R2=15、C1=3、B1=6、D1=6、R3=3、R4=5、C2=2、B3=12、D2=3、R5=5、C2=2、B3=12、n=4、I=20、θ=0.5，進行方案改進前后節點行為策略選擇的演化趨勢仿真分析，如圖2所示。

圖2 E7(0,0,1)穩定點趨勢圖Fig.2 Trend diagram of steady point E7(0,0,1)

當I-θB3＞(R5+B1+B2-C2)和R2-R1-C1＜B1+D1、R4-R3＜B2+D2時，監管節點不監管的收益大于監管收益，代理節點和投票節點合謀收益小于正常投票收益，無論三方節點行為策略選擇的初始概率為多少，最終都將趨向于唯一的演化穩定點（0，0，1），相應的演化穩定策略為（不賄賂，不接受，不監管），與進化博弈演化穩定點的分析相吻合。

原方案未引入監管與獎懲機制，節點選擇合謀策略的收益大于正常投票選舉的收益，從圖3可以看出，無論兩節點行為策略選擇的初始概率為多少，都將趨向于唯一的演化穩定點（1，1），對應的演化穩定策略為（賄賂，接受），如圖3所示。

對比圖2和圖3可以看出，改進方案中的監管機制與獎懲機制能夠有效阻止代理節點與投票節點在投票選舉過程中的合謀行為，同時也能在一定程度上減少惡意節點謀劃成為代理節點對區塊鏈惡意攻擊的概率。

圖3 原方案節點合謀策略演化穩定趨勢圖Fig.3 Original plan node collusion strategy evolution and stability trend graph

3.2 改進方案中穩定性驗證分析

當I-θB3＜(R5+B1+B2-C2)和R4-R3＞B2+D2、R2-R1-C1＞B1+D1時，設數值R1=10,R2=15,C1=2，B1=0.5,D1=0.5,R3=3,R4=5,B2=0.25,D2=0.25,R5=5,C2=1,B3=12,n=4,I=10,θ=0.5，對三方演化穩定策略進行模擬仿真，如圖4所示。

圖4 E2(1,1,0)穩定點趨勢圖Fig.4 Trend diagram of steady point E2(1,1,0)

改進方案中唯一的演化穩定策略點是（0，0，1），演化穩定策略為（不賄賂，不接受，不監管），但是當IθB3＜(R5+B1+B2-C2)和R2-R1-C1＜B1+D1、R4-R3＜B2+D2時，即監管節點選擇監管策略的收益大于不監管策略的收益，代理節點與投票節點的合謀收益大于監管繳納的罰金。監管節點的監管行為與獎懲機制均不能有效阻止節點在投票選舉過程中的合謀行為，區塊鏈達成共識存在嚴重的安全隱患和算力資源浪費，故應當合理地設置懲罰與監察力度，通過控制監管節點的其他收益，規制監管節點履行監管職責，極力避免這種情景。

3.3 懲罰因子對三方節點主體演化策略的影響

為了保證區塊鏈系統以盡可能小的算力消耗安全高效的達成共識，完成交易的記錄，需要在節點群體演化的不同階段調整懲罰因子，本文設定懲罰因子θ(0≤θ≤1)，設定數值θ=0.2,0.5,0.8研究對三方節點穩定演化趨勢影響進行仿真分析，如圖5所示。

圖5 懲罰因子θ對三方主體行為策略選擇的影響Fig.5 Influence of penalty factorθon behavior strategy choice of three parties

根據圖5仿真結果可知，代理節點與投票節點選擇合謀的概率隨著獎懲力度的增大而減小，監管節點選擇監管的概率隨著獎懲力度的增大而增大，但在監察機制與獎懲制度的制約下，最終演化至（不賄賂、不接受、不監管）的均衡穩定狀態，故可以在節點群體演化的不同程度適當調整改進方案的獎懲力度。

3.4 方案改進前后節點投票積極性對比

從管理學中經濟人的角度出發，人們在選擇某一行為策略時總是會考慮收益，若收益可觀，便會保持這種行為。投票節點選擇投票策略的復制動態方程F(q)=dq/dt=q(1-q)[w(R3-C3)+n-C3]，由于共識方案的變化僅有改進(w=1)和不改進(w=0)兩種可能，當方案不改進時F(q)=q(1-q)(n-C3)，方案改進時F(q)=q(1-q)[w(R3-C3)+n-C3]，取R3=3,n=2,C3=1，方案改進前后投票節點策略隨時間變化對比如圖6所示。

由圖6可知，當t=2.5時，未改進方案中，投票節點選擇投票策略的概率僅約為0.4，而改進方案中約為1。用投票節點選擇投票策略的概率看作投票積極性，可以得出共識方案改進前投票節點的投票積極性遠低于改進后，故改進方案中激勵措施能夠提高投票節點參與投票的積極性。

圖6 方案改進前后投票策略演化趨勢對比Fig.6 Comparison of voting strategy evolution trend before and after scheme improvement

4 結果分析

通過共識方案改進前后對比分析及節點策略演化穩定性分析得出如下結論：

（1）監察和獎懲的協同作用能夠改變節點的合謀行為，提高投票節點參與投票的積極性。

（2）收益影響節點行為策略的選擇。當節點合謀收益小于正常參與投票收益且監管節點的監管收益小于不監管收益時，系統處于演化穩定狀態，此時投票節點和代理節點在罰金和信譽值的約束及獎勵的激勵下將遵循共識規則，積極參與區塊鏈系統的良好運行。

（3）監管節點的行為策略受懲罰因子與收益的雙重影響。當系統存在較大的安全隱患時，可通過提高監管節點監管策略的收益和加大對不監管策略的懲罰力度來激勵監管節點履行監管職責，降低系統的安全風險；當系統的安全隱患適中時，可對監管節點保持適中的激勵和懲罰力度，使系統朝著更加安全穩定的方向發展；當系統的安全隱患較低時，可適當放松對監管節點的管束，使其通過參與其他共識活動提高自身收益，避免職位冗余、資源浪費，但也要實時監管，防止惡意節點萌生合謀意圖。

5 總結與展望

針對以上結論，未來對DPoS共識機制的改進可從以下兩個方面開展：

（1）從管理的角度看待節點達成共識中的策略選擇。對于EOS等區塊鏈系統平臺，其選舉制度和節點利益分配屬于系統設定，但是隨著系統的發展演化，最初的設定需要根據其需求進行變化。由于節點通過完成某項任務達成共識完成數據上鏈并獲得交易費用的問題實質上是一個經濟問題，故建議在變更相關制度時應考慮到激勵因素和懲罰因素的作用，以正向激勵促進節點某種優良行為，以負向懲罰遏制節點的某種不良行為。

（2）根據應用場景和系統狀態制定監管力度。共識機制是制約區塊鏈技術發展的最重要因素，然而一種共識機制并不能滿足所有的應用場景。當應用場景對安全和效率有著極高的要求，則應當適度調高系統監管力度，使節點在高額的作惡代價下嚴格約束自身行為，保證系統有一個安全高效的環境。當系統節點處于高度自治，可以適當調整監管力度，節約監管行為的成本。

未來的工作主要考慮把改進方案引入到區塊鏈共識的實際應用中，為區塊鏈技術在具體場景的安全高效應用做出貢獻。