区块链与信誉系统研究组

研究组负责人刘园,博士,副教授,东北大学引进人才,CCF区块链专委会通信委员,中国通信学会区块链专委会委员。主要研究领域包括区块链核心算法,区块链物联网,区块链大数据,区块链人工智能等。主持和参与国家自然基金3项,省级以上重点项目4项,发表学术重要论文40余篇。主讲课程《区块链技术》《博弈论》等。

研究方向

  • 区块链数据隐私及数据安全研究

    数据隐私的适度保护机制 (ICCSE2019, IJCS 2020):权衡考虑数据的隐私安全和可用性,提出了“适当隐私保护”机制。通过前期研究积累,基于应用场景对信息进行分类隐私保护是切实可行的。结合智能合约(smart contract),多智能代理系统(multi-agent system),以及适当隐私保护机制,提出了应用于数据隐私保护的智能代理(smart agent)和具有隐私保护的信息存储系统的区块链框架。

    信誉系统中评价信息隐私保护 (ISPA2019):针对信誉系统中的评价信息的隐私泄露和缺乏激励问题,基于同态加密和零知识证明理论提出了区块链具有隐私保护的信誉系统模型,同时保障了用户的信誉评价信息和权重信息的隐私安全。

    区块链系统性能分析 (BlockSys2019, AAMAS2020):针对区块链系统中的安全性,一致性和高效性进行分析,提出了区块链不可能三角形理论,其中安全性包括对隐私信息的保护。基于部分可观察马尔科夫链模型(POMDP), 提出了区块链系统对于抵抗长延时攻击的分析理论模型,并被人工智能领域权威会议AAMAS2020接收。

  • 区块链共识激励机制研究

    面向信誉系统中不诚信行为的激励机制设计 (AAAI2014, AAMAS2013, AAMAS2014):基于非合作博弈,合作博弈等理论,深入研究机制设计理论,其成果主要发表在人工智能领域权威会议及期刊。并于2017获批国家自然科学基金青年项目《面向解决非诚信问题的区块链信誉电子商务个性化信誉系统》。

    基于信誉的区块链账户管理模型 (ICCSEC2018):区块链个人账户管理模型研究解决了去中心化系统中建立可信的账户的问题,提出了基于用户个人属性的信誉模型和授权机制。

    “信誉证明”共识机制 (PoR) (IECC2019):在信誉证明共识机制的研究中,为矿工节点建立考虑股权,交易活动和共识参与度等多维度的信誉模型,并为信誉信息与区块交易信息设计双链区块结构。新产生的区块经过信誉投票获得最终的确认,并获得信誉币的奖励。

  • 区块链联邦深度学习研究

    区块链-联邦学习框架SABlockFL (IJCS2020): 联邦学习的参与者构成由智能代理支持的区块链对等网络。基于以太坊平台,以训练深度学习神经网络模型为例,开发了一套原型系统,并将成果发表在国际众智期刊。

    区块链联邦学习激励支付系统 (CoRR2020):针对联邦学习中有限计算资源的问题,联合新加坡南洋理工大学深入研究基于Shapley的去中心化区块链支付系统,探索将区块链中的计算力转化计算节点参与联邦计算的边际贡献度Shapley值, 并将阶段性研究成果共享在CoRR。并对该项研究成果开发了一个原型展示系统(http://blockchain-neu.com/achievements)。

    基于学习力的工作量证明机制 (AAAI2021):将区块链系统的无效算力转化为有效科学计算的算法研究,研究成果正在撰写中。同时开发了一个原型展示系统。