在之前的一篇文中，IOTA研究部门与我们的研究资助人之一Sebastian Mueller博士合作，发布了由Serguei Popov博士和Bill Buchanan博士提出的FPC协议的模拟结果，FPC协议是快速概率共识的缩写。

今天，我们很高兴与您分享我们用来生成FPC部分结果的模拟器的源代码。通过向公众发布FPC模拟器，我们和社区开放技术，并鼓励进行广泛的测试。

我们的模拟器是用Go编写的，你可以从这个地址中访问代码：https://github.com/iotaledger/fpc-sim

我们对仿真器进行了优化，以便能评估FPC在特定情况下的具体表现。我们对源代码进行了简化，以便能对单个事务进行投票。在模拟中，节点可以表现为诚实的，也可以表现为恶意的。

对于每个事务，我们定义诚实节点的平均初始意见、恶意对手的策略以及其他参数。在下一节中，我们将简要讨论其中的一些参数。

网络视图

在FPC的论文中，我们假设了每个节点都有一个完整的网络视图，但是我们非常关注在网络视图不完整的情形线下，网络会如何表现。换句话说，我们需要分析网络中当节点缺少其他节点的信息时，对达成共识的能力的影响。

为了研究这个场景，我们引入了一个Watts-Strogatz模型，它允许将网络模拟为具有“小世界”特性的图形。我们为创建这些图形增加了两个参数：

第一个参数 δ ，是指网络节点可以对等的比例。另一个参数 γ 是指节点（通过不同的路径）重复连接的概率。我们按照以下方法绘制了图形：首先我们创建一个环，图中每个节点都跟 δ N-1 个邻近的邻居相连，其中N是节点的总数。

然后对这些连接的一半中，根据重复连接的概率 γ，从剩下的节点中随机选出一个新的重复连接。当 γ= 0时，我们会得到一个环图，它最大化的直径图固定是 δ。后者可以理解为针对Watts-Strogatz图的最坏情况。

随机性

我们考虑了接收到随机数的概率减少的可能性。这可以让我们研究，在没有为每轮提供随机阈值的情况下的协议的表现。这对于理解FPC协议需要多大的随机性具有特别重要的意义。

此外，我们提供了包括两种谨慎的攻击者策略的可能性。首先，攻击者试图攻击意见的完整性，即通过不断地投票给最初的少数意见来推翻最初的多数意见。在第二种情况下，攻击者试图通过创建协商失败和破坏节点之间的共识来攻击网络。

目前，模拟器支持以下主要指标，我们还提供了相应的评估脚本：

为此，我们采用了三个用Python和Matplotlib编写的评估脚本。

plot.py和plot2d.py：这两个脚本允许分别用1和2个输入向量求值。我们使用脚本从模拟代码生成的csv输出文件中提取数据。

例如，在下面的图中，我们应用plot.py脚本显示通过评估部分网络视图的效果而获得的数据。在第一幅图中，我们采用保守的观点，假设图的形式是一个环。可以看出，局部网络视图足以使节点达成协议。

在第二个图中，我们根据概率 γ 让拓扑图中的结构出现一些重复的链接。结果表明，在保持网络视图较小的同时，同意概率可以得到显著提高。

plot_eps.py：此脚本提供了一个η-values随时间分布的热图。例如，在下一个图中，如果大部分节点都是恶意的，那么您可以看到etas的演变。

此外，还可以提取以下指标，并将其输出作为CSV文件提供：

IOTA研究团队正在不断改进模拟代码，并添加新的特性。如果您对此很感兴趣，并想了解更多关于它的信息，请开始尝试使用这段代码！此外，如果你愿意做出贡献，你可以实施新的攻击战略和防御机制。有关如何构建和运行模拟器的更多信息可以在存储库的README文件中找到。

发布FPC模拟器是Coordicide项目的一个重要步骤。它使我们能够与对该技术感兴趣的社区和研究人员进行接触。通过这种方式，世界各地的个人可以通过另一种途径为这项努力做出贡献，甚至可以在这里申请资助。

我们希望您能像我们一样喜欢这个模拟器的开发。一如既往，我们欢迎您在这里或在IOTA的官方Discord服务器上的#tanglemath频道上发表评论或提问。

原创文章，作者：BruceX，如若转载，请注明出处：http://www.iota.love/201909/iota-releases-fast-probabilistic-consensus-simulator/