企业官网建设流程全解析

Justitia-L

论文重点

本文提出了一种名为Justitia-L的分层自适应激励框架，用于解决分片区块链中跨分片交易（CTX）与片内交易（ITX）之间的持久性处理不公平问题。其核心创新在于将微观层面的延迟纠正与宏观层面的预算管理解耦，通过引入Justitia-PID 闭环反馈控制模块与拉格朗日对偶控制，在保证跨分片交易公平性的同时，严格约束代币通胀风险，实现经济可持续性。

核心研究内容

问题定义

在分片区块链中，一笔跨分片交易（CTX）需要被拆分为两个子交易，分别在源分片和目标分片的交易池中排队等待打包。然而，用户只为原始交易支付一笔手续费，这意味着系统需要“干两份活”却只收到一份报酬。在经济理性的驱动下，区块链提议者（proposer）天然倾向于优先打包收益更高的片内交易（ITX），导致 CTX 长期处于竞争劣势，排队延迟显著高于 ITX。

虽然此前的研究（如 Justitia）已尝试通过激励机制缓解这一问题，但其设计主要依赖开环或半动态控制，在波动负载下难以维持控制精度，且缺乏针对代币通胀的严格经济保障。因此，如何在预算约束下实现公平性优化，成为一个兼具理论深度和工程挑战的问题。

创新方法

Justitia-L 的核心创新体现在以下三个层面：

第一，分层解耦的架构设计。将问题拆解为两个层次：微观层负责实时纠正 CTX 与 ITX 的延迟差异，宏观层负责全局预算（代币发行量）的管理与约束。这种分层设计使得两个目标可以独立优化，降低了问题的复杂度。

第二，闭环反馈控制（Justitia-PID）。微观层采用 PID（比例-积分-微分）控制律，实时监测 CTX 与 ITX 的排队延迟差异，并动态调整激励强度。与开环设计不同，闭环控制能够根据系统状态的变化自动修正控制信号，在波动负载下维持较高的控制精度。

第三，拉格朗日对偶控制的预算管理。宏观层将预算约束建模为一个优化问题，通过拉格朗日对偶方法求解最优的代币发行策略。这一方法能够在保证公平性目标的前提下，最小化代币通胀对经济系统的影响，为激励机制提供了严格的经济可持续性保障。

研究成果

根据 HuangLab 官方披露的信息，Justitia-L 已被IEEE ICDCS 2026（分布式计算领域 CCF-B 类国际会议）接收，该会议的论文接收率为 18.59%。论文的关键词涵盖“区块链分片、拉格朗日对偶控制、代币经济学、经济可持续性”。虽然具体的量化实验数据尚未公开，但从其理论贡献来看，Justitia-L 成功地将控制理论（PID 控制）与优化理论（拉格朗日对偶）引入了区块链公平性这一传统上依赖博弈论和机制设计的领域，实现了跨学科的方法论创新。

实际落地应用的可能性

Justitia-L 的落地前景较为明朗，原因有三：

• 继承成熟的实验基础设施：Justitia-L 的前序工作 Justitia 已在开源分片区块链实验平台BlockEmulator上完成了原型实现与验证，回放了超过 50 万条真实以太坊交易数据。BlockEmulator 目前已获得超过 80 个国家与地区研究者的使用，这为 Justitia-L 的快速验证与迭代提供了坚实基础。

• 与产业界已有合作基础：BrokerChain（Justitia 的底层分片区块链基础设施）的技术方案已支持华为云区块链、鹏城实验室区块链、上海保交链等企业级区块链系统。Justitia-L 作为其公平性优化的升级方案，有望沿袭这一产业合作路径。

• 预算约束的现实意义：任何公链的经济模型都必须面对“激励不能无限膨胀”的硬约束。Justitia-L 将预算约束纳入优化框架，使其在真实经济环境中具备更高的可行性。

技术细节

1. 问题形式化

设系统中有NNN个分片，在每个时间步ttt，CTX 与 ITX 分别以速率λCTX(t)\lambda_{CTX}(t)λCTX​(t)和λITX(t)\lambda_{ITX}(t)λITX​(t)到达交易池。定义公平性指标F(t)F(t)F(t)为 CTX 与 ITX 的平均排队延迟之比：

F(t)=DCTX(t)DITX(t)F(t) = \frac{D_{CTX}(t)}{D_{ITX}(t)}F(t)=DITX​(t)DCTX​(t)​

理想情况下F(t)→1F(t) \rightarrow 1F(t)→1，即两种交易的排队延迟趋于一致。

2. Justitia-PID 控制律

微观层的 PID 控制器以公平性偏差e(t)=F(t)−1e(t) = F(t) - 1e(t)=F(t)−1为输入，输出激励调整量u(t)u(t)u(t)：

u(t)=Kpe(t)+Ki∫0te(τ)dτ+Kdde(t)dtu(t) = K_p e(t) + K_i \int_0^t e(\tau)d\tau + K_d \frac{de(t)}{dt}u(t)=Kp​e(t)+Ki​∫0t​e(τ)dτ+Kd​dtde(t)​

其中KpK_pKp​、KiK_iKi​、KdK_dKd​分别为比例、积分、微分系数。控制器的输出u(t)u(t)u(t)决定了对 CTX 的额外补贴额度。

3. 拉格朗日对偶预算优化

宏观层的预算约束可表述为如下优化问题：

min⁡θL(θ,λ)=Penalty(θ)+λ⋅(B(θ)−Bmax)\min_{\theta} \mathcal{L}(\theta, \lambda) = \text{Penalty}(\theta) + \lambda \cdot (B(\theta) - B_{max})θmin​L(θ,λ)=Penalty(θ)+λ⋅(B(θ)−Bmax​)

其中θ\thetaθ为激励策略参数，B(θ)B(\theta)B(θ)为预期的代币发行量，BmaxB_{max}Bmax​为预算上限，λ≥0\lambda \geq 0λ≥0为拉格朗日乘子。通过对偶上升法迭代更新λ\lambdaλ，可以在满足预算约束的前提下最小化公平性惩罚。

4. 系统稳定性保障

论文借鉴了Lyapunov 优化框架来保障系统的长期稳定性。通过构造 Lyapunov 函数L(Θ(t))L(\Theta(t))L(Θ(t))并分析其漂移，可以证明在 Slater 条件下，系统队列长度的上界满足：

lim⁡t→∞sup⁡1t∑τ=0t−1∑j=1NE{Qj(τ)}≤B+V(pen∗−penmin)ϵ\lim_{t \to \infty} \sup \frac{1}{t} \sum_{\tau=0}^{t-1} \sum_{j=1}^N \mathbb{E}\{Q_j(\tau)\} \leq \frac{B + V(\text{pen}^* - \text{pen}^{min})}{\epsilon}t→∞lim​supt1​τ=0∑t−1​j=1∑N​E{Qj​(τ)}≤ϵB+V(pen∗−penmin)​

这一结论保证了在预算约束下，分片队列不会无限增长，系统能够维持稳定运行。

研究设定

根据前序工作 Justitia 的实验设定，Justitia-L 的研究大概率沿用以下配置：

BlockEmulator 是 HuangLab 自研的开源区块链实验平台，基于 BrokerChain 的基本实现框架构建，集成了研究组多项成果的内置算法与实验工具集。

综合分析

理论贡献：跨学科的方法论融合

Justitia-L 最值得关注的理论贡献，在于它将控制理论（PID 闭环控制）和凸优化理论（拉格朗日对偶）引入了区块链公平性优化这一领域。此前的研究（包括原版 Justitia）主要依赖博弈论工具（如 Shapley Value）设计激励机制，这些方法虽然在静态分析中表现良好，但在动态、波动的工作负载下缺乏自适应能力。Justitia-L 的闭环反馈设计弥补了这一缺陷，使系统能够“感知”自身状态并实时调整。

从“公平性”到“可持续公平性”的范式升级

原版 Justitia 的核心目标是“让 CTX 与 ITX 获得同等对待”。而 Justitia-L 在此基础上增加了一个维度——预算约束。这一转变看似微小，实则意义重大：它标志着研究视角从“能否实现公平”升级为“能否持续地实现公平”。在代币经济模型中，任何无约束的激励最终都会导致通胀失控，进而损害系统的长期信任基础。Justitia-L 将经济可持续性作为一阶约束纳入优化框架，使其更接近真实世界的部署需求。

局限与挑战

当然，Justitia-L 也面临一些潜在挑战。首先，PID 控制器的参数（Kp,Ki,KdK_p, K_i, K_dKp​,Ki​,Kd​）在不同网络规模、不同交易负载下的最优取值可能不同，如何实现自适应调参是一个开放问题。其次，拉格朗日对偶方法虽然理论优美，但在去中心化环境中，全局预算信息的收集与共识本身就是一个复杂问题。最后，论文目前披露的信息仍以理论分析为主，具体的实验数据有待公开。

实践应用

对于计划在实际分片区块链系统中部署 Justitia-L 的团队，以下建议可供参考：

1. 从模拟验证开始。建议先在 BlockEmulator 上复现论文实验，理解 PID 参数对系统行为的影响，再逐步迁移到真实环境。

2. 关注预算参数的设定。BmaxB_{max}Bmax​（代币发行上限）是连接公平性与经济可持续性的关键参数。建议结合系统的年化通胀目标、交易量预测、节点收益预期等因素综合设定。

3. 渐进式部署。可以先在部分分片或部分交易类型上启用 Justitia-L 的激励机制，观察其对系统延迟、吞吐量和代币通胀的实际影响，再逐步扩大范围。

4. 与现有分片基础设施集成。Justitia-L 继承自 BrokerChain 技术栈，而 BrokerChain 已支持华为云区块链、鹏城实验室区块链等企业级系统。如果您的系统已基于这些基础设施构建，集成成本将显著降低。

参考资料

• Sihua Wang, Jian Zheng, Huawei Huang. “Justitia-L: Budget-Constrained Fairness Optimization in Sharded Blockchains via Lagrangian Dual Control.”IEEE International Conference on Distributed Computing Systems (ICDCS), 2026.

• Jian Zheng, Huawei Huang, Yinqiu Liu, Taotao Li, Hong-Ning Dai, Zibin Zheng. “Justitia: An Incentive Mechanism towards the Fairness of Cross-shard Transactions.”IEEE INFOCOM2025.