在私有区块链网络中，固定的节点配置无法适应不断变化的工作负载条件。节点数量过多会导致资源浪费，而节点数量过少则会减缓区块生产和最终确认。确定合适的验证节点数量非常困难，因为它取决于随时间变化的多个重叠因素。
本文提出了一种高木-铃木（TS）模糊推理系统，该系统读取实时区块链参数（区块生产时间、区块大小和活动节点数量），并输出一个连续的效率评分以及扩展建议：增加、维持或减少节点。控制器使用三角形隶属函数，基于三个语言变量，经过一个完整的27条规则基础，通过乘积 t-范数聚合来评估。
一个关键贡献是对隶属函数的经验重校准，将语言术语锚定在测试环境的观测操作范围，而非理论极限。该系统在一个10节点的Substrate区块链网络上进行评估，存储来自昆士兰政府开放数据门户的真实智能水表数据哈希。
对4、7和10个活动节点配置的统计分析确认控制器产生了反映每种配置的不同操作特征。在闭环实验中，控制器自主调整验证者的参与，随着负载增加激活验证者，并在过度配置时移除它们，最终从两个方向收敛到同一稳定平衡。
与三种基于阈值的基线相比，它显示出较少的扩展震荡，同时保持了可比的区块生产时间。结果表明，TS模糊推理可以支持私有区块链部署中的自主验证者管理，其稳定的扩展行为是基于阈值的方法无法匹敌。
博主点评： 本文通过高木-铃木模糊推理系统，成功实现了私有区块链中验证节点的动态管理，解决了固定节点配置带来的资源浪费和性能瓶颈问题。该系统不仅具有实用性，还提供了稳定的扩展能力，展现了模糊推理在区块链领域的广泛应用潜力。