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BrokerChainJustitia 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tttCTX 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)dτKdde(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)dτKd​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∑τ0t−1∑j1NE{Qj(τ)}≤BV(pen∗−penmin)ϵ\lim_{t \to \infty} \sup \frac{1}{t} \sum_{\tau0}^{t-1} \sum_{j1}^N \mathbb{E}\{Q_j(\tau)\} \leq \frac{B V(\text{pen}^* - \text{pen}^{min})}{\epsilon}t→∞lim​supt1​τ0∑t−1​j1∑N​E{Qj​(τ)}≤ϵBV(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项目设定区块链协议PBFT -based 分片许可链 / 状态分片如 Monoxide实验平台BlockEmulator开源分片区块链模拟平台数据集历史以太坊交易数据≥50万条网络规模可变数量的分片NNN通常为 4-64 个评估指标CTX 排队延迟、CTX 确认比例、代币通胀率、系统吞吐量基线对比Monoxide 协议、原版 JustitiaBlockEmulator 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.