Адаптивний гібридний механізм консенсусу для блокчейн-орієнтованого електронного урядування: підхід на основі машинного навчання

Запропоновано адаптивний гiбридний механiзм консенсусу для блокчейн-орiєнтованого електронного урядування, що динамiчно перемикається мiж QBFT, PoS та PBFT за допомогою класифiкатора Random Forest, гiстерезису та детермiнiстичного оверрайду. Формальнi гарантiї базуються на нерiвностях Хефдiнга та Бернштейна. Симуляцiї на даних українських президентських виборiв (30 млн виборцiв, 12 год) демонструють покращення пропускної здатностi на 32% (958.7 проти 726.5 TPS), 99.4% покриття PBFT при 20% вiзантiйських атаках та +0.4% енергоспоживання. 5-вузлова тестова мережа Hyperledger Besu пiдтверджує детермiнiстичне виробництво блокiв (2,000 ± 0,000 с) i стiйкiсть до вiдмов \( (n-1)/3 \); екстраполяцiя дає 144–500 TPS при \(n = 60\). ML-пiдхiд забезпечує 6,9% покращення за мультикритерiальною метрикою порiвняно з пороговим перемиканням.