分布式哈希表（DHT）：如何阻止节点存储PB级甚至EB级数据？

针对你提出的核心问题——DHT无中心节点，如何阻止攻击者存入PB/EB级海量数据，Kademlia及基于它的DHT系统主要通过以下分布式防御机制来应对：

• 节点本地存储配额与淘汰策略
  每个DHT节点都会自主设定存储上限，当存储容量耗尽时，会通过LRU（最近最少使用）或基于数据过期时间的策略淘汰旧数据。Kademlia原生就设计了数据刷新机制：发布者需要定期重新发布数据以维持其在DHT中的存在，恶意数据如果没有持续刷新，很快就会被节点自动清理，无法长期占用存储资源。

• 数据发布的成本门槛
  在Kademlia中，发布一条数据需要与k个（通常是20个）目标节点建立连接并完成交互。攻击者要发布海量数据，必须持续与大量节点建立会话、重复发送数据，这会消耗大量带宽和算力，攻击成本随数据量呈线性增长。同时，节点可以监控请求频率，对短时间内发送大量请求的节点进行限流、临时拉黑，进一步提高攻击成本。

• 数据有效性与格式约束
  多数基于Kademlia的实际系统（如BitTorrent DHT）会限制存储的数据类型与大小：通常只存储资源索引（如哈希值、节点地址）而非完整大文件，单条记录大小被严格限制在几百字节内。部分系统还要求发布者提供数据的签名验证，确保数据是合法的资源索引，而非无意义的垃圾数据，从源头过滤无效数据。

• 节点声誉与黑名单机制
  节点会持续记录其他节点的行为特征，频繁发布垃圾数据、超出合理请求频率的节点会被标记为恶意节点。后续该节点的存储请求会被优先拒绝，甚至被整个网络孤立。这种分布式的声誉体系不需要中心机构，由每个节点自主维护和执行。

• 动态复制与负载调整
  部分DHT实现会根据网络负载动态调整k值（数据复制的节点数量）：当检测到异常的存储请求激增时，临时降低k值，减少恶意数据的传播范围，同时让攻击者需要与更多节点交互才能完成数据发布，进一步提升攻击难度。

内容的提问来源于stack exchange，提问作者Andrew Baker