本文针对拜占庭容错状态机复制（BFT-SMR）系统中的配置优化问题展开研究。BFT-SMR是区块链等分布式系统中用于对客户端交易进行全局排序的服务，传统通过冗余机制抵御拜占庭节点，但性能开销大。近期研究通过动态配置优化（如根据网络延迟动态分配领导者角色和调整投票权重）可提升共识性能，然而本文作者发现该过程中存在三个可被拜占庭节点利用的漏洞。为解决这些弱点，提出了Beware框架：首先过滤掉被伪造的延迟报告，然后计算鲁棒的权重分布，并应用机器学习技术收敛到拜占庭容错的配置。实验评估表明，与现有解决方案相比，Beware可将共识延迟降低高达45%。本文贡献在于揭示了现有动态配置优化方案的脆弱性，并提供了自动化、鲁棒的配置重构方法，适用于区块链和广域复制系统。