El protocolo de consenso juega un papel vital en el rendimiento y la seguridad de una solución específica de Tecnología de Ledger Distribuido (DLT). Actualmente, la clasificación tradicional de los algoritmos de consenso se basa en criterios subjetivos, como familias de protocolos (Prueba de Trabajo, Prueba de Participación, etc.) u otras características del protocolo. Sin embargo, dichas clasificaciones a menudo resultan en representantes con características muy diferentes pertenecientes a la misma categoría. Para abordar este desafío, se introduce aquí una metodología de clasificación basada en datos cuantitativos que aprovecha el aprendizaje automático, específicamente, el agrupamiento, para lograr una agrupación imparcial de los protocolos de consenso analizados implementados en diversas plataformas. Cuando se utilizaron diferentes técnicas de agrupamiento en el conjunto de datos de DLT analizado, se logró una consistencia promedio de , mientras que algunas instancias mostraron una coincidencia de , y la consistencia más baja observada fue .