基于区块链的边缘计算可信卸载方法和系统设计实现

这是一篇关于移动边缘计算,区块链,智能合约,任务卸载,博弈论的论文, 主要内容为5G技术的发展和物联网技术的普及,数据量呈指数级增长。移动边缘计算利用靠近数据源头的计算节点对数据进行处理,减少网络开销。然而现有边缘计算研究方案中,任务数据保护方法和卸载决策方法大多采用集中式方案,容易受到恶意篡改攻击,同时存在拥塞拥塞问题。除此之外,在卸载过程中,多方会为了自身利益做出不利于整个网络架构的行为。任务数据的不安全和卸载中的不诚实行为,会极大程度降低网络架构的可信度。可信度是MEC服务器和终端设备参与卸载的重要因素。失去可信度将严重影响MEC服务器和终端设备的参与积极性。区块链技术作为一种新兴技术,可以有效解决边缘计算中的数据安全和信任问题。因此,研究基于区块链的边缘计算可信任务卸载方法和系统具有现实意义。本文针对分布式边缘计算场景信任问题进行了研究,建立了问题模型,采用效用作为评估标准,得到虚拟机与卸载任务的效用函数。将卸载问题转化为双边效用最大的匹配问题。考虑到分布式计算卸载中个体理性的问题,本文建立了非合作博弈目标函数,并提出了基于博弈论的任务匹配算法,该算法满足纳什均衡状态,可以让个体在分布式计算卸载中做出最优选择,保证卸载的公平公正。为了解决中心化决策组织恶意获利、决策过程不透明带来的问题,本文提出了基于区块链的可信卸载方法,代替中心化决策组织,使得卸载过程公开透明。基于真实数据集的实验表明,所提出的分布式算法性能相似于集中式最优算法,能在牺牲较少性能的情况下,保证卸载过程的可信和透明。本文针对计算卸载中的任务数据安全问题,结合卸载决策算法,提出一种基于区块链的边缘计算可信卸载系统。本系统的核心主要采用Hyperledger Fabric联盟链框架并结合星际文件系统,形成“链上索引,链下存储”的协同存储模式。系统将任务详情数据和卸载数据的索引信息链上存储,确保任务详情数据和卸载数据索引的去中心化存储、不可篡改优势,缓解网络拥塞,避免恶意篡改数据。系统利用星际文件系统技术,在链下存储卸载数据,有效地降低了系统的存储压力。本文对所提出的系统进行设计和实现,包括总体设计、系统核心功能模块的设计、区块链层设计和实现、星际文件系统的搭建。针对系统进行系统仿真测试。测试结果表明,所提出的基于区块链的边缘计算可信卸载系统具有良好性能,卸载决策智能合约具有较小的计算开销,能够满足用户的使用需求。最后,本文对所提出的系统和方法进行可信度分析,验证其有效性。

基于区块链的IoT资源优化与调度研究

这是一篇关于任务卸载,区块链,物联网,强化学习,联邦学习的论文, 主要内容为随着IoT应用和服务的不断发展,移动终端设备已经成为互联世界中非常重要的一部分,这些设备的连接将生成大量数据或任务,这些数据或任务需要存储、传输或计算。然而,如何快速安全地处理这些任务面临着诸多挑战:第一,IoT设备在处理能力、电池电量和存储空间方面具有资源限制,复杂和繁重的计算任务很难在这些设备上独立执行;第二,需要确保收集到的数据的安全性和真实性,区块链技术能够对数据进行可信存储,但是原始数据的直接传输依旧导致用户隐私难以保证;第三,许多应用存在数据的可信存储与监控需求,需要设计出区块链授信数据管理的系统模型、平台及部署模式。基于以上需求,本文以MEC计算任务卸载为基本场景,融合了区块链、边缘计算、DRL、联邦学习等多种技术,设计方案并开发相关系统,成功利用计算、通信和缓存等资源提供低延迟卸载决策、资源分配策略、隐私保护策略和资源监控服务。本文的主要工作如下:1.提出了一种基于DQN的IoT任务卸载优化方案,将MEC、控制器和区块链集成到系统中。鉴于系统的高维复杂性,通过充分考虑系统的可调整因素,将共识和卸载过程设计为MDP,并引入DQN算法来动态选择卸载动作(包括验证节点选择、块大小调整、任务卸载服务器选择和块间隔调整)。为了加速优化,本文根据任务的规模和计算复杂性设计了一个新的奖励函数。为了减少区块链对整体性能的影响,系统考虑了区块链的共识延迟和吞吐量,在实现系统的最佳总体性能的同时,保证了数据的安全性和完整性。仿真实验表明,与没有进行优化的方案相比,本文设计的方案在任务卸载数量和区块链吞吐量方面等表现更好。2.为了在满足合法合规的前提下进行数据价值流转,提出面向IoT隐私安全的资源调度方案,能够满足数据隐私要求,并避免直接共享数据。在每个计算任务的状态列表中加入是否接受传输原始数据,将联邦学习系统加入系统中,每个单元中的设备数据在其对应的MEC服务器上针对子模型进行训练,并且子模型参数在云服务器上聚合以生成全局模型。为了防止中央服务器的单点崩溃,提出了由区块链辅助的去中心化联邦学习框架,以提供可溯源和可靠的任务卸载和模型训练环境。除此之外,还考虑了区块链的优化。仿真实验表明,与其他方案相比,本文设计的方案在几乎所有区间都取得了更高的奖励值,并且收敛速度更快。3.基于实际应用对IoT数据进行可信的监控和管理的需求,设计并开发面向区块链应用的数据授信资源监控系统,系统性地管理监控节点资源并存储授信文件。基于国产区块链,实现了上链存证与查询监管等功能。用户界面可以对系统进行实时的监控,如查看节点数、消息处理能力、交易量、文件数等系统参量,可以观测服务性能、分布式存储性能、各种节点CPU占用率与链监控情况。

基于区块链的IoT资源优化与调度研究

这是一篇关于任务卸载,区块链,物联网,强化学习,联邦学习的论文, 主要内容为随着IoT应用和服务的不断发展,移动终端设备已经成为互联世界中非常重要的一部分,这些设备的连接将生成大量数据或任务,这些数据或任务需要存储、传输或计算。然而,如何快速安全地处理这些任务面临着诸多挑战:第一,IoT设备在处理能力、电池电量和存储空间方面具有资源限制,复杂和繁重的计算任务很难在这些设备上独立执行;第二,需要确保收集到的数据的安全性和真实性,区块链技术能够对数据进行可信存储,但是原始数据的直接传输依旧导致用户隐私难以保证;第三,许多应用存在数据的可信存储与监控需求,需要设计出区块链授信数据管理的系统模型、平台及部署模式。基于以上需求,本文以MEC计算任务卸载为基本场景,融合了区块链、边缘计算、DRL、联邦学习等多种技术,设计方案并开发相关系统,成功利用计算、通信和缓存等资源提供低延迟卸载决策、资源分配策略、隐私保护策略和资源监控服务。本文的主要工作如下:1.提出了一种基于DQN的IoT任务卸载优化方案,将MEC、控制器和区块链集成到系统中。鉴于系统的高维复杂性,通过充分考虑系统的可调整因素,将共识和卸载过程设计为MDP,并引入DQN算法来动态选择卸载动作(包括验证节点选择、块大小调整、任务卸载服务器选择和块间隔调整)。为了加速优化,本文根据任务的规模和计算复杂性设计了一个新的奖励函数。为了减少区块链对整体性能的影响,系统考虑了区块链的共识延迟和吞吐量,在实现系统的最佳总体性能的同时,保证了数据的安全性和完整性。仿真实验表明,与没有进行优化的方案相比,本文设计的方案在任务卸载数量和区块链吞吐量方面等表现更好。2.为了在满足合法合规的前提下进行数据价值流转,提出面向IoT隐私安全的资源调度方案,能够满足数据隐私要求,并避免直接共享数据。在每个计算任务的状态列表中加入是否接受传输原始数据,将联邦学习系统加入系统中,每个单元中的设备数据在其对应的MEC服务器上针对子模型进行训练,并且子模型参数在云服务器上聚合以生成全局模型。为了防止中央服务器的单点崩溃,提出了由区块链辅助的去中心化联邦学习框架,以提供可溯源和可靠的任务卸载和模型训练环境。除此之外,还考虑了区块链的优化。仿真实验表明,与其他方案相比,本文设计的方案在几乎所有区间都取得了更高的奖励值,并且收敛速度更快。3.基于实际应用对IoT数据进行可信的监控和管理的需求,设计并开发面向区块链应用的数据授信资源监控系统,系统性地管理监控节点资源并存储授信文件。基于国产区块链,实现了上链存证与查询监管等功能。用户界面可以对系统进行实时的监控,如查看节点数、消息处理能力、交易量、文件数等系统参量,可以观测服务性能、分布式存储性能、各种节点CPU占用率与链监控情况。

基于区块链的IoT资源优化与调度研究

这是一篇关于任务卸载,区块链,物联网,强化学习,联邦学习的论文, 主要内容为随着IoT应用和服务的不断发展,移动终端设备已经成为互联世界中非常重要的一部分,这些设备的连接将生成大量数据或任务,这些数据或任务需要存储、传输或计算。然而,如何快速安全地处理这些任务面临着诸多挑战:第一,IoT设备在处理能力、电池电量和存储空间方面具有资源限制,复杂和繁重的计算任务很难在这些设备上独立执行;第二,需要确保收集到的数据的安全性和真实性,区块链技术能够对数据进行可信存储,但是原始数据的直接传输依旧导致用户隐私难以保证;第三,许多应用存在数据的可信存储与监控需求,需要设计出区块链授信数据管理的系统模型、平台及部署模式。基于以上需求,本文以MEC计算任务卸载为基本场景,融合了区块链、边缘计算、DRL、联邦学习等多种技术,设计方案并开发相关系统,成功利用计算、通信和缓存等资源提供低延迟卸载决策、资源分配策略、隐私保护策略和资源监控服务。本文的主要工作如下:1.提出了一种基于DQN的IoT任务卸载优化方案,将MEC、控制器和区块链集成到系统中。鉴于系统的高维复杂性,通过充分考虑系统的可调整因素,将共识和卸载过程设计为MDP,并引入DQN算法来动态选择卸载动作(包括验证节点选择、块大小调整、任务卸载服务器选择和块间隔调整)。为了加速优化,本文根据任务的规模和计算复杂性设计了一个新的奖励函数。为了减少区块链对整体性能的影响,系统考虑了区块链的共识延迟和吞吐量,在实现系统的最佳总体性能的同时,保证了数据的安全性和完整性。仿真实验表明,与没有进行优化的方案相比,本文设计的方案在任务卸载数量和区块链吞吐量方面等表现更好。2.为了在满足合法合规的前提下进行数据价值流转,提出面向IoT隐私安全的资源调度方案,能够满足数据隐私要求,并避免直接共享数据。在每个计算任务的状态列表中加入是否接受传输原始数据,将联邦学习系统加入系统中,每个单元中的设备数据在其对应的MEC服务器上针对子模型进行训练,并且子模型参数在云服务器上聚合以生成全局模型。为了防止中央服务器的单点崩溃,提出了由区块链辅助的去中心化联邦学习框架,以提供可溯源和可靠的任务卸载和模型训练环境。除此之外,还考虑了区块链的优化。仿真实验表明,与其他方案相比,本文设计的方案在几乎所有区间都取得了更高的奖励值,并且收敛速度更快。3.基于实际应用对IoT数据进行可信的监控和管理的需求,设计并开发面向区块链应用的数据授信资源监控系统,系统性地管理监控节点资源并存储授信文件。基于国产区块链,实现了上链存证与查询监管等功能。用户界面可以对系统进行实时的监控,如查看节点数、消息处理能力、交易量、文件数等系统参量,可以观测服务性能、分布式存储性能、各种节点CPU占用率与链监控情况。

基于区块链的边缘计算可信卸载方法和系统设计实现

这是一篇关于移动边缘计算,区块链,智能合约,任务卸载,博弈论的论文, 主要内容为5G技术的发展和物联网技术的普及,数据量呈指数级增长。移动边缘计算利用靠近数据源头的计算节点对数据进行处理,减少网络开销。然而现有边缘计算研究方案中,任务数据保护方法和卸载决策方法大多采用集中式方案,容易受到恶意篡改攻击,同时存在拥塞拥塞问题。除此之外,在卸载过程中,多方会为了自身利益做出不利于整个网络架构的行为。任务数据的不安全和卸载中的不诚实行为,会极大程度降低网络架构的可信度。可信度是MEC服务器和终端设备参与卸载的重要因素。失去可信度将严重影响MEC服务器和终端设备的参与积极性。区块链技术作为一种新兴技术,可以有效解决边缘计算中的数据安全和信任问题。因此,研究基于区块链的边缘计算可信任务卸载方法和系统具有现实意义。本文针对分布式边缘计算场景信任问题进行了研究,建立了问题模型,采用效用作为评估标准,得到虚拟机与卸载任务的效用函数。将卸载问题转化为双边效用最大的匹配问题。考虑到分布式计算卸载中个体理性的问题,本文建立了非合作博弈目标函数,并提出了基于博弈论的任务匹配算法,该算法满足纳什均衡状态,可以让个体在分布式计算卸载中做出最优选择,保证卸载的公平公正。为了解决中心化决策组织恶意获利、决策过程不透明带来的问题,本文提出了基于区块链的可信卸载方法,代替中心化决策组织,使得卸载过程公开透明。基于真实数据集的实验表明,所提出的分布式算法性能相似于集中式最优算法,能在牺牲较少性能的情况下,保证卸载过程的可信和透明。本文针对计算卸载中的任务数据安全问题,结合卸载决策算法,提出一种基于区块链的边缘计算可信卸载系统。本系统的核心主要采用Hyperledger Fabric联盟链框架并结合星际文件系统,形成“链上索引,链下存储”的协同存储模式。系统将任务详情数据和卸载数据的索引信息链上存储,确保任务详情数据和卸载数据索引的去中心化存储、不可篡改优势,缓解网络拥塞,避免恶意篡改数据。系统利用星际文件系统技术,在链下存储卸载数据,有效地降低了系统的存储压力。本文对所提出的系统进行设计和实现,包括总体设计、系统核心功能模块的设计、区块链层设计和实现、星际文件系统的搭建。针对系统进行系统仿真测试。测试结果表明,所提出的基于区块链的边缘计算可信卸载系统具有良好性能,卸载决策智能合约具有较小的计算开销,能够满足用户的使用需求。最后,本文对所提出的系统和方法进行可信度分析,验证其有效性。

基于统计时延保障的星地融合网络资源调度优化研究

这是一篇关于移动边缘计算,随机网络演算,深度强化学习,资源分配,任务卸载,时延保障的论文, 主要内容为随着卫星通信技术的不断发展,卫星物联网设备接入量和数据传输量不断增长,从而导致卫星物联网业务存在较明显的时空不均匀性、突发性与随机性,传统卫星网络架构易遇到高时延、高能耗等问题。为了应对这些挑战,本文基于融合边缘计算(Multi-access Edge Computing,MEC)的星地协同架构,研究能够表征卫星业务特性的业务建模和多星计算卸载的时延模型、基于统计时延保障的星地协同资源分配与计算卸载算法、星地网络仿真平台,对于提高卫星网络的效率和性能,以及提高卫星用户服务质量(Quality of Service,Qos)保障的可靠性具有重要研究意义。本文主要研究工作如下:首先,针对星地协同网络业务的突发性和随机性问题,本文提出一种基于随机网络演算的卫星业务建模分析方法。分别选用泊松模型和状态马尔科夫链对卫星的业务到达和信道服务过程进行表征,推导出卫星业务的随机到达曲线和随机服务曲线;基于随机网络演算理论并结合星地协同场景下的多跳卸载工作流程,推导卫星任务在多跳卸载时的时延模型;接着,针对理论时延模型进行仿真,分析不同通信参数对卫星多跳卸载性能的影响,验证所得理论性能边界与实际仿真性能的相符性。然后,针对卫星星地协同时延高度敏感问题和资源管理问题,本文提出一种基于统计时延保障的星地协同资源分配与计算卸载算法。利用随机网络演算理论分别对本地计算、接入星计算和多卫星协同计算三种策略下的统计时延概率边界进行了推导,获得三种策略的时延模型;以系统任务完成率为优化目标,进一步构建出资源分配和任务卸载的联合优化模型,将联合问题公式化为一个混合整数非线性规划问题;采用基于统计时延保障的资源分配算法求解公平资源分配,采用深度Q网络(Deep Q-Network,DQN)算法学习最优卸载决策,以提高任务时延保障的可靠性和卫星网络的资源利用率,并进行卸载策略的仿真实验以及分析评估。最后,针对卫星动态资源分配与卸载策略的高成本测试问题,本文提出一种基于STK的星地网络仿真平台。通过STK和MATLAB软件搭建星地网络仿真平台,基于功能需求进行平台框架和功能模块的设计,平台能够模拟卫星智能体与环境交互学习的过程;接着,开展星地网络仿真平台的构建与实验,进行仿真平台初始化测试以及卫星通信场景的搭建测试,所建平台能够实现不同网络规模需求的网络场景设计和通信参数调节,能够模拟多种资源调度策略,并提供卫星网络场景的多维度可视化展示。

基于区块链的边缘计算可信卸载方法和系统设计实现

这是一篇关于移动边缘计算,区块链,智能合约,任务卸载,博弈论的论文, 主要内容为5G技术的发展和物联网技术的普及,数据量呈指数级增长。移动边缘计算利用靠近数据源头的计算节点对数据进行处理,减少网络开销。然而现有边缘计算研究方案中,任务数据保护方法和卸载决策方法大多采用集中式方案,容易受到恶意篡改攻击,同时存在拥塞拥塞问题。除此之外,在卸载过程中,多方会为了自身利益做出不利于整个网络架构的行为。任务数据的不安全和卸载中的不诚实行为,会极大程度降低网络架构的可信度。可信度是MEC服务器和终端设备参与卸载的重要因素。失去可信度将严重影响MEC服务器和终端设备的参与积极性。区块链技术作为一种新兴技术,可以有效解决边缘计算中的数据安全和信任问题。因此,研究基于区块链的边缘计算可信任务卸载方法和系统具有现实意义。本文针对分布式边缘计算场景信任问题进行了研究,建立了问题模型,采用效用作为评估标准,得到虚拟机与卸载任务的效用函数。将卸载问题转化为双边效用最大的匹配问题。考虑到分布式计算卸载中个体理性的问题,本文建立了非合作博弈目标函数,并提出了基于博弈论的任务匹配算法,该算法满足纳什均衡状态,可以让个体在分布式计算卸载中做出最优选择,保证卸载的公平公正。为了解决中心化决策组织恶意获利、决策过程不透明带来的问题,本文提出了基于区块链的可信卸载方法,代替中心化决策组织,使得卸载过程公开透明。基于真实数据集的实验表明,所提出的分布式算法性能相似于集中式最优算法,能在牺牲较少性能的情况下,保证卸载过程的可信和透明。本文针对计算卸载中的任务数据安全问题,结合卸载决策算法,提出一种基于区块链的边缘计算可信卸载系统。本系统的核心主要采用Hyperledger Fabric联盟链框架并结合星际文件系统,形成“链上索引,链下存储”的协同存储模式。系统将任务详情数据和卸载数据的索引信息链上存储,确保任务详情数据和卸载数据索引的去中心化存储、不可篡改优势,缓解网络拥塞,避免恶意篡改数据。系统利用星际文件系统技术,在链下存储卸载数据,有效地降低了系统的存储压力。本文对所提出的系统进行设计和实现,包括总体设计、系统核心功能模块的设计、区块链层设计和实现、星际文件系统的搭建。针对系统进行系统仿真测试。测试结果表明,所提出的基于区块链的边缘计算可信卸载系统具有良好性能,卸载决策智能合约具有较小的计算开销,能够满足用户的使用需求。最后,本文对所提出的系统和方法进行可信度分析,验证其有效性。

基于区块链的IoT资源优化与调度研究

这是一篇关于任务卸载,区块链,物联网,强化学习,联邦学习的论文, 主要内容为随着IoT应用和服务的不断发展,移动终端设备已经成为互联世界中非常重要的一部分,这些设备的连接将生成大量数据或任务,这些数据或任务需要存储、传输或计算。然而,如何快速安全地处理这些任务面临着诸多挑战:第一,IoT设备在处理能力、电池电量和存储空间方面具有资源限制,复杂和繁重的计算任务很难在这些设备上独立执行;第二,需要确保收集到的数据的安全性和真实性,区块链技术能够对数据进行可信存储,但是原始数据的直接传输依旧导致用户隐私难以保证;第三,许多应用存在数据的可信存储与监控需求,需要设计出区块链授信数据管理的系统模型、平台及部署模式。基于以上需求,本文以MEC计算任务卸载为基本场景,融合了区块链、边缘计算、DRL、联邦学习等多种技术,设计方案并开发相关系统,成功利用计算、通信和缓存等资源提供低延迟卸载决策、资源分配策略、隐私保护策略和资源监控服务。本文的主要工作如下:1.提出了一种基于DQN的IoT任务卸载优化方案,将MEC、控制器和区块链集成到系统中。鉴于系统的高维复杂性,通过充分考虑系统的可调整因素,将共识和卸载过程设计为MDP,并引入DQN算法来动态选择卸载动作(包括验证节点选择、块大小调整、任务卸载服务器选择和块间隔调整)。为了加速优化,本文根据任务的规模和计算复杂性设计了一个新的奖励函数。为了减少区块链对整体性能的影响,系统考虑了区块链的共识延迟和吞吐量,在实现系统的最佳总体性能的同时,保证了数据的安全性和完整性。仿真实验表明,与没有进行优化的方案相比,本文设计的方案在任务卸载数量和区块链吞吐量方面等表现更好。2.为了在满足合法合规的前提下进行数据价值流转,提出面向IoT隐私安全的资源调度方案,能够满足数据隐私要求,并避免直接共享数据。在每个计算任务的状态列表中加入是否接受传输原始数据,将联邦学习系统加入系统中,每个单元中的设备数据在其对应的MEC服务器上针对子模型进行训练,并且子模型参数在云服务器上聚合以生成全局模型。为了防止中央服务器的单点崩溃,提出了由区块链辅助的去中心化联邦学习框架,以提供可溯源和可靠的任务卸载和模型训练环境。除此之外,还考虑了区块链的优化。仿真实验表明,与其他方案相比,本文设计的方案在几乎所有区间都取得了更高的奖励值,并且收敛速度更快。3.基于实际应用对IoT数据进行可信的监控和管理的需求,设计并开发面向区块链应用的数据授信资源监控系统,系统性地管理监控节点资源并存储授信文件。基于国产区块链,实现了上链存证与查询监管等功能。用户界面可以对系统进行实时的监控,如查看节点数、消息处理能力、交易量、文件数等系统参量,可以观测服务性能、分布式存储性能、各种节点CPU占用率与链监控情况。

雾计算网络任务卸载和安全分片方案研究

这是一篇关于雾计算,任务卸载,区块链,信誉模型,分片的论文, 主要内容为雾计算网络位于物联网(Internet of Things,Io T)设备和云之间,可为Io T设备(Io T Devices,IDs)提供传输、计算和缓存资源,以降低IDs应用传输时延,提高服务质量(Quality of Service,Qo S)。由于雾节点(Fog Nodes,FNs)计算资源有限,需优化卸载决策和资源分配方案以提高资源利用率,降低网络开销。同时,由于FNs的离散部署,导致用户数据安全和网络抗攻击能力面临巨大的挑战。现有研究中,采用区块链技术来保证传输数据的安全性。但是,由于区块链可扩展性限制,网络吞吐量低,共识时延高。针对以上问题,本文研究了雾计算网络任务卸载和安全分片方案。首先,本文研究了雾计算网络中任务卸载与区块共识方案。为了最小化网络开销,分别针对任务卸载能耗和区块链共识时延提出卸载目标动态匹配(Offloading Target Dynamic Matching,OTDM)算法和基于信誉值的委托拜占庭容错(Reputation-based Delegated Byzantine Fault Tolerant,R-DBFT)算法。首先,提出基于区块链技术的雾计算网络模型,并引入设备到设备(Device-To-Device,D2D)链路辅助任务卸载。同时,基于FNs的信誉值筛选候选区块链节点(Candidate Blockchain Nodes,CBNs)集,并识别网络中的恶意节点。其次,基于IDs的任务量、时延容忍度等因素提出OTDM算法,为IDs匹配最优卸载目标,从而降低能耗。最后,提出R-DBFT算法,从CBNs中选取区块链节点(Blockchain Nodes,BNs),从而在保证网络安全的条件下,降低共识时延。并且,通过仿真验证所提算法的有效性。进一步,为提高网络吞吐量,本文研究了基于分片的区块链验证方案。该方案采用分片技术将FNs拆分成多个分片,以降低对单个FN的计算和存储需求。首先,建立基于区块链技术的雾计算网络模型,并采用基于FNs信誉值的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)算法实现快速共识。其次,提出信誉模型,结合历史信誉值以及决策信息更新FNs信誉值,并以此识别网络中的恶意节点。再次,使用归一化熵计算网络中恶意节点的比例,求解最佳分片数量。然后,联合考虑最佳分片数量、FNs地理位置以及片内节点数量等因素,提出一种基于位置的雾节点可靠分片(Location based fog nodes Reliable Sharding,LRS)算法,以提升网络性能。最后,通过仿真验证算法的有效性,并基于springboot框架搭建可视化验证平台。

雾计算网络任务卸载和安全分片方案研究

这是一篇关于雾计算,任务卸载,区块链,信誉模型,分片的论文, 主要内容为雾计算网络位于物联网(Internet of Things,Io T)设备和云之间,可为Io T设备(Io T Devices,IDs)提供传输、计算和缓存资源,以降低IDs应用传输时延,提高服务质量(Quality of Service,Qo S)。由于雾节点(Fog Nodes,FNs)计算资源有限,需优化卸载决策和资源分配方案以提高资源利用率,降低网络开销。同时,由于FNs的离散部署,导致用户数据安全和网络抗攻击能力面临巨大的挑战。现有研究中,采用区块链技术来保证传输数据的安全性。但是,由于区块链可扩展性限制,网络吞吐量低,共识时延高。针对以上问题,本文研究了雾计算网络任务卸载和安全分片方案。首先,本文研究了雾计算网络中任务卸载与区块共识方案。为了最小化网络开销,分别针对任务卸载能耗和区块链共识时延提出卸载目标动态匹配(Offloading Target Dynamic Matching,OTDM)算法和基于信誉值的委托拜占庭容错(Reputation-based Delegated Byzantine Fault Tolerant,R-DBFT)算法。首先,提出基于区块链技术的雾计算网络模型,并引入设备到设备(Device-To-Device,D2D)链路辅助任务卸载。同时,基于FNs的信誉值筛选候选区块链节点(Candidate Blockchain Nodes,CBNs)集,并识别网络中的恶意节点。其次,基于IDs的任务量、时延容忍度等因素提出OTDM算法,为IDs匹配最优卸载目标,从而降低能耗。最后,提出R-DBFT算法,从CBNs中选取区块链节点(Blockchain Nodes,BNs),从而在保证网络安全的条件下,降低共识时延。并且,通过仿真验证所提算法的有效性。进一步,为提高网络吞吐量,本文研究了基于分片的区块链验证方案。该方案采用分片技术将FNs拆分成多个分片,以降低对单个FN的计算和存储需求。首先,建立基于区块链技术的雾计算网络模型,并采用基于FNs信誉值的拜占庭容错(Practical Byzantine Fault Tolerance,PBFT)算法实现快速共识。其次,提出信誉模型,结合历史信誉值以及决策信息更新FNs信誉值,并以此识别网络中的恶意节点。再次,使用归一化熵计算网络中恶意节点的比例,求解最佳分片数量。然后,联合考虑最佳分片数量、FNs地理位置以及片内节点数量等因素,提出一种基于位置的雾节点可靠分片(Location based fog nodes Reliable Sharding,LRS)算法,以提升网络性能。最后,通过仿真验证算法的有效性,并基于springboot框架搭建可视化验证平台。