CN112765278B - 基于区块链的无线物联网系统 - Google Patents

基于区块链的无线物联网系统 Download PDF

Info

Publication number
CN112765278B
CN112765278B CN202110118826.8A CN202110118826A CN112765278B CN 112765278 B CN112765278 B CN 112765278B CN 202110118826 A CN202110118826 A CN 202110118826A CN 112765278 B CN112765278 B CN 112765278B
Authority
CN
China
Prior art keywords
block
block chain
storage
node
chain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110118826.8A
Other languages
English (en)
Other versions
CN112765278A (zh
Inventor
周建鸿
冯钢
秦爽
孙耀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xihua University
Original Assignee
Xihua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xihua University filed Critical Xihua University
Priority to CN202110118826.8A priority Critical patent/CN112765278B/zh
Publication of CN112765278A publication Critical patent/CN112765278A/zh
Application granted granted Critical
Publication of CN112765278B publication Critical patent/CN112765278B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y30/00—IoT infrastructure
    • G16Y30/10—Security thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Nonlinear Science (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了基于区块链的无线物联网系统，该系统包括若干IoT设备，该系统内部部署共识单元CU来存储完整的区块链；共识单元CU中包括功能节点和用户节点，功能节点作为区块链服务提供商的设备，用于提供与区块链相关的服务，包括生成或验证新区块以及存储区块；用户节点作为区块链服务使用的设备，生成数据并使用区块链服务；用户节点仅与其相邻的功能节点连接，并且功能节点仅存储区块链的一部分；每个共识单元CU中的所有功能节点是采用基于动态调整的区块分配合约来用于存储新区块，及采用分布式区块分配存储策略协作存储一条完整的区块链。本发明系统解决了区块链存储及分配问题，进而有效解决无线物联网系统中的安全问题。

Description

基于区块链的无线物联网系统
技术领域
本发明涉及无线物联网系统技术领域，具体涉及基于区块链的无线物联网系统。
背景技术
随着物联网应用的快速发展，物联网系统的安全性越来越受到人们的关注。大多数现有的物联网系统仍然使用过时的安全技术来抵抗来自黑客的攻击。现有物联网系统的安全挑战之一来自其架构，该架构基于集中式系统结构，所有资源有限的终端设备都依靠云服务器来实现大规模的计算和存储过程，以进行标识，身份验证等。此外，物联网设备之间的通信必须通过云来完成。尽管此模型已经连接了传统计算设备数十年，但仍不能满足IoT生态系统快速增长的需求。必须为物联网系统设计新的安全机制，以安全地执行传感，处理，存储和通信任务。
作为一种分布式账本技术，区块链技术为物联网设备之间的低成本和可信数据交换提供了有效的基础架构。区块链技术是推动物联网应用快速发展的巨大引擎，主要体现在以下三个方面：1)区块链技术使物联网系统能够在去中心化下运行基础设施，有效避免信息泄漏。同时，区块链中使用的安全加密技术可以最大程度地确保用户隐私。2)区块链的分布式连接使将物联网系统组织为具有大量节点的对等(P2P)网络成为可能。可以利用空闲资源和P2P连接来优化IoT系统的网络架构降低数据传输成本。3)区块链中的智能合约程序实现了信息的自动传输和处理。因此，通过在物联网系统中使用区块链技术，无需中央服务器就可以实现数万个终端设备之间的安全且低成本的连接。
尽管将区块链技术应用于物联网系统是可行的，并具有明显的优势，但也存在一些有挑战性的问题需要仔细解决。在现有的基于区块链的系统中，无论使用哪种共识机制，每个涉及的节点都需要存储完整的区块链以确保系统安全，而无需任何中央控制器。目前，比特币区块链已经增长到145GB，并且仍在以每10分钟1MB的速度增长。请注意，比特币中的交易处理速度仅为每秒七笔交易(tps)，而VISA通常达到2000tps，高峰时为10,000tps。如果交易处理速度达到2000tps，则区块链大小的增长速度将达到每年15TB左右。因此，如果区块链太长，则在每个终端设备中存储完整的区块链是不可行或效率低下的。换句话说，物联网系统中计算，通信和存储资源有限的大多数设备(例如传感器)不可能成为一个全功能节点。因此，必须克服将区块链技术应用于物联网系统的这些技术瓶颈，才能充分发挥区块链技术的优势。
近年来，学术界已尝试利用区块链技术来应对由物联网网络特性带来的安全漏洞。Lei等人提出了一种新的基于分布式账本的分布式身份验证框架，用于物联网系统中物联网设备对数据真实性保护。J.Xu等基于区块链技术，提出了一种大规模的健康数据隐私保护方案，主要涉及对健康数据进行加密以执行细粒度的访问控制。此外，区块链技术还可以用于其他物联网应用，例如远程软件更新和车辆保险。然而，这些提出的方法仅在某些特定的应用场景中直接使用了区块链技术的加密和分布式属性，并未解决资源受限的物联网系统中使用区块链技术的上述瓶颈问题，即资源受限的无线物联网系统中区块链的区块存储及分配问题。
由此可知，现有技术中基于区块链技术的物联网系统中，(1)针对区块的存储几乎是要存储完整的区块链，然而，尤其在资源受限的物联网系统中，存储完整的区块链明显存在节点存储资源不足而导致可存储区块链有效长度太短的问题；(2)在无线物联网场景中，节点间的部分连接关系可能导致节点无法检查某些数据，这些数据可能仅存储在未连接的节点中，而不是存储在同一共识单元CU中的已连接节点中，这可能会导致物联网系统安全机制出现故障，即区块分配不能达到最优的问题。
发明内容
本发明所要解决的技术问题是在资源受限的物联网系统中，存储完整的区块链明显存在节点存储资源不足而导致可存储区块链有效长度太短及区块分配不佳的问题。
本发明目的在于提供基于区块链的无线物联网系统，为了充分利用区块链技术，针对物联网设备资源有限且连接物联网设备的无线链接易受攻击的无线物联网系统，本发明将设备节点产生的隐私数据储存于区块链中，并且在确保每个节点可以查询所有数据的前提下，采用邻近的IoT节点相互协作的方式维护存储一条完整的区块链，以解决由于节点存储资源不足而导致可存储区块链有效长度太短的问题；本发明通过动态调整最佳区块分配策略，可以很好地在要存储的区块链有效长度和用户所需的安全级别之间进行折衷。此外，还采用一种基于混沌的遗传算法来有效地获得近似最优的区块分配解决方案。本发明实施例仿真结果表明，本发明基于区块链的无线物联网系统，可以有效解决无线物联网系统中的安全问题。
本发明通过下述技术方案实现：
基于区块链的无线物联网系统，该系统是基于区块链技术构建的无线物联网系统，该系统包括若干IoT设备(即物联网设备)，所述IoT设备之间通过异构网络连接；该系统内部部署共识单元CU来存储完整的区块链，每个IoT设备作为独立的节点位于区块链上，并将节点分簇到不同的共识单元CU中；每个共识单元CU由一组具有有限的计算和存储容量的IoT设备组成，并且完整的区块链以协作方式存储在共识单元CU中；每个节点均包括链尾表，用于存储区块的相关信息；
所述共识单元CU中包括功能节点和用户节点，所述功能节点作为区块链服务提供商的设备，用于提供与区块链相关的服务，包括生成或验证新区块以及存储区块；即完整区块链的区块以分布式方式存储在特定共识单元CU中的功能节点中；所述用户节点作为区块链服务使用的设备，它们生成数据并使用区块链服务；所述用户节点仅与其相邻的功能节点连接，而不能与同一共识单元CU中包含的所有功能节点连接，并且功能节点仅存储区块链的一部分；
每个所述共识单元CU中的所有功能节点是采用基于动态调整的区块分配合约来用于存储新区块，及采用分布式区块分配存储策略(即邻近的IoT设备节点协作)协作存储一条完整的区块链。
进一步地，所述基于动态调整的区块分配合约共分为三个阶段，区块链完全存储阶段、存储资源重新配置阶段和区块链修剪阶段；
在区块链完全存储阶段，每个IoT设备都存储经过验证的新区块；若共识单元CU中的最大占用存储率OSR达到设定阈值，则共识单元CU中的所有IoT设备都将进入存储资源重新配置阶段；
在存储资源重新配置阶段，首先，最新的授权功能节点(即最新的区块所有者)通过采用最优区块分配模型来获取区块分配结果，并将结果发送到同一共识单元CU中的所有其他功能节点；然后，所有功能节点都删除一些区块并根据区块分配结果更新链尾表；若在执行最优区块分配模型后最大占用存储率OSR降低了，则所有IoT设备将再次进入区块链完全存储阶段；若最大占用存储率OSR达到设定阈值，则进入存储资源重新配置阶段；若在最优区块分配模型执行后最大占用存储率OSR保持恒定，这意味着擦除更多区块可能导致检查过程失败，则进入区块链修剪阶段；
在区块链修剪阶段，将整个区块链分为有效链和过时链，过时链将被发送到具有丰富存储资源的远程设备，该系统的IoT设备中仅保存有效链为新的区块链。
进一步地，所述最优区块分配模型为优化后的分布式区块分配存储策略模型，所述分布式区块分配存储策略模型如下：
Figure GDA0003003713730000031
Figure GDA0003003713730000032
Figure GDA0003003713730000033
Figure GDA0003003713730000034
其中，
Figure GDA0003003713730000035
表示最优区块分配策略，pij＝0表示第j个区块没有存储在第i个功能节点中，pij＝0表示第j个区块存储于第i个功能节点中，L表示每个区块的大小，ci表示第i个功能节点的最大存储能力，θ表示系统可靠性性能需求，I表示存储区块的个数，M和J分别表示共识单元中用户节点和功能节点的数量，[SNRmi]β表示第i个功能节点于第m个用户节点间的连接关系。(3-5-1)是对一个共识单元CU中必须存储一条完整区块链约束，(3-5-2)是对每次功能节点UN查询时必须收到θ份相同区块副本的可靠性约束，(3-5-3)是对策略可用性的约束。
进一步地，所述分布式区块分配存储策略模型的求解采用混沌优化算法。
进一步地，所述链尾表中存储的数据信息包括数据类别、数据容量和数据类别对应的描述；所述数据类别包括IoT设备编号、存储区块、可用存储容量、总存储容量和拓扑信息。
进一步地，所述IoT设备之间通过异构网络连接。
进一步地，所述异构网络包括传感器网络、eMTC网络，无线网络，LTE网络和5G NR网络。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明基于区块链的无线物联网系统，针对物联网设备资源有限且连接物联网设备的无线链接易受攻击的无线物联网系统，本发明将设备节点产生的隐私数据储存于区块链中，并且在确保每个节点可以查询所有数据的前提下，采用邻近的IoT节点相互协作的方式维护存储一条完整的区块链，以解决由于节点存储资源不足而导致可存储区块链有效长度太短的问题。
2、本发明基于区块链的无线物联网系统，通过动态调整最佳区块分配策略，可以很好地在要存储的区块链有效长度和用户所需的安全级别之间进行折衷。还采用一种基于混沌的遗传算法来有效地获得近似最优的区块分配解决方案。
3、本发明设计了一种基于动态调整的区块分配合约来解决无线物联网系统中的区块链存储问题，设计了一种COG模型，以在大规模场景中实现接近最佳的区块分配策略；进而有效解决无线物联网系统中的安全问题。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明基于区块链的无线物联网系统架构示意图。
图2为本发明基于动态调整的区块分配合约DAB示意图
图3为本发明共识单元CU内协作存储过程示意图。
图4为本发明遗传算法基本流程图。
图5为本发明COG算法模型的流程框架图。
图6为本发明COG算法模型过程总体图。
图7为本发明实施例中三种模型(CG模型、COG模型和BF模型)的收敛时间对比图。
图8为本发明实施例中三种模型(CG模型、COG模型和BF模型)获得AOSR对比图。
图9为本发明实施例中规模场景下三种模型(CG模型、COG模型和BF模型)可获得的AOSR对比图。
图10为本发明实施例大规模场景下三种模型(CG模型、COG模型和BF模型)可获得的AOSR对比图。
图11为本发明实施例不同区块数目下COG模型可得到AOSR对比图。
具体实施方式
在下文中，可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本发明的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中，表述“或”或“A或/和B中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“A或B”或“A或/和B中的至少一个”可包括A、可包括B或可包括A和B二者。
在本发明的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一用户装置和第二用户装置指示不同用户装置，尽管二者都是用户装置。例如，在不脱离本发明的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
应注意到：如果描述将一个组成元件“连接”到另一组成元件，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1至图11所示，本发明基于区块链的无线物联网系统，该系统是基于区块链技术构建的无线物联网系统，该系统包括若干IoT设备(即物联网设备)，所述IoT设备之间通过异构网络连接；该系统内部部署共识单元CU来存储完整的区块链，每个IoT设备作为独立的节点位于区块链上，并将节点分簇到不同的共识单元CU中；每个共识单元CU由一组具有有限的计算和存储容量的IoT设备组成，并且完整的区块链以协作方式存储在共识单元CU中；每个节点均包括链尾表，用于存储区块的相关信息；
所述共识单元CU中包括功能节点和用户节点，所述功能节点作为区块链服务提供商的设备，用于提供与区块链相关的服务，包括生成或验证新区块以及存储区块；即完整区块链的区块以分布式方式存储在特定共识单元CU中的功能节点中；所述用户节点作为区块链服务使用的设备，它们生成数据并使用区块链服务；所述用户节点仅与其相邻的功能节点连接，而不能与同一共识单元CU中包含的所有功能节点连接，并且功能节点仅存储区块链的一部分；
每个所述共识单元CU中的所有功能节点是采用基于动态调整的区块分配合约来用于存储新区块，及采用分布式区块分配存储策略(即邻近的IoT设备节点协作)协作存储一条完整的区块链。
本发明设计了一种基于动态调整的区块分配合约来解决无线物联网系统中的区块链存储问题，设计了一种COG模型，以在大规模场景中实现接近最佳的区块分配策略；进而有效解决无线物联网系统中的安全问题。
本发明提出基于共识单元的存储方案，用于在无线物联网系统中使用区块链；所有节点都分组为多个共识单元(Consensus Unit,CU)，共识单元(CU)中的节点协作存储完整的区块链。CU中的每个节点仅存储所有区块的一部分。且本发明应用到无线通信环境，其中考虑了存储资源约束和无线链路的损害；本申请使用一组邻近IoT节点来协作维护用于身份验或数据安全性保护的完整区块链。具体来说，在无线物联网系统中，将所有节点分簇到不同的CU中，CU中的节点应协同维护完整的区块链。这意味着应将完整的区块链划分为多个块，以分配给CU中的多个节点进行存储。同时，节点只能在其传输覆盖区域内与节点进行通信。在这种情况下，面临一些具有挑战性的问题，例如完整的区块链存储和物联网节点之间的无线链接很脆弱，这与有线网络中的有所不同。此外，本发明开发了一种近似最优的区块分配策略，并设计了一个基于动态调整的区块分配合约来动态调度区块分配策略，以解决上述技术瓶颈。
1、在将区块链技术应用于CU-wIoT系统之前，需要确定基于区块链技术的系统的主要特征，并明确在基于CU的无线IoT系统中使用区块链的挑战。
1.1、基于区块链技术的系统介绍
区块链是一种基于密码的仅附加的分散式数字账本。基于区块链的系统涉及一些网络参与者，指定的共识机制和一些智能合约。在每个特定时期，授权节点可以生成一个新区块并在其中记录加密的数据。然后，授权节点将新区块广播到所有其他节点，这些其他节点需要验证新生成的区块。如果新区块经验证未被篡改，它将被添加到区块链中。如何识别授权节点并验证新区块取决于所选的共识机制。另一方面，每个节点都存储相同且完整的区块链。因此，任何节点都可以通过查询区块链来检查任何区块中的数据。
随着记录的数据量的增加，节点上所需的存储容量会变大。直观地讲，在物联网网络的每个节点上存储相同的区块链会导致数据存储效率极低。因此，，由一组节点组成一个CU来共同存储一条完整的区块链。在基于CU的区块链系统中，新的区块验证过程可能与传统的区块链系统相同，而查询数据的过程略有不同。区块链的部分存储可能导致要查询的数据未存储在与之连接的节点中，因此它必须向其他节点进行确认。
1.2、相应技术挑战
在理想的网络环境中，在CU中处理区块链的协作存储确实不难。但是，在实际资源受限的无线物联网系统中，一些新的问题和挑战需要仔细解决。
在典型的物联网系统中，连接设备的无线链路不稳定且不安全。由于信道衰弱，干扰等原因，某些无线链路可能会随时断开，因此并非所有IoT节点之间的数据交换总是可用且安全的。换句话说，在每个节点上实现新的区块验证过程可能既耗时又困难。解决此问题的可行解决方案是将区块链服务提供节点和用户分开。作为区块链服务提供节点，一些设备使用专用连接，并负责生成新区块，存储区块链和验证新区块。其他设备是使用区块链服务的用户，它们作为普通的物联网节点生成和查询数据。
基于CU的区块链存储意味着CU中的节点仅存储部分区块。同时，节点可以与CU中的一部分节点连接。如果节点所需的区块未存储在其所有连接的邻居节点中，则数据查询过程将无法成功。同时，不稳定的无线连接可能会导致区块查询过程失败。为了确保在CU中成功完成区块检查，应在CU的某些节点上存储要检查的区块的多个副本。要存储的副本数量取决于安全性要求。显然，将区块如何合理分配给各个节点进行存储的方案直接影响区块数据的查询成功率。
基于CU的区块链运行过程是动态的，因为区块链的长度会随着时间不断增加，并且无线连接状态可能会随机变化。如果区块链长度过长，即使采用基于CU的协作存储，也无法保证将完整的区块链存储在IoT网络中，因为某些IoT节点可能会受到资源的限制。在这种情况下，区块链可分为两部分：具有最近生成的区块的有效链和具有历史区块的过时链。通过使用区块链技术，过时链集中存储在具有丰富计算和存储资源的远程节点中，只有有效链中的区块才能安全地存储在本地节点中。显然，系统安全性能极大程度取决于有效链的长度。如果有效链太短，则基于区块链的安全机制将失效，物联网系统仍可能面临安全威胁。因此，在存储资源有限的情况下，尽可能增加有效链的长度可以有效地提高系统安全性能。为了在CU中存储更长的有效链，应存储较少的区块副本。但是另一方面来说，存储区区块的副本数量越多越能确保区块数据查询的过程。因此，如何在确保安全的区块检查过程的前提下分配存储在CU内节点中的区块，以最大化有效链长对于基于区块链的无线IoT系统的安全性能至关重要。
此外，任一时刻获得的最佳的区块分配策略只在某一瞬时时刻可以获得较优的性能，但实际上增加的区块链长度和变化的无线连接状态是一个长期的动态过程，因此，在长时间尺度下，如何通过动态调整获得最优区块分配策略来保持长期系统最佳状态也具有一定的挑战性。
2、基于区块链技术的安全机制设计
2.1系统模型
本发明设计了如图1所示的CU-wIoT系统，应用区块链来确保此IoT系统中的数据安全。假设所有IoT设备在本发明的框架中都是通过异构网络连接的，包括传感器网络，eMTC网络，无线网络，LTE网络和5G NR网络等，通过部署CU来存储完整的区块链。假设系统已预先部署了所有节点并将其分簇到不同的CU中。每个CU由一组具有有限的计算和存储容量的IoT设备组成，并且完整的区块链以协作方式存储在CU中。每个CU应使用某种适当的共识机制来维护相同的区块链。
在一个CU中，有两种节点，即功能节点(Function Node,FN)和用户节点(UserNode,UN)。UN是作为区块链服务使用的设备，它们生成数据并使用区块链服务。FN是作为区块链服务提供商的设备，可以提供与区块链相关的服务，例如生成或验证新区块以及存储区块。更确切地说，完整区块链的区块以分布式方式存储在特定CU中的FN中。假设所有FN通过专用网络连接，而FN与UN之间的连接使用无线链路。从功能的角度来看，内部的FN可以竞争生成新的区块并将数据记录到区块中。
CU中的每个节点都有一个唯一的表，称为链尾表(Blockchain-tail)。链尾表的数据结构如表1所示。随着区块数量的增加，链尾表中携带的所有信息都在动态变化。当记录新数据时，UN会将加密的数据广播到所有FN。“授权”的FN以区块所有者的身份赢得记账权，将新数据记录到其区块中，并将新区块广播到所有其他FN，其他FN随后将验证并存储新区块。如果UN要查询某些数据，则将向尽可能多的FN广播查询请求，接收到查询请求的FN应将包含请求的数据的区块发送给UN(如果已存储)。为了确保数据查询过程的安全可靠，UN应收到多份相同的被查询的数据区块以作比较。
表1 链尾表的数据结构
Figure GDA0003003713730000091
基于上述存储新生成的区块的过程，如果每个节点都存储新生成的区块，则存储效率将很低。CU中的所有FN应该基于某种智能合约的机制来存储新区块，而不是将新区块直接直接添加到区块链上。接下来，将详细介绍用于添加新区块的智能合约，称为基于动态调整的区块分配合约(dynamic adjusted block-assignment:DAB)，以规范新区块存储过程。
2.2基于动态调整的区块分配合约DAB
接下来，将从时间和空间维度详细阐述基于动态调整的区块分配合约DAB，如图2所示，纵坐标表示CU-wIoT系统中有N个CU。横坐标表示一段时间内不同阶段的动态调整过程。DAB智能合约共分为三个阶段，即区块链完全存储(blockchain complete storing:BCS)阶段，存储资源重新配置(storage resource reconfiguring:SRR)阶段和区块链修剪(blockchain pruning:BP)阶段。在BCS阶段，每个设备都存储经过验证的新区块。此时，所有设备都与现有区块链系统中的新区块存储过程保持相同且完整的区块链。随着区块数量的增加，存储空间将被占用。将设备的OSR(占用存储率)定义为已占用存储空间量与总存储空间量之比。通常，OSR对于单个设备是不同的。如果CU中的最大OSR达到预设阈值，则CU中的所有设备都将进入SRR阶段。在此阶段开始时，最新的授权FN(即最新的区块所有者)应通过执行某种算法来获取区块分配结果，并将结果发送到同一CU中的所有其他FN。然后，所有FN都删除一些区块并根据区块分配结果更新链尾表。如果在执行算法后降低了最大OSR，则所有设备将再次进入BCS阶段，如果最大OSR达到预定义的阈值，则将进入SRR阶段。另一方面，如果在区块分配算法执行后最大OSR保持恒定，这意味着擦除更多区块可能导致检查过程失败，则进入BP阶段。在BP阶段，应将整个区块链分为有效链和过时链。过时链将被发送到具有丰富存储资源的远程设备，系统设备中仅保存有效链为新的区块链。
3、优化区块分配模型
如上所述，应该在SRR阶段开始时执行一些区块分配算法，以实现完整区块链的协作存储，这可能会影响系统中的数据查询过程。因此，如何将区块分配给CU内的各个FN以确保区块数据查询过程非常重要。
使用图3所示的简单示例来说明最优区块分配模型。图3中UN表示用户节点，FN表示功能节点；用户节点UN只能与其相邻功能节点FN连接，而不能与同一CU中包含的所有FN连接，并且FN仅存储区块链的一部分。在此CU中，UN 4通过无线链路与四个相邻的FN连接。如果UN 4要查询在区块2中记录的数据，则应将其查询求广播到所有连接的FN。收到查询请求后，带有所需区块的FN 2，FN 3和FN 4将区块2发送给UN 4作为反馈。但是，由于无线信道的不稳定，可能导致有些原本有的无线链路失效。例如，如果UN 4和FN3之间的无线链路质量太差，以致UN 4无法接收正确的区块2，则意味着反馈失败。尽管UN 4与FN 1连接，但由于FN 1中未存储区块2，因此从FN 1到UN 4没有反馈。在这种情况下，UN 4只能接收区块2的两个副本。UN 4可以通过比较收到的区块2的两个副本来检查区块2的完整性和有效性。显然，如果可以从多个FN接收到所需区块的更多副本，则查询过程更加可靠和安全，但是过多的副本可能会占用更多的存储资源，此时可能导致有效链的长度减小。
4、近似最优的区块分配问题
4.1问题描述
在上述系统模型中，通过同一共识单元中所有FN协作分布式存储，即每个FN中只存一部分区块解决了IoT轻节点上无法存储较长区块链的问题，通过每个区块在同一共识单元中存储多个副本来确保每个UN都能通过与其成功连接的所有FN通信查询到每个区块中记录的每一笔数据，同时一个共识单元中所有存储的区块串接起来后能恢复出至少一条完整的区块链数据。为了达到这个目的从而提高系统可靠性，在每个特定时刻即区块链长度一定的情况下，应该在CU内对每个区块都存储尽可能多数量的副本，但是这样的做法必然导致在有限存储资源情况下，后续可存储区块链的长度变短，即缩短了区块链的生命周期。当然，在设计的基于共识单元的架构下，可以通过添加更多节点或者增加每个节点的存储容量来增加共识单元的存储容量，但是这也将导致更多的信令开销同时消耗更多能量。因此，当确定总存储资源时，在一个确定的共识单元中存储尽量多数量的区块是非常有意义的，这可以有效避免不必要的添加节点过程。本课题将设计一个低复杂度高效率的普适化区块分配策略，在某个特定时刻，即需要存储的区块链长度与可用存储容量确定的情况下，在确保共识单元内的每个UN都能准确查询到所有数据的前提下，通过恰当的区块存储分配策略减少存储资源占用率，以最增加系统可存储区块链的长度。
一个共识单元内的无线通信模型如图3所示。假设I个FN和M个UN随机分布于一个CU中。其中
Figure GDA0003003713730000118
为UN和FN之间的矢量距离矩阵，dmi表示第m个UN um和第f个fi之间的距离。此时um接收到来自fi的SNR(信号与噪声比)SNRmi可以被计算为
Figure GDA0003003713730000111
为了简化表达，用P表示所有FN的信号发射功率，g(dmi)表示um和fi之间的传输路径损耗，该参数主要有无线信道类型以及编码方式决定。σ表示信道噪声功率。如果用户节点um要能完美解码从功能节点fi发送的区块数据，则它们间的SNR必须满足SNRmi>β，其中β为传输成功阈值。此时可定义如下关系表达任意时刻UN与FN之间的连接状态：
Figure GDA0003003713730000112
假设某一时刻需要存储的总区块链长度为J，每个区块大小为L MB/block，则区块链总的大小为BL＝(L×J)MB。所有FN的可用存储容量表示为
Figure GDA0003003713730000113
由于一个共识单元至少要存储一条完整区块链，即区块链内所有区块在该共识单元中至少应被存储一次，即必须满足/>
Figure GDA0003003713730000114
设定θ为系统可靠度表征参数，它表示为了确保每个UN可以完整准确查询每笔数据，每次核实过程中UN必须收到θ份相同的可以完美解码的区块数据才算核实成功。显而易见，θ值越大表示UN确保能查询到所有数据的可靠性也越高，这可以根据网络具体需求进行设定。
接下来，定义一个二维矩阵
Figure GDA0003003713730000115
表示分布式区块分配存储策略如下所示：
Figure GDA0003003713730000116
其中R＝I×J表示二位矩阵
Figure GDA0003003713730000117
中元素的个数，它主要由FN的数量和待存区块共同决定。接下来定义参数平均存储占用率α，表征整个共识单元中所有FN存储空间被占用的程度，其表达式为
Figure GDA0003003713730000121
此时，可定义优化问题如下：
Figure GDA0003003713730000122
Figure GDA0003003713730000123
Figure GDA0003003713730000124
Figure GDA0003003713730000125
其中(3-5-1)是对一个共识单元中必须存储一条完整区块链约束，(3-5-2)是对每次UN查询时必须收到θ份相同区块副本的可靠性约束，(3-5-3)是对策略可用性的约束。
很明显，上述优化问题是典型的包含限制条件的0-1混合整数规划问题，这是一类典型的NP难问题，除非P＝NP，否则不存在理论上的多项式时间内的最优解。这类0-1MIP问题属于IP问题的一个特例，其可行解区域是离散的，直接使用现有的连续区域解决方案无法解决这类问题的。目前，主要有三种类型的算法可以解决这类问题：精确算法(即动态规划，递归方法，回溯方法，分支定界法等)、近似算法(即贪婪算法，拉格朗日算法等)和智能优化算法(即模拟退火算法，遗传算法，遗传退化进化算法，蚁群算法等)。通过使用精确算法，可以得出精确的解决方案。然而，计算和时间复杂度可能随着变量的数量呈指数增长，在以上的问题中即指一个协作存储单元内的FN的数量和区块链中包含区块的数量。因此，它更适合“短链小CU”的情况。与精确算法相比，近似算法和智能优化算法虽然只能获得次优解，但是具有低得多的计算和时间复杂度，因此本章采用智能优化算法中的遗传算法解决这个优化问题，为了优化算法性能，还将结合本章中问题的物理过程对传统遗传算法做出改进。
4.2近似最优区块分配方案设计
在实际应用中，遗传算法有一种早熟收敛于局部最优解的现象，因此传统的遗传算法仅适用于解决具有少量变量的线性规划问题。对于具有大量变量和许多约束的混合规划问题，遗传算法通常缺乏生成最优个体的强大能力，这导致在接近最优解时搜索速度变慢，并且难以跳出局部最优解。基于此，本发明拟从优化适应度函数和增加混沌变量样本两方面着手对传统遗传算法进行改进，以达到快速获得更优解的目的。
4.2.1遗传算法介绍
遗传算法是通过对生物种群繁殖进化过程进行模仿，根据优胜劣汰的原则，从而找到理论模型的一个优化解。遗传算法的基本流程如图4所示，其可以概括为五个步骤，具体如下：
1)种群初始化与个体适应度
首先，系统需要初始化种群的规模，即种群中个体的数量H。在运行遗传算法的过程中，H视为已知常数，始终保持不变，H的大小将影响遗传算法的复杂度和所求解的优化性能[85,86]。因此，在实际应用中，需要结合问题的特性，选择合适的H值，从而在算法的复杂度与求解性能之间取得折中。用λ表示种群的代数，即初始阶段λ＝0，每经过一次进化迭代，λ就增加1。由此，可以得到第λ代种群的表示方式为
Figure GDA0003003713730000131
进一步地，根据系统的限制条件，为初始种群Q0中每个个体的染色体随机选取初始值。在遗传算法中，本发明采用适应度作为衡量不同个体优劣的指标。
2)选择复制
遗传算法的第二步为选择复制。在初始化以及个体适应度的计算完成后，通过选择复制来模拟遗传算法过程中的优胜劣汰法则。采用概率选择和精英选择相结合的方式来进行选择复制。具体来说，对于种群Qλ，首先进行概率选择复制，每一次以某个的概率从Qλ中选取一个个体进行复制，并将其作为组成种群Q'λ的一个元素，这一过程将重复H次，由此得到具有较大种群规模的Q'λ。在每一次选择中，Qλ中某一个元素被选中的概率服从轮盘赌原则，选中个体
Figure GDA0003003713730000132
的概率与其适应度成正比。
概率选择复制完成后，进一步地采用精英选择来改进种群Q'λ。具体来说，首先计算Q'λ中最大的个体适应度η'λ,max，然后，找到Qλ中个体适应度大于η'λ,max的所有个体，并将这些个体与Q'λ中随机选取的个体进行替换，最终得到改进后的种群Q'λ。
3)交叉运算
第三步采用交叉运算来模拟进化过程中的有性生殖的基因重组过程。考虑以个体以矩阵的行为进行交叉运算，对于选择复制后得到的种群Q'λ，随机地将Q'λ中的所有个体进行两两配对。假设
Figure GDA0003003713730000133
和/>
Figure GDA0003003713730000134
配成一对，那么/>
Figure GDA0003003713730000135
和/>
Figure GDA0003003713730000136
的所有对应行将以概率Pe进行互换，其中Pe为一固定常数。Q'λ中所有配对个体在完成对应行的概率互换后，形成新的种群Q”λ。
4)变异运算
进一步，在进行完交叉运算后，还将采用变异运算来模拟遗传过程中的基因突变。考虑根据种群Q”λ中的个体的适应度来决定每个个体的变异概率，Q”λ中个体
Figure GDA0003003713730000137
的变异概率为/>
Figure GDA0003003713730000141
其中η”λ,max和η”λ,max分别为种群Q”λ中的最大个体适应度和最小个体适应度，而/>
Figure GDA0003003713730000142
为种群Q”λ中所有个体适应度的均值。根据上述公式可得，当个体的适应度超过种群中个体的平均适应度时，个体将以一个较小的固定概率Pc发生变异。
5)终止规则
在遗传算法中，常用的终止规则是给定一个遗传代数T，当算法迭代代数达到T时，将停止遗传算法。
传统遗传算法一般采用优化问题中的优化目标函数作为构造适应度函数的基础，但是本文的问题是一个含多约束条件的优化问题，此时只使用目标函数作为适应度函数将导致算法在接近最优解时搜索速度变得非常慢。为了使适应度函数更贴近我们的物理过程，拟采用罚函数的方法，将原包含限制条件的0-1MIP问题转化为等效的无限制条件的非整数规划(Unconstraint No-integer Program,UNP)问题，并以此作为构造遗传算法的适应度函数的理论基础，从而提高算法搜索最优解的速度。
混沌运动系统是一个内部结构精细的系统，具有随机性，遍历性和规律性的特点，遍历意味着混沌运动可以在一定范围内遍历所有状态，而不会根据自己的规律重复。基于这些特征的混沌方法可以有效帮助传统遗传算法摆脱局部最优解。为了确保每一代种群的高质量，多样性和随机性，拟设计了一种混沌优化方法来生成遗传算法中的父群体。但是，当使用混沌系统生成变量来遍历整个空间时，很难保证搜索的速度和准确性。因此，可以使用一些合适的载波方法来生成混沌变量，以提高优化速度和准确性。
4.2.2基于混沌遗传的区块分配设计
为了解决最优区块分配问题，本发明提出了将混沌优化算法的解决方案嵌入遗传算法的方法来改进遗传算法，以克服遗传算法的过早问题。本发明使用混沌优化算法的解决方案作为父代来生成新一代，COG算法模型的框架如图5所示。
在以上的问题中，二维矩阵
Figure GDA0003003713730000143
是0-1矩阵，可以用作遗传算法中的编码基因。因此，本发明使用/>
Figure GDA0003003713730000144
代表第k代个体中的第r个基因，同时/>
Figure GDA0003003713730000145
必须满足(3-5)的约束条件，MAXP是每一代中的所有基因的数量。交叉运算是提高算法搜索过程的核心操作，使用改进的混沌搜索算法和轮盘选择(Roulette Wheel Selection,RWS)选择规则生成父亲群体，并以概率Pc(0＜Pc＜1)进行杂交，这个过程确保了遗传上的优越性，因此最终加快了算法的收敛速度。除此之外，对基因进行突变可以防止算法陷入局部最优解，因此以概率Pv(0＜Pv＜1)改变每个基因(矩阵中的每一行)的第一个元素1的位置来执行突变过程，每次突变后必须确保生成的新的基因符合我们的限制条件，新种群用NP表示。在遗传算法中，适应度函数主要用于判断基因的优良性，对于最优化问题，基因更接近最优解，适应度函数的值应更高。因此，适应度函数应与问题目标相关，其选择就显得尤为重要。在本发明的算法模型中，定义第k代个体中第r个基因的适应度函数/>
Figure GDA0003003713730000151
为
Figure GDA0003003713730000152
其中
Figure GDA0003003713730000153
是第k代个体中第r个输入基因/>
Figure GDA0003003713730000154
的平均存储空间占用率，αmin是第k代个体NP中，MAXP个基因的最小平均存储占用率。tk是针对第k代个体的温度参数。接下来，将使用RWS算法生成父亲群体。如果k代的适应度值为/>
Figure GDA0003003713730000155
则复制概率可以计算为
Figure GDA0003003713730000156
接下来，在[0,1]中随机生成随机值{l1,l2,…,lMAXP}。顺序判断，如果
Figure GDA0003003713730000157
则相应的/>
Figure GDA0003003713730000158
将被选为第k+1代中的父亲群体之一。
4.2.3混沌优化算法
在本发明的COG算法模型中，为了确保每一代的高质量，多样性和随机性，设计了一种混沌优化方法来生成父亲群体。在混沌优化方法中，将采用幂函数形式作为载体方法以生成修改后的混沌变量。本发明的问题是一个R维空间中的优化问题。首先，初始化I个不同的值以生成I个混沌变量，这些变量被视为I个坐标分量。基于混沌变量的特征，混沌映射将对初始值敏感，因此这I个坐标分量之间没有相关性，因此可以满足良好的遍历要求。但是，在使用混沌系统生成遍历整个空间的变量时，很难确保搜索速度和准确性。因此，可以使用一些合适的载波方法来生成混沌变量，以提高遍历的速度以及优化过程的准确性。接下来，使用(3-8)的逻辑混沌映射方法生成原始混沌变量
zk+1＝μzk(1-zk)zk∈[0,1],k＝1,2,…I， (3-8)
其中μ是混沌系统的控制参数，[0,1]是混沌不变集。尽管这些变量具有遍历性，但它们在搜索空间内分布不均匀，点概率密度在区间[0,1]内部较大，而在区间[0,1]的末端附近较小。可通过使用如(3-9)所示幂函数模式生成修正后的混沌变量
Figure GDA0003003713730000159
其中m＜n＜1,0＜η＜1,θ>1。zk和z′k分别为原始和修正后的混沌变量。显然，由于0＜η＜1,且θ>1，区间[0,a]和区间[b,1]中混沌变量将分别被左移和右移，此时可以通过调整参数η和θ来增加区间[0,1]末端附近的点概率密度。接下来，将修正后的混沌变量映射表达为I个FN的存储空间占用率，则每个FN中存储区块的数量可表示为
Figure GDA0003003713730000161
可用于生成候选种群矩阵pij,(0＜i＜I,0＜j＜J)。对任意第i行，可任选其中NBi个元素置1，其他元素置0。通过混沌优化算法，首先筛选出基因优良的父群体用以参与遗传算法，解决优化问题，从而获得最优区块分配策略。
COG算法模型过程可总结如图6所示。
实施时：本发明在上述技术方案的基础上，模拟了基于区块链的无线物联网系统以评估提出的最优区块分配模型的性能。对于性能评估，本实施例使用暴力搜索(Brute-force,BF)和常规遗传(Conventional Genetic,CG)模型作为比较参考。BF是一种基于直观或经验构造的算法模型，它为组合优化问题的每个实例提供了一种在可以接受可接受的成本(指计算时间和空间)前提下的可行性解决方案。但是，使用这种方法获得最佳解的时间长度取决于可行解的数量。CG模型和COG模型是两种基于智能的算法，可以快速获得接近最优的解决方案，尤其是对于可行范围较大的问题这两种算法的优势尤为明显。将收敛时间定义为在给定时间内可以执行算法以获得最小平均占用存储率(Average OccupyingStorage Ratio,AOSR)的时间。接下来，本发明通过以下三种方式比较这三种模型的性能。1)三种模型在不同规模下实现的AOSR随时间变化；2)收敛时间随区块和功能节点的数量而变化；3)COG模型的收敛时间随混沌优化方法的迭代次数而变化。
(1)系统仿真设定
本实施例使用C++构建一个基于区块链的无线物联网系统，其中UN主要用于产生与查询数据，它们使区块链服务的使用者，FN主要用于提供区块链服务(例如区块存储等)。每个CU中包含5个FN和20个UN，每个CU的覆盖范围设置为半径为150m的圆形区域，系统中的其他参数按照现有技术参数设置。本发明使用C++代码分别实现了BF，CG和COG模型，与此同时，所有仿真实验都是在装有Intel-i 5的4核，主频为3.2GHz的处理器和8G RAM的PC上实现的，使用的操作系统为Win 10。
(2)数值结果分析
由于FN的数量是固定的，因此CU的系统的计算规模主要取决于区块的数量。首先对比三种模型的收敛时间随区块数的变化规律，如图7所示，横坐标表示区块数目，纵坐标表示时间，从图中可以看出，在区块数目少于200时，CG和COG模型的收敛时间几乎相同。随着区块数目的增加，CG的收敛时间将比COG的收敛时间更短。其原因是由于当区块数目较少时，用于该问题的可行区块分配解决方案的数量也很少，因此在一个小的可行解域中，遍历找出最优解很容易。但是，随着区块数量的增加，可行解的数量将呈指数增长，此时要找出最优解的时间将急剧增加。两种智能化模型COG和CG模型几乎可以在一开始就几乎同时找出近似最优的区块分配解决方案，原因是这两种模型都采用了具有潜在并行可比性的遗传算法，可以实现多个个体之间的同时比较，从而加快了搜索过程。但是当区块数量达到150后，本发明提出的COG模型会变得更快，这是因为本发明提出的COG模型使用了混沌优化方法来优化父代样本的选择过程，从而进一步加速获得近似最优解的过程。另外，COG模型可以克服遗传算法落在局部最优解中的缺点。这就是为什么本发明提出的COG模型可以较快找到近似最优区块分配方案的原因。
接下来，对比显示本发明系统中提出的COG模型的收敛精度，如图8所示。由于在需要保存的区块数很小的情况下，很容易实现遍历所有的可行解，此时采用BF模型可以获得最优解。因此，将要保存的FN和区块的数量均设置为4，并比较三种模型中实现的AOSR。显然，BF通过花费较长时间遍历整个可行解域可以获得最优解，而COG和CG模型都可以快速获得相同的AOSR。
接下来，在确保给定时间内要保存的区块数的数量确定的情况下，比较三种模型可以实现的AOSR，如图9和图10所示。为了对比试验的完整性，本发明将要保存的区块数目分别设置为400和800，对应于中等规模和大规模系统。从图上可以看出，CG和COG模型这两种智能模型都可以获得较低的AOSR，而BF模型在相同的给定时间内在中等和较大规模下都只能获得较高AOSR，原因在于对于中规模和大规模场景，存在太多的可行性解决方案，基于遍历的BF模型无法在给定时间内找到最佳解决方案。此外，从图上可以看出新提出的COG模型比CG模型更快地实现了较低的AOSR。由于中规模和大规模场景更贴近现实场景，因此新的COG模型更能解决现实问题。
最后，本发明将使用嵌入混沌优化算法对新提出的COG模型的影响，如图11所示。这三个曲线分别表示不同数量区块情况下COG模型可获得的AOSR，也代表了执行混沌优化算法生成父代群体所需要的时间。从图11可以看出，执行混沌优化算法的次数越多，在给定时间内可以得到的AOSR越低，并且初始也越好，其原因在于本发明将混沌优化方法嵌入遗传算法中，避免陷入局部最优状态，并且混沌优化结果确保了每一代交叉基因的优越性。因此，执行混沌优化方法的次数越多，执行交叉变异操作的基因越优异，因此可以更快获得近似最优的区块分配方案，从而得出本发明的最优区块分配模型。
因此，针对物联网设备资源有限且连接物联网设备的无线链接易受攻击的无线物联网系统，本发明将设备节点产生的隐私数据储存于区块链中，并且在确保每个节点可以查询所有数据的前提下，采用邻近的IoT节点相互协作的方式维护存储一条完整的区块链，以解决由于节点存储资源不足而导致可存储区块链有效长度太短的问题；本发明通过动态调整最佳区块分配策略，可以很好地在要存储的区块链有效长度和用户所需的安全级别之间进行折衷。此外，还采用一种基于混沌的遗传算法来有效地获得近似最优的区块分配解决方案。本发明实施例仿真结果表明，本发明基于区块链的无线物联网系统，解决了区块链存储及分配问题，进而有效解决无线物联网系统中的安全问题。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.基于区块链的无线物联网系统，该系统包括若干IoT设备，其特征在于，该系统内部部署共识单元CU来存储完整的区块链，每个IoT设备作为独立的节点位于区块链上，并将节点分簇到不同的共识单元CU中；每个共识单元CU由一组具有有限的计算和存储容量的IoT设备组成，并且完整的区块链以协作方式存储在共识单元CU中；每个节点均包括链尾表，用于存储区块的相关信息；
所述共识单元CU中包括功能节点和用户节点，所述功能节点作为区块链服务提供商的设备，用于提供与区块链相关的服务，包括生成或验证新区块以及存储区块；所述用户节点作为区块链服务使用的设备，生成数据并使用区块链服务；所述用户节点仅与其相邻的功能节点连接，并且功能节点仅存储区块链的一部分；
每个所述共识单元CU中的所有功能节点是采用基于动态调整的区块分配合约来用于存储新区块，及采用分布式区块分配存储策略协作存储一条完整的区块链；
所述基于动态调整的区块分配合约共分为三个阶段，区块链完全存储阶段、存储资源重新配置阶段和区块链修剪阶段；
在区块链完全存储阶段，每个IoT设备都存储经过验证的新区块；若共识单元CU中的最大占用存储率OSR达到设定阈值，则共识单元CU中的所有IoT设备都将进入存储资源重新配置阶段；
在存储资源重新配置阶段，首先，最新的授权功能节点通过采用最优区块分配模型来获取区块分配结果，并将结果发送到同一共识单元CU中的所有其他功能节点；然后，所有功能节点都删除区块并根据区块分配结果更新链尾表；若在执行最优区块分配模型后最大占用存储率OSR降低了，则所有IoT设备将再次进入区块链完全存储阶段；若最大占用存储率OSR达到设定阈值，则进入存储资源重新配置阶段；若在最优区块分配模型执行后最大占用存储率OSR保持恒定，则进入区块链修剪阶段；
在区块链修剪阶段，将整个区块链分为有效链和过时链，过时链将被发送到具有存储资源的远程设备，该系统的IoT设备中仅保存有效链为新的区块链。
2.根据权利要求1所述的基于区块链的无线物联网系统，其特征在于，所述最优区块分配模型为优化后的分布式区块分配存储策略模型，所述分布式区块分配存储策略模型如下：
Figure FDA0003798387270000011
Figure FDA0003798387270000012
Figure FDA0003798387270000013
Figure FDA0003798387270000014
其中，
Figure FDA0003798387270000021
表示最优区块分配策略，pij＝0表示第j个区块没有存储在第i个功能节点中，pij＝0表示第j个区块存储于第i个功能节点中，L表示每个区块的大小，ci表示第i个功能节点的最大存储能力，θ表示系统可靠性性能需求，I表示存储区块的个数，M和J分别表示共识单元中用户节点和功能节点的数量，[SNRmi]β表示第i个功能节点于第m个用户节点间的连接关系；
(3-5-1)是对一个共识单元CU中必须存储一条完整区块链约束，(3-5-2)是对每次功能节点UN查询时必须收到θ份相同区块副本的可靠性约束，(3-5-3)是对策略可用性的约束。
3.根据权利要求2所述的基于区块链的无线物联网系统，其特征在于，所述分布式区块分配存储策略模型的求解采用混沌优化算法。
4.根据权利要求1所述的基于区块链的无线物联网系统，其特征在于，所述链尾表中存储的数据信息包括数据类别、数据容量和数据类别对应的描述；所述数据类别包括IoT设备编号、存储区块、可用存储容量、总存储容量和拓扑信息。
5.根据权利要求1所述的基于区块链的无线物联网系统，其特征在于，所述IoT设备之间通过异构网络连接。
6.根据权利要求5所述的基于区块链的无线物联网系统，其特征在于，所述异构网络包括传感器网络、eMTC网络，无线网络，LTE网络和5G NR网络。
CN202110118826.8A 2021-01-28 2021-01-28 基于区块链的无线物联网系统 Active CN112765278B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110118826.8A CN112765278B (zh) 2021-01-28 2021-01-28 基于区块链的无线物联网系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110118826.8A CN112765278B (zh) 2021-01-28 2021-01-28 基于区块链的无线物联网系统

Publications (2)

Publication Number Publication Date
CN112765278A CN112765278A (zh) 2021-05-07
CN112765278B true CN112765278B (zh) 2023-03-24

Family

ID=75706434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110118826.8A Active CN112765278B (zh) 2021-01-28 2021-01-28 基于区块链的无线物联网系统

Country Status (1)

Country Link
CN (1) CN112765278B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117376352B (zh) * 2023-10-07 2024-03-12 山东山科智能科技有限公司 基于区块链的物联网系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109728898A (zh) * 2019-03-08 2019-05-07 湖南师范大学 基于区块链技术的物联网终端安全通信方法
CN112261674A (zh) * 2020-09-30 2021-01-22 北京邮电大学 一种基于移动边缘计算及区块链协同赋能的物联网场景的性能优化方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201711879D0 (en) * 2017-07-24 2017-09-06 Nchain Holdings Ltd Computer-implemented system and method
CN107360238A (zh) * 2017-07-25 2017-11-17 光载无限（北京）科技有限公司 基于区块链cpow共识算法的智能合约网关
CN107832139A (zh) * 2017-09-26 2018-03-23 上海点融信息科技有限责任公司 用于管理区块链节点的计算资源的方法、设备和系统
CN111047319B (zh) * 2019-09-03 2021-12-10 腾讯科技（深圳）有限公司 区块链网络的交易处理方法及区块链网络

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109728898A (zh) * 2019-03-08 2019-05-07 湖南师范大学 基于区块链技术的物联网终端安全通信方法
CN112261674A (zh) * 2020-09-30 2021-01-22 北京邮电大学 一种基于移动边缘计算及区块链协同赋能的物联网场景的性能优化方法

Also Published As

Publication number Publication date
CN112765278A (zh) 2021-05-07

Similar Documents

Publication Publication Date Title
Song et al. Learning-based content caching and sharing for wireless networks
Hu et al. Network security situation prediction based on MR-SVM
Yuan et al. Chainsfl: Blockchain-driven federated learning from design to realization
CN106717082A (zh) 减轻信号噪声的基于指纹的室内定位
Zhou et al. Optimal deployment mechanism of blockchain in resource-constrained IoT systems
Oda et al. Analysis of mesh router placement in wireless mesh networks using Friedman test considering different meta-heuristics
KR102376113B1 (ko) 블록체인 네트워크 기반 드론 군집과 관제 장치 간의 통신 및 관제 시스템
CN112637883A (zh) 电力物联网中对无线环境变化具有鲁棒性的联邦学习方法
Türkoğlu et al. Recognition of DDoS attacks on SD-VANET based on combination of hyperparameter optimization and feature selection
CN113490184B (zh) 一种面向智慧工厂的随机接入资源优化方法及装置
Hao et al. Efficient and robust emergence of norms through heuristic collective learning
CN112765278B (zh) 基于区块链的无线物联网系统
Zhou et al. Intelligent block assignment for blockchain based wireless IoT systems
Zhang et al. A rate-and-trust-based node selection model for block transmission in blockchain networks
Song et al. Distributed resource optimization with blockchain security for immersive digital twin in IIoT
Basha et al. AI-Driven Multi-Factor Authentication and Dynamic Trust Management for Securing Massive Machine Type Communication in 6G Networks
Salama et al. Flcc: Efficient distributed federated learning on iomt over csma/ca
Maksymyuk et al. Deep learning based mobile network management for 5G and beyond
Huang A data-driven WSN security threat analysis model based on cognitive computing
CN116405262A (zh) 网络安全接入方法、装置、设备及存储介质
CN115271724A (zh) 基于动态信任模型的分组拜占庭容错算法
Balevi et al. Synergies between cloud-fag-thing and brain-spinal cord-nerve networks
Hossain et al. Semi-supervised learning approach using modified self-training algorithm to counter burst header packet flooding attack in optical burst switching network
RU2620200C1 (ru) Способ целенаправленной трансформации параметров модели реального фрагмента сети связи
Han et al. A novel classified ledger framework for data flow protection in aiot networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant