CN111464335A - 一种内生可信网络的服务智能定制方法及系统 - Google Patents
一种内生可信网络的服务智能定制方法及系统 Download PDFInfo
- Publication number
- CN111464335A CN111464335A CN202010163064.9A CN202010163064A CN111464335A CN 111464335 A CN111464335 A CN 111464335A CN 202010163064 A CN202010163064 A CN 202010163064A CN 111464335 A CN111464335 A CN 111464335A
- Authority
- CN
- China
- Prior art keywords
- network
- resource
- endogenous
- service
- trusted
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0893—Assignment of logical groups to network elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0896—Bandwidth or capacity management, i.e. automatically increasing or decreasing capacities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/147—Network analysis or design for predicting network behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5051—Service on demand, e.g. definition and deployment of services in real time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/50—Network service management, e.g. ensuring proper service fulfilment according to agreements
- H04L41/5041—Network service management, e.g. ensuring proper service fulfilment according to agreements characterised by the time relationship between creation and deployment of a service
- H04L41/5054—Automatic deployment of services triggered by the service manager, e.g. service implementation by automatic configuration of network components
-
- 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
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
Abstract
本发明实施例提供一种内生可信网络的服务智能定制方法及系统。该方法包括:构建基于联盟区块链的内生可信网络;在内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;基于长短期记忆模型对内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。本发明实施例基于联盟区块链,通过软件定义网络和虚拟网络功能构建内生可信网络框架,并设计了链上和链下协作资源监管的机制,该框架可以集成基于长短期记忆模型的业务量预测方法,以预测资源需求并进行进一步的资源定制,还提出了基于A3C的资源分配算法,以实现网络资源的定制服务和动态调整。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种内生可信网络的服务智能定制方法及系统。
背景技术
近年来,物联网(IoT)引领了信息产业革命的新潮流。随着5G时代的到来,物联网在越来越多的应用场景中变得越来越成熟,例如智慧城市,智能家居和工业园区,万物互联已成为全球网络的未来发展趋势。然而,传统的烟囱式的物联系统的构建方式使得物联网系统从终端到应用是一个比较封闭的系统,其计算、通信、网络能力都只服务于本系统,造成单个物联网系统比较孤立,很难与其他系统共享资源,给行业的融合贯通带来瓶颈,因此需要合适的资源共享模型。软件定义网络(SDN)和虚拟网络功能(VNF)的发展可以将网络资源抽象为静态服务,可以从一个或多个IoT组件中抽象出来,从而促进IoT资源的共享和调度。因此,为了满足物联网的需求,异构网络通过SDN和VNF共享网络资源已成为趋势。
但是,物联网的异构网络环境复杂,以分布式方式提供的服务的可信性难以保证,面临着网络资源共享难以信任的问题,有必要解决建立一个可信网络执行环境。区块链是一种分布式账本技术,具有去中心化和防篡改的特点,从技术上解决了物联网中不同实体之间的信任问题。
现有技术中对上述问题有部分的解决的方案,具体如下:
方案一公开了基于区块链的物联网数据共享方法,S1)账户体系模块;用户注册;用户登录;用户信息;用户管理;S2)数据管理;数据提供模块;数据请求模块;任务发布模块;任务执行模块;数据查询模块;任务查询模块;S3)权限管理;数据访问控制;数据授权管理;数据发布审核;本方法是基于主流浏览器的,而PC电脑应用越来越广,用户参与使用非常便捷,准入门槛低。相较于传统的中心化管理的数据共享系统,去中心化的数据共享系统节省大量的数据中介成本,同时解决了中心化管理的安全问题。区块链技术去信任的特性也解决了在物联网数据共享中节点间的互相信任的问题;采用IPFS分布式文件系统,实现海量数据的安全存储,具有良好的可扩展性。
方案二公开了一种基于区块链的物联网可信分布式数据共享方法,依托该方法实现的系统包括资源层、网络层、区块链层和应用层等体系结构要素。各设备/用户结点在逻辑上组合形成双层覆盖网络,各子网内部均设置一个存储和计算能力较大的预选定边缘网关结点充当超节点;这些PSPN同时组成区块链层,利用智能合约,结合链上和链下存储,实现安全高效的去中心化分布式数据共享访问控制。本发明利用P2P技术,在体系结构上解决了工业物联网环境中不同数据来源实体间的有效联通问题;解决物联网场景中海量数据的共享效率问题;有效解决了数据可信共享的去中心化和可审计问题,降低了系统的运营和维护成本。
方案三公开了一种基于区块链的物联网资源共享方法及系统,涉及区块链技术领域,包括根据域内网络结构参数,结合已建立的非线性目标函数,计算每个区半径,并根据区半径,建立层次型的由多个管理域网络组成的分布式物联网系统框架,且每个管理域网络内的每个层区结构的区半径相同,不同层区结构的区半径不同;在每个区内构建一个子区块链,进而建立具有子区块链和全局区块链的两层区块链结构;结合主从多链结构的低开销共识算法,将区内数据源节点作为发布者来构建发布新区块以达到区内共识,将贡献度最大的区头节点作为全局区块发布者来构建发布新全局区块以达成全局区块共识,从而实现去中心化网络能量资源可靠共享和最大化网络资源利用率。
通过分析和对比,发现上述三个方案存在如下不足之处:
1.方案一基于主流浏览器设计,具有账户体系模块、数据管理模块、权限管理模块,结合区块链技术,构建去中心化的数据共享系统。该发明虽然解决了在物联网数据共享中节点间的互相信任的问题,但是对于数据跨域共享、数据资源动态预测、动态分配、动态调整等方面的考量依旧不够全;
2.方案二依托该方法实现的系统包括资源层、网络层、区块链层和应用层等体系结构要素,利用智能合约,结合链上和链下存储,实现安全高效的去中心化分布式数据共享访问控制。该发明解决了物联网场景中海量数据的共享效率问题以及数据可信共享的去中心化问题,但仍旧未考虑物联系统中资源的动态变化问题;
3.方案三建立了具有子区块链和全局区块链的两层区块链结构,结合主从多链结构的低开销共识算法,实现了去中心化网络能量资源可靠共享和最大化网络资源利用率。但是此发明技术侧重点过于单薄,未结合SDN以及虚拟化技术实现对异构网络资源的共享与调度,同时忽略了对动态资源的预测与调整,缺乏动态适应性。
发明内容
本发明实施例提供一种内生可信网络的服务智能定制方法及系统,用以解决现有技术中物联网异构网络中存在不可信,资源无法有效动态调度分配的问题。
第一方面,本发明实施例提供一种内生可信网络的服务智能定制方法,包括:
构建基于联盟区块链的内生可信网络;
在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;
基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
优选地,所述内生可信网络包括终端设备层、网络层、区块链层、平台和应用层。
优选地,所述联盟区块链包括客户端层和接口层,其中所述接口层中包含的轻节点用于负责存储物联网终端提交的所有数据,组成所述联盟区块链的全节点用于存储身份验证信息以实现机密性和可追溯性。
优选地,所述构建基于联盟区块链的内生可信网络,还包括内生可信网络资源管理,所述内生可信网络资源管理具体包括:
在所述内生可信网络中的若干网络资源管理域中,设置资源管理组织维护注册机构和完整区块链节点;
由所述资源管理组织维护注册机构负责完成所述若干网络资源管理域中的资源注册,所述完整区块链节点负责维护全球域资源分类账;
将所述若干网络资源管理域中任一个网络资源管理域的内部资源节点设置为轻链节点,所述轻链节点负责维护域内资源分类账;
采用预设共识算法保证区块链数据一致性,限制区块链节点更新区块链总账。
优选地,所述在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务,具体包括:
服务请求者通过所述资源管理组织维护注册机构完成身份认证和账户注册;
所述服务请求者向资源区块链网络发起服务请求,所述服务请求将触发所述资源区块链网络中的对应智能合约进行资源匹配;
在完成服务匹配和服务协商后,资源提供者和所述服务请求者进行链下服务交易;
待所述链下服务交易结束后,所述服务请求者对所述链下服务交易进行评估,并将服务评估结果以区块链交易形式发布到所述资源区块链网络中。
优选地,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整,之前包括构建基于人工智能的资源分配架构,所述构建基于人工智能的资源分配架构具体包括:
将若干物理网络域通过南向接口连接至独立控制平台,所述独立控制平台包括SDN控制器和NFV编排;
所述独立控制平台通过从区块链到控制器接口连接到区块链平台,构成分布式区块链网络。
优选地,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,具体包括:
采用基于所述长短期记忆模型的交通量预测方法,对所述内生可信网络的流量进行预测;
获取预测流量与实际流量误差,基于所述预测流量与实际流量误差建立自适应资源分配的成本最小化模型。
优选地,所述基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,具体包括:
基于所述异步优势行动者评论家算法,建立包括状态空间、动作空间和瞬时奖励函数的马尔可夫决策过程,实现累积奖励最大化;
在无监督强化和辅助学习算法引入服务功能链部署,辅助增加所述累积奖励最大化的其他伪奖励供能,实现最佳网络流量性能。
优选地,所述在无监督强化和辅助学习算法引入服务功能链部署,具体包括:
通过每个代理收集对应的环境状态,基于所述环境状态,所每个代理根据全局神经网络给出策略确定操作;
所述环境状态执行所述策略确定操作并移至下一个环境状态,根据所述下一个环境状态计算基本任务瞬时奖励,并根据所述基本任务瞬时奖励,所述每个代理累积损失函数梯度;
根据所述每个代理累积损失函数梯度分别异步更新全局网络参数;
将所述环境状态、所述策略确定操作和所述下一个环境状态的体验存储在重播缓冲区中;
对所述重播缓冲区中的过渡进行随机采样,根据所述随机采样所获得的经验来计算辅助任务的即时奖励;
将所述辅助任务的动作值通过Q学习进行近似,用于更新全局网络参数。
第二方面,本发明实施例提供一种内生可信网络的服务智能定制系统,包括:
构建模块,用于构建基于联盟区块链的内生可信网络;
服务定制模块,用于在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;
预测分配模块,用于基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
第三方面,本发明实施例提供一种电子设备,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述内生可信网络的服务智能定制方法的步骤。
本发明实施例提供的内生可信网络的服务智能定制方法及系统,通过基于联盟区块链,通过软件定义网络和虚拟网络功能构建内生可信网络框架,并设计了链上和链下协作资源监管的机制,该框架可以集成基于长短期记忆模型的业务量预测方法,以预测资源需求并进行进一步的资源定制,还提出了基于A3C的资源分配算法,以实现网络资源的定制服务和动态调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种内生可信网络的服务智能定制方法流程图;
图2为本发明实施例提供的内生可信网络框架图;
图3为本发明实施例提供的网络资源区块链模型图;
图4为本发明实施例提供的可信资源定制服务过程图;
图5为本发明实施例提供的基于人工智能的资源分配架构图;
图6为本发明实施例提供的无监督的强化和辅助学习示意图;
图7为本发明实施例提供的可信共享框架用例示意图;
图8为本发明实施例提供的一种内生可信网络的服务智能定制系统结构图;
图9为本发明实施例提供的电子设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术中的不足,本发明实施例提出了一种基于SDN和NFV的异构网络的内生可信网络框架,引入区块链以在分布式网络中的资源请求者和资源提供者之间建立信任,确保资源的可信度;并设计了链上和链下协作资源监管的机制,以实现可信的虚拟资源定制服务;本发明还介绍了基于长短期记忆(LSTM)模型的流量预测方法和异步优势行动者评论家(A3C)算法来预测资源需求,自动分配和动态调整资源。
图1为本发明实施例提供的一种内生可信网络的服务智能定制方法流程图,如图1所示,包括:
S1,构建基于联盟区块链的内生可信网络;
S2,在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;
S3,于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
其中,所述内生可信网络包括终端设备层、网络层、区块链层、平台和应用层。
其中,所述联盟区块链包括客户端层和接口层,其中所述接口层中包含的轻节点用于负责存储物联网终端提交的所有数据,组成所述联盟区块链的全节点用于存储身份验证信息以实现机密性和可追溯性。
具体地,本发明实施例提出了一种基于SDN和NFV的异构网络的内生可信网络框架,引入区块链以在分布式网络中的资源请求者和资源提供者之间建立信任,确保资源的可信度;并设计了链上和链下协作资源监管的机制,以实现可信的虚拟资源定制服务;最后实现基于长短期记忆(LSTM)模型的流量预测方法和A3C算法来预测资源需求,自动分配和动态调整资源。
可以理解的是,如图2所示,为了实现异构物联网络之间的信息共享和资源管理,构建了基于区块链的内生可信网络框架,内生可信网络框架由五层组成,分别是终端设备层,网络层,区块链层,平台和应用层,并将区块链和网络基础架构集成在一起以实现内生可信。
不同异构网络中的不同服务器形成联合区块链,作为一个分散的对等网络平台,联盟区块链可以通过共识机制,非对称密码技术等来确认网络的完整性和有效性。为了解决区块链上的存储和计算压力,联盟链包含两层:客户端层和接口层。接口层中的轻节点负责存储IoT终端提交的所有数据,而组成联盟区块链的全节点则用于存储身份验证信息以实现机密性和可追溯性。因此,可以建立一个不同异构网络之间的信任和有效的平台。
在网络中,具有各种需求和功能的IoT终端需要通过网关或接入点(AP)等边缘服务器在联盟区块链中注册。因此,联盟链可以在资源请求者和资源提供者之间提供可信的交易服务。此外,通过SDN和虚拟化技术,可以设计用于异构网络的网络资源共享模型,该模型可以基于联盟区块链虚拟地和协作地管理和分配通信资源和计算资源,而不会面临隐私泄露或身份伪造攻击的安全威胁。
本发明实施例通过基于联盟区块链,通过软件定义网络和虚拟网络功能构建内生可信网络框架,并设计了链上和链下协作资源监管的机制,该框架可以集成基于长短期记忆模型的业务量预测方法,以预测资源需求并进行进一步的资源定制,还提出了基于A3C的资源分配算法,以实现网络资源的定制服务和动态调整。
基于上述实施例,所述构建基于联盟区块链的内生可信网络,还包括内生可信网络资源管理,所述内生可信网络资源管理具体包括:
在所述内生可信网络中的若干网络资源管理域中,设置资源管理组织维护注册机构和完整区块链节点;
由所述资源管理组织维护注册机构负责完成所述若干网络资源管理域中的资源注册,所述完整区块链节点负责维护全球域资源分类账;
将所述若干网络资源管理域中任一个网络资源管理域的内部资源节点设置为轻链节点,所述轻链节点负责维护域内资源分类账;
采用预设共识算法保证区块链数据一致性,限制区块链节点更新区块链总账。
具体地,本发明实施例采用了联盟链来构建内生可信网络,区块链可以分为三类:公有链,私有链和联盟链,联盟链是公有链和私有链的折衷。它具有有效的网络访问管理,可以有效地实现组织之间的安全信息交换。联盟区块链中的许可节点在相互认证下创建交易以生成可验证的区块。与私有区块链相比,联盟区块链的共识机制有更低的消耗和延迟,并提供比私有链更安全可靠的交易和共享环境。
基于上述分析,针对安全物联网的需求,提出了一种基于联盟区块链的可信网络资源区块链,以实现网络资源的全面共享,如图3所示,资源区块链网络中有许多不同的网络资源管理域。网络管理域中的资源管理组织维护注册机构(RA)和完整区块链节点(FBN)。RA负责完成域中资源的注册。FBN作为区块链网络的基本组成部分,构成了一个全球资源区块链,用于维护全球域资源分类账(Lg),该分类帐存储整个网络资源的属性信息,资源交易记录以及资源服务的信誉,FBNi负责存储和处理完整的区块链数据,需要更多处理能力。一些智能合约还旨在管理这些数据。资源区块链节点的重要部分将执行它以达成符合条件的共识。一个网络资源管理域中的内部资源节点被设计为轻链节点(LBN),它们彼此形成一个区块链通道,以维护域内资源分类账(Li)。LBN仅下载区块头和与交易相关的分支,这使得LBN可以在强大的安全保证下确定任何网络交易的状态及其当前资源状况。当加入受信任的网络资源区块链时,他们将注册其资源信息。资源管理组织决定资源信息是否在整个网络中共享,如果是,则资源信息将存储在全球资源区块链中,包括资源大小,价格,所有权等。它为跨网络的资源共享提供了数据基础,实现了安全有效的资源交易,并提供了可靠的定制网络服务。
此外,在物联网实体中部署区块链客户端,包括云资源,边缘资源,物联网设备资源和通信资源等,以使其成为包括FBN和LBN的区块链网络节点。当网络资源节点加入区块链网络时,它将评估自己的情况,确定其以FBN或LBN的身份加入。
作为区块链网络的重要组成部分,共识算法有效地保证了区块链数据的一致性,维护了网络运营的安全。传统的共识算法(例如PoW,PoS,Raft,PBFT等)通过要求参与节点支付一定的价格参与权利竞争来防止参与节点恶意行为。它们适用于不同交易环境中不同类型的区块链。此外,在节点交互过程中,为了防止所有节点改变其诚实性和初衷,并积极正确地维护系统,应设计一套协议来限制节点更新区块链总账的行为。在值得信赖的网络资源区块链中,有各种各样的资源提供者,这要求以有效的方式采用具有更高安全性的共识算法。考虑到用户贡献主要反映在服务提供中,采用一种预设共识算法,即贡献证明。贡献考虑了资源提供者的利益和全面的服务状况,选择贡献值最高的节点作为计费节点,综合服务情况是通过资源数量和外部服务的服务反馈(以服务信誉衡量)来计算的,完成共识后,记账节点将收到来自网络的贡献奖励。
可以理解的是,区块链的安全性主要取决于非法参与者对资源的控制,而不是合法参与者对资源的控制。随着服务提供的动态变化,它使计费节点的选择变得更加不可控制,并确保了网络的安全性。
基于上述任一实施例,所述在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务,具体包括:
服务请求者通过所述资源管理组织维护注册机构完成身份认证和账户注册;
所述服务请求者向资源区块链网络发起服务请求,所述服务请求将触发所述资源区块链网络中的对应智能合约进行资源匹配;
在完成服务匹配和服务协商后,资源提供者和所述服务请求者进行链下服务交易;
待所述链下服务交易结束后,所述服务请求者对所述链下服务交易进行评估,并将服务评估结果以区块链交易形式发布到所述资源区块链网络中。
具体地,网络资源区块链中的可信资源定制服务过程由四个部分组成:资源注册,服务请求与匹配,服务提供和服务反馈,可信资源定制服务的总体过程如图4所示,此处,实体共有5种类型:服务请求者、RA、ETN资源区块链、网络资源和服务提供者。有四个主要操作:实体注册、服务请求和资源定制服务、服务提供和服务反馈。
1)实体注册
当资源节点或资源管理组织加入资源区块链时,它首先需要配置区块链客户端。它通过RA完成身份认证,并将资源信息发布到区块链网络。只有在资源区块链网络中注册的资源是合法且可服务的。
资源注册主要包括两个步骤:账户注册和资源发布。资源节点使用非对称加密算法生成一对密钥,并将公共密钥及其身份发送到其管理组织的RA进行身份认证。对于需要共享个人资源的用户,将建立一个政府管理的身份验证节点以进行统一身份管理。通过认证的资源节点将从RA接收签名的认证信息。此时,RA还将保存资源节点的身份信息和公钥。资源节点将公钥和身份验证信息结合起来创建一个账户,以便在执行资源事务时,资源请求者可以准确地验证资源提供者的身份。账户注册完成后,资源提供者将根据区块链交易释放自己的资源信息,完成与账户的绑定,并更新资源区块链的资源世界状态。完成资源发布的资源节点将等待资源请求,并通过服务匹配算法为资源请求者提供资源服务。
在基于联盟链的内生可信网络框架中,任何想要获得可信网络资源定制服务的服务请求者都需要先完成身份认证和账户注册。在提交服务请求之前,服务请求者在本地安装资源区块链客户端,根据账户注册过程完成账户注册,并获得自己的账户,该账户将在后续的服务交易中用作交易账户。
2)服务请求和资源定制服务
需求预测可以在服务请求之前执行。根据预测的需求,可以导出服务链请求,并且预先设置网络资源。
完成账户注册的服务请求者可以向资源区块链网络发起服务请求作为区块链交易。服务请求将触发资源区块链中的相应智能合约进行资源匹配,以完成资源定制服务。如果服务请求者希望请求管理域的内部网络资源服务,则只需要向内部通道发起服务请求即可;如果要获得整个网络的最佳资源服务,则需要通过管理机构提供的FBN。
在内生可信网络中,服务请求不仅将成为基于AI的资源分配智能合约的触发条件,还将被存储在区块链分类账中,作为服务需求预测的数据支持。
3)服务提供
资源提供者和请求者将在完成服务匹配和服务协商后开始链下服务交易。
服务请求者验证定制服务给出的服务水平承诺,并获得服务提供商的资源账户(在资源注册阶段经过验证的账户),通过区块链客户端生成服务交易,并将服务交易发送至区块链网络。区块链网络接受并验证服务交易,将合法交易写入区块链分类账,并更新区块链“资源世界状态”中账户的资源信息和交易信息。服务请求者将始终监控交易状态。区块链交易完成后,服务请求者立即将交易号发送给服务提供商,服务提供商验证交易,并立即开始提供服务。
4)服务反馈
服务结束后,请求者将评估服务,同样服务评估将以区块链交易的形式发布到区块链网络,为以后的服务资源选择和定制服务的资源匹配基础提供参考依据。可信网络资源共享框架中的区块链与人工智能(AI)的结合可以为物联网提供安全,可信和高性能的定制服务,并为人类生活提供更美好的未来。
基于上述任一实施例,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整,之前包括构建基于人工智能的资源分配架构,所述构建基于人工智能的资源分配架构具体包括:
将若干物理网络域通过南向接口连接至独立控制平台,所述独立控制平台包括SDN控制器和NFV编排;
所述独立控制平台通过从区块链到控制器接口连接到区块链平台,构成分布式区块链网络。
具体地,如图5所示,基于人工智能AI的资源分配架构中,不同的物理网络域通过南向接口连接到独立的控制平台。控制平台包括SDN控制器和NFV编排(NFVO)。它们从AI资源分配引擎接收资源分配方案,并相互协作以完成网络中计算资源和通信资源的共享和分配。控制器平台通过B2S(从区块链到控制器)接口连接到区块链平台,从而形成分布式区块链网络,以便网络域中的设备可以轻松有效地进行通信。
用户的资源需求和QoS需求首先通过预测算法进行预测。根据预测的需求,可以得出服务链需求,包括有序的VNF集及其连接关系。同时,对网络状态和链上的资源信息进行实时监控,基于AI的资源分配算法根据网络资源信息和服务需求计算虚拟资源分配方案。最后,NFVO和SDN控制器完成了虚拟资源到物理网络的映射。
基于上述任一实施例,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,具体包括:
采用基于所述长短期记忆模型的交通量预测方法,对所述内生可信网络的流量进行预测;
获取预测流量与实际流量误差,基于所述预测流量与实际流量误差建立自适应资源分配的成本最小化模型。
其中,所述基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,具体包括:
基于所述异步优势行动者评论家算法,建立包括状态空间、动作空间和瞬时奖励函数的马尔可夫决策过程,实现累积奖励最大化;
在无监督强化和辅助学习算法引入服务功能链部署,辅助增加所述累积奖励最大化的其他伪奖励供能,实现最佳网络流量性能。
其中,所述在无监督强化和辅助学习算法引入服务功能链部署,具体包括:
通过每个代理收集对应的环境状态,基于所述环境状态,所每个代理根据全局神经网络给出策略确定操作;
所述环境状态执行所述策略确定操作并移至下一个环境状态,根据所述下一个环境状态计算基本任务瞬时奖励,并根据所述基本任务瞬时奖励,所述每个代理累积损失函数梯度;
根据所述每个代理累积损失函数梯度分别异步更新全局网络参数;
将所述环境状态、所述策略确定操作和所述下一个环境状态的体验存储在重播缓冲区中;
对所述重播缓冲区中的过渡进行随机采样,根据所述随机采样所获得的经验来计算辅助任务的即时奖励;
将所述辅助任务的动作值通过Q学习进行近似,用于更新全局网络参数。
具体地,在上述实施例中构建的基于人工智能的资源分配架构基础上,首先进行服务需求预测,此处在网络边缘和云中,NFV资源分配必须考虑如下因素:
1)对于用户的流量波动,需要设计一种准确的预测方法,因为过度配置和配置不足都会导致利润损失;
2)已经研究了许多VNF缩放方法来满足动态需求,但是这些无功水平缩放可能需要几分钟才能创建一个新实例,从而导致不可接受的延迟和数据包丢失,也不建议使用垂直扩展,因为它需要重新启动系统并导致服务中断。因此,有效的主动虚拟资源分配方法很重要。
本发明实施例提出了一种基于长期短期记忆(LSTM)模型的交通量预测方法,以预测资源需求。LSTM是循环神经网络,适用于序列数据处理。它通过内存捕获历史流量模型和特征,而忽略了预测流量速率的门。由于流量的波动和SFC需求的到来,预测的流量率与实际流量始终存在一定的误差。该错误可能是负的,也可能是正的,并导致两个结果:相应地配置不足或配置过多。具体来说,如果预配置不足,则预先部署的VNF的能力不足以处理实际流量,这会导致高延迟或数据包丢失。如果发生超额配置,将部署过多的VNF实例,但会浪费不必要的资源。显然,这两个结果都可能导致服务提供商的亏损。考虑到预测误差导致的过剩和不足,建立了自适应资源分配的成本最小化模型。
然后进行动态流量分配优化,目前部分研究将辅助任务的概念添加到了异步优势行动者评论家(A3C)算法中,允许代理在执行基本任务时最大化其他伪奖励功能,从而通过训练多个任务来提高数据利用率,加快学习速度并增强A3C算法的性能以达到相同的目标。该方法不需要任何额外的监督或来自环境的信号,可以在保持原始样本不变的情况下提高算法的性能。因此,可以将其视为一种无监督学习方法,称为例如图6所示的无监督强化和辅助学习(URAL)。
此处,由于传统的基于价值或策略梯度方法在处理大量行为时的缺点,我们选择了行动者评论家算法来处理大范围的问题。为了稳定地训练深层神经网络策略,而又不需要大量的存储资源,将行动者评论家算法的多线程异步变体,异步优势行动者评论家算法(A3C)引入了SFC部署问题。
在标准的A3C设置中,许多代理实例和许多环境实例在多个离散时间步长上并行交互。可以将SFC部署问题建模为具有状态空间,动作空间和瞬时奖励函数的马尔可夫决策过程(MDP),这些组件的定义描述如下。
状态空间:DRL中的状态反映了环境状况。对于SFC部署问题,环境状态是指基板网络的状态,包括可用的计算资源和链路带宽。
动作空间:动作被定义为SFC部署问题的解决方案。一个动作包括两个部分:为VNF选择的节点以及它们之间的路径。
奖励:根据环境的当前状态和行为向代理提供奖励。奖励是SFC部署问题的目标。SFC部署的目的与服务QoS相关,并且可以优化端到端延迟,最大化网络实用程序或最小化部署成本。
在每个步骤中,每个代理都会观察环境状态,执行操作以使环境状态发生变化,并获得即时奖励。该奖励用于计算损失函数的梯度,并且在将代理应用于更新其全局网络参数之前,它们会在多个时间步长上累积梯度,这些参数将反过来影响代理探索策略。
而A3C代理仅考虑使累积奖励最大化以实现最佳策略。但是,环境也可能包含其他可用的培训信息。URAL算法将辅助任务合并到A3C框架中,以促进更快的培训,更强大的学习以及最终为代理提供更高的性能。辅助任务在代理与之交互且目标与基本任务相同的环境中定义为其他伪奖励功能。在SFC部署问题中,可以将伪奖励功能设计为优化负载平衡或最大化总吞吐量的目标,从而可以提高网络性能。
非政策强化学习可以用于从单一经验流中同时并行地最大化许多不同的伪奖励的目的。辅助任务是根据经验序列训练的,这些经验序列是从重播缓冲区存储和采样的。它使用基于值的RL方法,该方法通过Q学习近似最佳动作值。应用辅助任务的损失函数来更新全局网络的联合参数。通过在基本任务和辅助任务之间共享某些参数,代理可以通过改善辅助任务的性能来提高其在整体报酬上的性能。
如图6所示,采用URAL进行SFC部署的过程介绍如下:
步骤1:每个代理收集其相应的环境状态,并基于当前状态,代理根据全局神经网络给出的策略确定操作。
步骤2:环境执行操作并移至下一个状态。根据新状态计算基本任务的瞬时奖励,根据奖励,代理积累损失函数的梯度。
步骤3:每个代理程序累积的梯度分别异步更新全局网络参数。
步骤4:包含状态,操作和下一个状态的体验存储在重播缓冲区中。
步骤5:对缓冲区中的过渡进行随机采样,并根据所获得的经验来计算辅助任务的即时奖励。
步骤6:辅助任务的动作值通过Q学习进行近似,并用于更新全局网络的参数。
可以证明,作为A3C的改进,URAL可以有效地处理SFC部署问题中的高维动作空间。同时,通过设计面向同一目标的多个任务,可以提高全球网络的表达能力和决策能力。总而言之,URAL在培训结束时显示出更快的学习速度和更好的政策。
基于上述任一实施例,基于联盟区块链,它可以在不同物联网域之间的资源请求者和资源提供者之间建立信任。此外,通过SDN和虚拟化技术,可以更有效地执行资源管理和分配。通过这种方式,该架构支持如图7所示的各种IoT领域的可信信息共享和协作资源管理服务,例如智能电网,智能家居,智慧城市等。
在智能家居中,当终端设备将大量家庭和个人数据上传到集中式数据库时,可能会遇到严重的隐私问题。因此,具有区块链的信任共享平台可以为智能家居中的私有数据管理提供透明,安全的替代框架。在智慧城市中,具有区块链的信任共享网络可以充当去中心化的可信平台,为绿色能源提供商和客户提供透明的能源交易服务。
作为国内主流的虚拟网络运营商,国家电网包含着巨大的网络资源,这些资源是异构的并且空闲可以执行请求者的计算任务。但是,网络运营商和资源请求者之间缺乏信任,难以实现资源共享。因此,本发明实施例提出的可信共享架构可以作为网络资源交易的分布式平台,极大地提高了网络资源的效率和实用性。此外,通过结合4G和5G技术,智能电网的可信共享架构可以成为在IIoT(工业物联网)中提供虚拟基础架构,支持集成能源服务和协作资源利用的有前途的解决方案。以综合能源服务为例,一方面,能源供应商和客户可以执行匿名交易而无需透露其私人信息;另一方面,借助加密技术和共识机制等区块链技术,每笔交易都是透明且可验证的;最重要的是,它可以通过建立不同能源子系统之间的信任来提高能源利用率并重塑能源工业结构。
图8为本发明实施例提供的一种内生可信网络的服务智能定制系统流程图,如图8所示,包括:构建模块81、服务定制模块82和预测分配模块83;其中:
构建模块81用于构建基于联盟区块链的内生可信网络;服务定制模块82用于在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;预测分配模块83用于基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
本发明实施例通过基于联盟区块链,通过软件定义网络和虚拟网络功能构建内生可信网络框架,并设计了链上和链下协作资源监管的机制,该框架可以集成基于长短期记忆模型的业务量预测方法,以预测资源需求并进行进一步的资源定制,还提出了基于A3C的资源分配算法,以实现网络资源的定制服务和动态调整。
图9示例了一种电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940,其中,处理器910,通信接口920,存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令,以执行如下方法:构建基于联盟区块链的内生可信网络;在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
此外,上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种内生可信网络的服务智能定制方法,其特征在于,包括:
构建基于联盟区块链的内生可信网络;
在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务;
基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整。
2.根据权利要求1所述的内生可信网络的服务智能定制方法,其特征在于,所述内生可信网络包括终端设备层、网络层、区块链层、平台和应用层。
3.根据权利要求1所述的内生可信网络的服务智能定制方法,其特征在于,所述联盟区块链包括客户端层和接口层,其中所述接口层中包含的轻节点用于负责存储物联网终端提交的所有数据,组成所述联盟区块链的全节点用于存储身份验证信息以实现机密性和可追溯性。
4.根据权利要求1或2所述的内生可信网络的服务智能定制方法,其特征在于,所述构建基于联盟区块链的内生可信网络,还包括内生可信网络资源管理,所述内生可信网络资源管理具体包括:
在所述内生可信网络中的若干网络资源管理域中,设置资源管理组织维护注册机构和完整区块链节点;
由所述资源管理组织维护注册机构负责完成所述若干网络资源管理域中的资源注册,所述完整区块链节点负责维护全球域资源分类账;
将所述若干网络资源管理域中任一个网络资源管理域的内部资源节点设置为轻链节点,所述轻链节点负责维护域内资源分类账;
采用预设共识算法保证区块链数据一致性,限制区块链节点更新区块链总账。
5.根据权利要求4所述的内生可信网络的服务智能定制方法,其特征在于,所述在所述内生可信网络中设置链上和链下协作资源监管机制,实现可信的虚拟资源定制服务,具体包括:
服务请求者通过所述资源管理组织维护注册机构完成身份认证和账户注册;
所述服务请求者向资源区块链网络发起服务请求,所述服务请求将触发所述资源区块链网络中的对应智能合约进行资源匹配;
在完成服务匹配和服务协商后,资源提供者和所述服务请求者进行链下服务交易;
待所述链下服务交易结束后,所述服务请求者对所述链下服务交易进行评估,并将服务评估结果以区块链交易形式发布到所述资源区块链网络中。
6.根据权利要求1所述的内生可信网络的服务智能定制方法,其特征在于,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,并基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,实现网络资源的自动分配和动态调整,之前包括构建基于人工智能的资源分配架构,所述构建基于人工智能的资源分配架构具体包括:
将若干物理网络域通过南向接口连接至独立控制平台,所述独立控制平台包括SDN控制器和NFV编排;
所述独立控制平台通过从区块链到控制器接口连接到区块链平台,构成分布式区块链网络。
7.根据权利要求1所述的内生可信网络的服务智能定制方法,其特征在于,所述基于长短期记忆模型对所述内生可信网络的流量进行预测,具体包括:
采用基于所述长短期记忆模型的交通量预测方法,对所述内生可信网络的流量进行预测;
获取预测流量与实际流量误差,基于所述预测流量与实际流量误差建立自适应资源分配的成本最小化模型。
8.根据权利要求1所述的内生可信网络的服务智能定制方法,其特征在于,所述基于异步优势行动者评论家算法对所述内生可信网络资源需求进行预测,具体包括:
基于所述异步优势行动者评论家算法,建立包括状态空间、动作空间和瞬时奖励函数的马尔可夫决策过程,实现累积奖励最大化;
在无监督强化和辅助学习算法引入服务功能链部署,辅助增加所述累积奖励最大化的其他伪奖励供能,实现最佳网络流量性能。
9.根据权利要求8所述的内生可信网络的服务智能定制方法,其特征在于,所述在无监督强化和辅助学习算法引入服务功能链部署,具体包括:
通过每个代理收集对应的环境状态,基于所述环境状态,所每个代理根据全局神经网络给出策略确定操作;
所述环境状态执行所述策略确定操作并移至下一个环境状态,根据所述下一个环境状态计算基本任务瞬时奖励,并根据所述基本任务瞬时奖励,所述每个代理累积损失函数梯度;
根据所述每个代理累积损失函数梯度分别异步更新全局网络参数;
将所述环境状态、所述策略确定操作和所述下一个环境状态的体验存储在重播缓冲区中;
对所述重播缓冲区中的过渡进行随机采样,根据所述随机采样所获得的经验来计算辅助任务的即时奖励;
将所述辅助任务的动作值通过Q学习进行近似,用于更新全局网络参数。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至9任一项所述内生可信网络的服务智能定制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163064.9A CN111464335B (zh) | 2020-03-10 | 2020-03-10 | 一种内生可信网络的服务智能定制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163064.9A CN111464335B (zh) | 2020-03-10 | 2020-03-10 | 一种内生可信网络的服务智能定制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111464335A true CN111464335A (zh) | 2020-07-28 |
CN111464335B CN111464335B (zh) | 2021-04-23 |
Family
ID=71680042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010163064.9A Active CN111464335B (zh) | 2020-03-10 | 2020-03-10 | 一种内生可信网络的服务智能定制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111464335B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112134959A (zh) * | 2020-09-24 | 2020-12-25 | 北京工业大学 | 一种基于区块链的异构边缘资源共享方法 |
CN112130798A (zh) * | 2020-09-23 | 2020-12-25 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 武器装备控制内生安全计算机设计系统及方法 |
CN112149800A (zh) * | 2020-09-08 | 2020-12-29 | 北京工业大学 | 一种反馈神经网络可信执行方法及装置 |
CN112199153A (zh) * | 2020-09-25 | 2021-01-08 | 国网河北省电力有限公司信息通信分公司 | 一种虚拟网络功能vnf实例部署方法及装置 |
CN112257863A (zh) * | 2020-10-09 | 2021-01-22 | 天津大学 | 网络参数确定方法、装置、区块链的节点及存储介质 |
CN112395640A (zh) * | 2020-11-16 | 2021-02-23 | 国网河北省电力有限公司信息通信分公司 | 一种基于区块链的行业物联数据轻量可信共享技术 |
CN112491896A (zh) * | 2020-11-30 | 2021-03-12 | 超越科技股份有限公司 | 一种基于虚拟化网络的可信接入认证系统 |
CN112769594A (zh) * | 2020-12-14 | 2021-05-07 | 北京邮电大学 | 一种基于多智能体强化学习的网内服务功能部署方法 |
CN112989381A (zh) * | 2021-03-24 | 2021-06-18 | 中国电子科技集团公司第三十研究所 | 一种基于区块链防关联的统一异构身份标识方法 |
CN113112139A (zh) * | 2021-04-07 | 2021-07-13 | 上海联蔚盘云科技有限公司 | 云平台账单的处理方法和设备 |
WO2021174778A1 (zh) * | 2020-07-30 | 2021-09-10 | 平安科技(深圳)有限公司 | 区块链安全交易方法、计算机设备及可读存储介质 |
CN113572810A (zh) * | 2021-06-09 | 2021-10-29 | 北京邮电大学 | 一种面向物联网私有多账本区块链系统设计与实现的方法 |
CN114979182A (zh) * | 2022-03-22 | 2022-08-30 | 大连理工大学 | 一种基于区块链的工业5g-u物联网资源调度方法 |
CN115150246A (zh) * | 2022-04-14 | 2022-10-04 | 北京邮电大学 | 基于新型嵌套链架构的面向海量实时物联网的上链方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103471A (zh) * | 2017-03-28 | 2017-08-29 | 上海瑞麒维网络科技有限公司 | 基于区块链确定交易合法性的方法及装置 |
CN109542781A (zh) * | 2018-11-14 | 2019-03-29 | 联动优势科技有限公司 | 区块链共识算法测试方法、装置、计算装置和存储介质 |
CN109559119A (zh) * | 2018-11-29 | 2019-04-02 | 成都捕风数据科技有限公司 | 通过委托区块生产者达到区块链可信内源随机过程的方法 |
CN109978546A (zh) * | 2019-04-08 | 2019-07-05 | 北京邮电大学 | 一种联盟区块链架构及其分级存储和交易穿孔方法 |
CN110766338A (zh) * | 2019-10-31 | 2020-02-07 | 昆明理工大学 | 一种基于人工智能和区块链技术eos.io的dpos分叉预测模型方法 |
US20200067965A1 (en) * | 2019-11-04 | 2020-02-27 | Olawale Oluwadamilere Omotayo Dada | Cyber security threat management |
CN110868446A (zh) * | 2019-08-29 | 2020-03-06 | 北京大学深圳研究生院 | 一种后ip的主权网体系架构 |
-
2020
- 2020-03-10 CN CN202010163064.9A patent/CN111464335B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107103471A (zh) * | 2017-03-28 | 2017-08-29 | 上海瑞麒维网络科技有限公司 | 基于区块链确定交易合法性的方法及装置 |
CN109542781A (zh) * | 2018-11-14 | 2019-03-29 | 联动优势科技有限公司 | 区块链共识算法测试方法、装置、计算装置和存储介质 |
CN109559119A (zh) * | 2018-11-29 | 2019-04-02 | 成都捕风数据科技有限公司 | 通过委托区块生产者达到区块链可信内源随机过程的方法 |
CN109978546A (zh) * | 2019-04-08 | 2019-07-05 | 北京邮电大学 | 一种联盟区块链架构及其分级存储和交易穿孔方法 |
CN110868446A (zh) * | 2019-08-29 | 2020-03-06 | 北京大学深圳研究生院 | 一种后ip的主权网体系架构 |
CN110766338A (zh) * | 2019-10-31 | 2020-02-07 | 昆明理工大学 | 一种基于人工智能和区块链技术eos.io的dpos分叉预测模型方法 |
US20200067965A1 (en) * | 2019-11-04 | 2020-02-27 | Olawale Oluwadamilere Omotayo Dada | Cyber security threat management |
Non-Patent Citations (1)
Title |
---|
李聪等: "基于区块链技术的可信网络", 《电信科学》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021174778A1 (zh) * | 2020-07-30 | 2021-09-10 | 平安科技(深圳)有限公司 | 区块链安全交易方法、计算机设备及可读存储介质 |
CN112149800A (zh) * | 2020-09-08 | 2020-12-29 | 北京工业大学 | 一种反馈神经网络可信执行方法及装置 |
CN112130798A (zh) * | 2020-09-23 | 2020-12-25 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 武器装备控制内生安全计算机设计系统及方法 |
CN112130798B (zh) * | 2020-09-23 | 2024-04-02 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 武器装备控制内生安全计算机设计系统及方法 |
CN112134959B (zh) * | 2020-09-24 | 2022-10-28 | 北京工业大学 | 一种基于区块链的异构边缘资源共享方法 |
CN112134959A (zh) * | 2020-09-24 | 2020-12-25 | 北京工业大学 | 一种基于区块链的异构边缘资源共享方法 |
CN112199153A (zh) * | 2020-09-25 | 2021-01-08 | 国网河北省电力有限公司信息通信分公司 | 一种虚拟网络功能vnf实例部署方法及装置 |
CN112257863A (zh) * | 2020-10-09 | 2021-01-22 | 天津大学 | 网络参数确定方法、装置、区块链的节点及存储介质 |
CN112257863B (zh) * | 2020-10-09 | 2023-04-07 | 天津大学 | 网络参数确定方法、装置、区块链的节点及存储介质 |
CN112395640A (zh) * | 2020-11-16 | 2021-02-23 | 国网河北省电力有限公司信息通信分公司 | 一种基于区块链的行业物联数据轻量可信共享技术 |
CN112491896A (zh) * | 2020-11-30 | 2021-03-12 | 超越科技股份有限公司 | 一种基于虚拟化网络的可信接入认证系统 |
CN112769594A (zh) * | 2020-12-14 | 2021-05-07 | 北京邮电大学 | 一种基于多智能体强化学习的网内服务功能部署方法 |
CN112989381A (zh) * | 2021-03-24 | 2021-06-18 | 中国电子科技集团公司第三十研究所 | 一种基于区块链防关联的统一异构身份标识方法 |
CN112989381B (zh) * | 2021-03-24 | 2022-03-22 | 中国电子科技集团公司第三十研究所 | 一种基于区块链防关联的统一异构身份标识方法 |
CN113112139A (zh) * | 2021-04-07 | 2021-07-13 | 上海联蔚盘云科技有限公司 | 云平台账单的处理方法和设备 |
CN113572810A (zh) * | 2021-06-09 | 2021-10-29 | 北京邮电大学 | 一种面向物联网私有多账本区块链系统设计与实现的方法 |
CN114979182B (zh) * | 2022-03-22 | 2023-02-14 | 大连理工大学 | 一种基于区块链的工业5g-u物联网资源调度方法 |
CN114979182A (zh) * | 2022-03-22 | 2022-08-30 | 大连理工大学 | 一种基于区块链的工业5g-u物联网资源调度方法 |
CN115150246A (zh) * | 2022-04-14 | 2022-10-04 | 北京邮电大学 | 基于新型嵌套链架构的面向海量实时物联网的上链方法 |
CN115150246B (zh) * | 2022-04-14 | 2023-06-30 | 北京邮电大学 | 基于新型嵌套链架构的面向海量实时物联网的上链方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111464335B (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111464335B (zh) | 一种内生可信网络的服务智能定制方法及系统 | |
Li et al. | Blockchain-based trust management in cloud computing systems: a taxonomy, review and future directions | |
Xu et al. | A blockchain-enabled energy-efficient data collection system for UAV-assisted IoT | |
Uriarte et al. | Distributed service‐level agreement management with smart contracts and blockchain | |
Ardagna et al. | Quality-of-service in cloud computing: modeling techniques and their applications | |
CN112132447A (zh) | 一种基于区块链的算力网络信任评估与保障算法 | |
Li et al. | Use trust management module to achieve effective security mechanisms in cloud environment | |
Rivera et al. | A blockchain framework for secure task sharing in multi-access edge computing | |
Kong et al. | A reliable and efficient task offloading strategy based on multifeedback trust mechanism for IoT edge computing | |
KR102569409B1 (ko) | 가상 분산 원장 네트워크를 위한 시스템 및 방법 | |
WO2019102191A1 (en) | A system for providing an end-to-end network | |
Guo et al. | When network operation meets blockchain: An artificial-intelligence-driven customization service for trusted virtual resources of IoT | |
CN113364831A (zh) | 基于区块链的多域异构算网资源可信协同方法 | |
Wang et al. | Permissioned blockchain for efficient and secure resource sharing in vehicular edge computing | |
Nguyen et al. | A blockchain-based iterative double auction protocol using multiparty state channels | |
Battula et al. | A blockchain-based framework for automatic SLA management in fog computing environments | |
Li et al. | Trust-aware and fast resource matchmaking for personalized collaboration cloud service | |
Zhang et al. | Integration of communication and computing in blockchain-enabled multi-access edge computing systems | |
Afraz et al. | Blockchain and Smart Contracts for Telecommunications: Requirements vs. Cost Analysis | |
Ruan et al. | Edge in-network computing meets blockchain: A multi-domain heterogeneous resource trust management architecture | |
Cui et al. | A secure and decentralized DLaaS platform for edge resource scheduling against adversarial attacks | |
CN110189440A (zh) | 一种基于区块链的智能锁监管设备及其方法 | |
de Brito Gonçalves et al. | A quality of service compliance system empowered by smart contracts and oracles | |
Huai et al. | CROWN: A service grid middleware with trust management mechanism | |
Luo et al. | Blockchain-enabled software-defined industrial internet of things with deep recurrent q-network |
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 |