CN114048578A - 一种面向6g网络的高吞吐量区块链系统和性能优化模型 - Google Patents
一种面向6g网络的高吞吐量区块链系统和性能优化模型 Download PDFInfo
- Publication number
- CN114048578A CN114048578A CN202111035632.8A CN202111035632A CN114048578A CN 114048578 A CN114048578 A CN 114048578A CN 202111035632 A CN202111035632 A CN 202111035632A CN 114048578 A CN114048578 A CN 114048578A
- Authority
- CN
- China
- Prior art keywords
- network
- throughput
- model
- chain
- consensus
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000007726 management method Methods 0.000 claims abstract description 9
- 239000012634 fragment Substances 0.000 claims description 84
- 238000013467 fragmentation Methods 0.000 claims description 26
- 238000006062 fragmentation reaction Methods 0.000 claims description 26
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 9
- 230000007123 defense Effects 0.000 claims description 3
- 229920003087 methylethyl cellulose Polymers 0.000 claims description 3
- 239000002243 precursor Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 101100456536 Caenorhabditis elegans mec-2 gene Proteins 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer And Data Communications (AREA)
Abstract
本发明提供了一种面向6G网络的高吞吐量区块链系统。区块链用于实现去中心化网络设备安全接入认证和数据的安全共享管理；在边缘网络中融合数字孪生，对局部网络状况和移动基站信息进行分析、预测、决策和调度；通过联邦学习，实现大规模的网络基础设施的调度与可信共享。此外，本发明建立了面向6G网络的高吞吐量区块链系统吞吐量优化模型，推导了区块链网络在共识中进行计算和通信所花费的时间，分析了影响系统吞吐量的因素，并提出了吞吐量的优化方法。最后，本发明还建立了面向6G网络的高吞吐量区块链系统的安全性能分析模型，描述了面向6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，分析了系统受到恶意节点攻击时的安全性能。
Description
技术领域
本发明涉及一种面向6G网络的高吞吐量区块链和性能优化模型，可用于区块链技术领域。
背景技术
移动通信网络的发展越来越受业务应用需求驱动，随着高清视频、AR/VR等应用的兴起，视频流量占网络总流量的比例将超过80％。海量的用户需求为现有移动通信网络架构带来了巨大的挑战，需要网络具有高效、安全、可扩展的内容分发能力。5G网络实现了从面向通信到面向服务的转变，而6G将在5G基础上全面支持整个世界的数字化，并结合人工智能等技术的发展，实现智慧的泛在可取、全面赋能万事万物，推动社会走向虚拟与现实结合的“数字孪生”世界，实现“数字孪生，智慧泛在”的美好愿景。这些场景将需要安全内生、智慧内生、数字孪生等新的网络能力，这同时也对数据隐私提出了更高要求。
未来的6G网络需要与传统网络互连，其中大量的多元化的节点(如宏基站、小基站、终端等)具有差异化的通信特征、缓存能力、计算能力以及负载状况等，因此，需要协同不同的节点，实现分布式网络资源互补和按需组网，满足未来全息通信、智慧工业等复杂业务需求。但是，这些分布式网络资源可能属于不同的企业、运营商、个人或第三方等，因此需要一套新的信任和安全管理解决方案，保证资源安全可信共享和数据安全流通及隐私保护。
未来的6G时代，存在着全息通信、智慧工业等复杂应用场景，需要应对海量终端接入、巨量数据传输，以及超低时延、超高带宽、超高可靠等差异化业务需求，并将呈现出全频谱、全应用、全覆盖和强安全的特征。
发明内容
本发明的目的就是为了解决现有技术中存在的上述问题，提出一种面向6G网络的高吞吐量区块链和性能优化模型。
本发明的目的将通过以下技术方案得以实现：一种面向6G网络的高吞吐量区块链系统，该6G网络分为三层，包括核心云层、边缘云层和设备层，
所述核心云层主要由各运营商提供的云计算中心组成，负责系统的整体调度、管理和监督，并统领各分片链中作为主节点的MEC完成联邦学习，训练全局的网络设备调度模型，在网络中出现新节点时，对新节点进行身份认证和注册，将新节点根据注册信息分入各个分片；
所述边缘云层由高性能的移动边缘计算节点MEC和各类基站组成，MEC负责连接通信网络中的核心云层和设备层，主要任务是管理分片内部的分片链共识和中继联邦学习消息，还可以参与主链共识获取全局模型；
所述设备层由传感器、网关设备、智能终端、固定基站和移动基站组成，是网络中用于决策和聚合模型的数据的来源，负责收集数据，下达决策和形成本地模型，设备层中有若干个分片，每一个分片内有若干个簇，这些簇将分片内的所有设备全部覆盖，每一个簇都有一个网关或智能终端作为簇头，负责接收传感器发送的数据并向移动基站下达相应指令。
优选地，所述区块链网络采用分片区块链设计，包括一个主链和若干个分片链，
所述分片链由同一个分片的边缘云层中的移动边缘计算节点MEC与设备层中的网关和智能终端节点共同维护，存储的内容包括设备层中的各个分簇中维护的数字孪生模型以及由原始数据和对移动基站下达的指令组成的大量非结构化数据摘要；
所述主链由核心云层中的云计算中心和边缘云层中的MEC共同维护，负责管理区块链网络中的所有分片及节点和保存联邦学习的模型；
分片链结合数字孪生通过传感器发送给网关和智能终端的数据建立本地模型完成对网络基础设施调度，主链结合联邦学习，将各分片链中的本地模型聚合成全局模型，实现大规模网络基础设施的调度与可信共享。
优选地，所述网络基础设施调度包括如下步骤：
S1：当一个新的网络设备进入网络时，首先要向最近的云计算中心提出注册申请，完成注册后，将根据其配置信息决定该设备在网络中的任务和分片，该网络设备包括传感器，智能终端、网关设备和服务器；
S2：每个分簇的簇头不断地从分簇内的设备接收原始数据，当新的一轮工作周期开始，设备层的网关将在前一工作周期中收集到的物理空间的真实数据传送给数字孪生虚拟空间；
S3：虚拟空间根据收到的数据文件进行分析和预测，更新数字孪生状态；
S4：当网络中出现网络拥堵或者更高速率的网络服务请求的预兆，超出固定宏基站的服务能力时，根据更新后的模型向移动基站下达调度指令，为指定区域的用户提供临时的高速的网络服务，并更新数字孪生状态；
S5：若当前工作周期中需要对网络基础设施进行调度，则在调度完成后，设备层将数字孪生的状态更新和当前工作周期所使用的数据文件摘要上传至分片链，分片内部完成数据和模型的共识；
S6：在工作周期的开始，核心云中的云计算中心会完成工作周期负责人的选举，当前工作周期的负责人向网络中的各个分片分配联邦学习任务；
S7：各个分片根据分片链中共识的数字孪生状态更新完成本地模型的更新；
S8：选为负责人的云计算中心收集足够的本地模型；
S9：云计算中心将本地模型进行聚合，将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识。
优选地，负责接收传感器发送的数据包括业务类别和网络状况。
本发明还揭示了一种面向6G网络的高吞吐量区块链系统的性能优化模型，推导了区块链网络在共识中进行计算和通信所花费的时间，通过分析区块链网络共识时间和交易吞吐量来评估网络的工作效率，分析出影响系统吞吐量的主要因素为分片数量，并求解出了不同网络规模下的最佳分片数量和最佳系统吞吐量。
本发明还揭示了描述了面向6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，通过攻击模型和防御模型，分析了系统受到恶意节点攻击时的安全性能。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
(1)本系统中区块链用于实现去中心化网络设备安全接入认证和数据的安全共享管理，为敏感数据提供定制化的安全服务，并采用了分片区块链的设计，尽可能地提高系统的吞吐量；在边缘网络中融合数字孪生，实时连接数字空间和物理空间，对局部网络状况和移动基站信息进行分析、预测和决策，实现移动网络高效的智能调度自组织。
通过联邦学习，在保护个人数据隐私的同时建立网络智能调度整体模型，兼顾整体和局部的调度和优化，边缘的数字孪生和全局的联邦学习融合，实现大规模的网络基础设施的调度与可信共享。
(2)建立了面向6G网络的高吞吐量区块链系统吞吐量优化模型。推导了区块链网络在共识中进行计算和通信所花费的时间，通过分析区块链网络共识时间和交易吞吐量来评估网络的工作效率，分析了影响系统吞吐量的因素，并提出了吞吐量的优化方法。
(3)建立了面向6G网络的高吞吐量区块链系统的安全性能分析模型，描述了面向6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，通过攻击模型和防御模型，分析了系统受到恶意节点攻击时的安全性能。
附图说明
图1为本发明的提供的面向6G网络的高吞吐量区块链系统架构示意图。
图2是本发明提供的分片区块链结构示意图。
图3是本发明中分片区块链网络共识过程示意图。
图4是本发明中分析的PBFT算法共识过程。
具体实施方式
本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和解释。这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。
本发明揭示了一种面向6G网络的高吞吐量区块链和性能优化模型，本发明假设未来 6G网络需要对AI平台的原生支持和分布式部署，需要引入数字孪生技术生成6G网络的数字孪生网络实体，构建6G网络智能内生的数据底座，实现多种网络管理和应用的去中心化实时闭环控制，同时形成新的分布式智能范式，通过端-边-云协同获取全局最优模型，在实现内生的分布式智能的基础上，通过区块链保障网络设备的安全接入和隐私数据的安全存储。
本发明设计的面向6G网络的高吞吐量区块链系统如图1所示，该系统分为6G网络和区块链网络，6G网络从上至下主要分为三层：核心云层、边缘云层和设备层。核心云层主要由各运营商提供的云计算中心1组成，边缘云层由高性能的移动边缘计算节点MEC 2和各类基站3、4组成，设备层则包含了众多网关5和智能终端以及传感器。
区块链网络用来实现去中心网络的基础设施共享，由一个主链(main chain)和若干个分片链6(shard chain)构成，分片链负责存储基站空闲的资源信息，包括空闲的计算资源、存储资源和设备资源，以及网关和智能终端的接入信息，包括接入基站、业务类型和流量使用情况等，这些信息形成的数字孪生模型作为格式化数据直接存储于分片区块链上，而原始数据和对网络基础设施调度命令等非结构化数据则存储在本地，只将摘要上链；主链收集各分片的本地模型，整合成全局模型上链。
区块链网络由6G网络中的一些重要节点构成，其中核心云层中的云计算中心(核心云节点)与边缘云层的MEC节点共同维护主链，边缘云层的MEC又与设备层的网关和智能终端(设备层节点)根据设备信息和地理位置被分入不同的区块链分片，共同维护各自的分片链，值得注意的是MEC节点既是主链的副本节点9，又是分片链的主节点10。
其中6G网络如下：核心云层：核心云层主要由云计算中心组成，负责系统的整体调度、管理和监督，并统领各分片链中作为主节点的MEC完成联邦学习，训练全局的网络设备调度模型，可以由多个运营商各自提供云计算中心，实现跨网的网络设备智能调度与共享，节省成本，提高设备、资源的利用效率。
核心云层承担的功能主要包括：
(1)节点注册：当新的网络设备(包括智能终端、网关设备以及服务器)进入网络时，首先要向最近的云计算中心提出注册申请，云计算中心在评估设备安全性后，在主链中发布准入交易，准入交易中包含该设备的注册ID和配置信息，配置信息将用于决定该设备在网络中的任务和分片。当该准入交易在主链中完成共识并上链后，云计算中心向注册设备发送注册成功消息，包含设备的注册ID及分片情况。
(2)联邦学习任务分配：每一轮联邦学习开始，云计算中心将从设备层网关和智能终端节点中选择一个设备子集参加这一轮的训练，云计算中心向设备子集中的网关节点分配联邦学习任务，并发送详细的配置信息，例如数据结构、共享状态和模型参数，联邦学习的目的是收集各分片内本地的数字孪生模型用于训练全局的网络设备调度模型便于实现网络设备的跨分片调度，例如可以使用联邦学习获取各个分片的业务流量情况和资源使用情况，以更好地优化区块链分片的方式或者更好地预测未来的网络使用情况，以提前调度好网络设备，提高服务的响应速度。
设备层的网关节点和智能终端将根据接收到的配置信息及其数字孪生执行本地计算，并把模型更新送至云计算中心用于聚合。云计算中心收到足够更新模型后，将聚合结果和收集到的模型发布至主链保存。
边缘云层：边缘云层由高性能的移动边缘计算节点MEC和各种基站组成，MEC负责连接通信网络中的核心云层和设备层，主要任务是管理分片内部的分片链共识和中继联邦学习消息，还可以参与主链共识获取全局模型。
MEC可利用无线接入网络就近提供云端计算功能，而创造出一个具备高性能、低延迟与高带宽的服务环境，加速网络中各项内容、服务及应用的快速下载，让消费者享有不间断的高质量网络体验，是系统能够实现兼顾全局和局部完成网络设备智能调度的核心。
设备层：设备层由传感器、网关设备、智能终端、固定基站和移动基站组成，设备层是网络中用于决策和聚合模型的数据的来源，负责收集数据，下达决策和形成模型。
设备层中有若干个分片，每一个分片内有若干个簇7，这些簇将分片内的所有设备全部覆盖，每一个簇都有一个网关或智能终端作为簇头，负责接收传感器发送的数据(包括业务类别，网络状况等)并向移动基站下达相应指令，通常情况下分片中的所有设备会被一个固定宏基站的信号覆盖，但是分片区域内的某些位置可能出现时段性的移动通信网络使用高峰(如节日活动的举办现场，节假日期间的旅游景点)，宏基站不能很好地满足用户的网络需求，移动基站可以抵达现场提供优质的网络服务。
设备层融合了数字孪生，每一个簇头都管理着一份分簇内部的数字孪生，并根据用户终端提供的实时数据更新数字孪生状态，进行分析、预测、判断和决策，最后完成对移动基站的调度。数字孪生的状态更新和实时数据的摘要将会上传至分片链进行共识并上链保存。分片内的设备都有一个偏好列表，用来存储它偏好的簇头的身份，偏好由物理距离、误码率等决定。
为了提高区块链的可拓展性和交易吞吐量，使区块链在实现分布式数据一致存储、难以篡改、防止交易抵赖等功能的基础上，满足6G移动网络泛在接入和高速服务的需求，实现6G网络中设备的安全接入认证和设备调度数据的安全共享，本发明的区块链采用分片设计，其结构如图2所示，整个区块链系统由一个主链和若干个分片链组成。
区块链网络设计如下：
分片链：分片链由同一个分片的边缘云层中的移动边缘计算节点MEC与设备层中的簇头共同维护，主要存储的内容包括设备层中的各个分簇中维护的数字孪生模型以及由原始数据和对移动基站下达的指令组成的大量非结构化数据摘要。
数字孪生模型作为结构化数据，可以直接存入区块链数据库中，而对于大容量的非结构化数据，如果直接上链，一方面使通信压力倍增，降低了区块链网络工作的效率，另一方面没有必要将大量未处理的原始数据上链保存，所以仅将原始数据的哈希值和簇头的身份信息作为数据的摘要进行上链操作，而原始数据则保存在本地簇头中，如有需要可以根据簇头的身份信息查询到相应原始数据，通过比对数据文件哈希值与链上存储的哈希值是否一致可以判断出原始数据文件是否被改动，一定程度上提高了信息的写入速度和查询速度，并保证了数据的可获取性和可追溯性。
主链：主链由核心云层中的云计算中心和边缘云层中的MEC共同维护，负责管理区块链网络中的所有分片及节点，当有新的网络设备申请进入区块链网络时，由云计算中心验证其身份，新节点的注册信息将存入主链，由于边缘云的MEC同时参与主链与分片链的共识，所以整个系统中的所有拥有权限的节点都能获得新节点的注册信息。
除此以外，主链还负责保存联邦学习的模型，完成联邦学习模型的聚合后，云计算中心将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识，实现立足全局，兼顾整体与局部的智能调度。
本发明设计的面向6G网络的高吞吐量区块链中的分片链与主链同时工作，融合了数字孪生和联邦学习，实现了兼顾全局和局部的网络基础设施高效智能调度部署。
具体工作流程如下：
步骤S1：当一个新的网络设备(包括传感器，智能终端、网关设备和服务器等)进入网络时，首先要向最近的云计算中心提出注册申请，完成注册后，将根据其配置信息决定该设备在网络中的任务和分片；
步骤S2：每个分簇的簇头不断地从分簇内的设备接收原始数据，当新的一轮工作周期开始，设备层的网关将在前一工作周期中收集到的物理空间的真实数据传送给数字孪生虚拟空间；
步骤S3：虚拟空间根据收到的数据文件进行分析和预测，更新数字孪生状态；
步骤S4：当网络中出现网络拥堵或者更高速率的网络服务请求的预兆，超出固定宏基站的服务能力时，根据更新后的模型向移动基站下达调度指令，为指定区域的用户提供临时的高速的网络服务，并更新数字孪生状态；
步骤S5：若当前工作周期中需要对网络基础设施进行调度，则在调度完成后，设备层将数字孪生的状态更新和当前工作周期所使用的数据文件摘要上传至分片链，分片内部完成数据和模型的共识；
步骤S6：在工作周期的开始，核心云中的云计算中心会完成工作周期负责人的选举，当前工作周期的负责人向网络中的各个分片分配联邦学习任务；
步骤S7：各个分片根据分片链中共识的数字孪生状态更新完成本地模型的更新；
步骤S8：选为负责人的云计算中心收集足够的本地模型；
步骤S9：云计算中心将本地模型进行聚合，将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识。
下面提供一种面向6G网络的高吞吐量区块链系统性能的优化模型，在技术方案描述的面向6G网络的高吞吐量区块链中，区块链网络由一个主链和若干个分片链组成，由于主链中的节点是由各大运营商和其他网络服务提供商提供的云计算中心和MEC组成，所以本技术方案假设这些节点位置相对固定且采用有线传输，而分片链中的节点主要是网关设备和用户的移动终端，所以本技术方案假设这些节点采用无线传输，同一个分片区块链中的节点组成一个单跳网络。主链和所有分片链都独立地使用实用拜占庭容错共识算法(PBFT)进行共识。
共识过程如图3所示，在分片链分别完成共识后，再由主链完成全局的共识，完成一轮共识平均所需时间如式(1)所示。
其中，
是所有分片全部完成分片链共识的总平均共识时间，Tmain是完成分片链共识后，主链整合全局模型所消耗的平均共识时间。因为系统中的各个分片是同步开始分片链共识的，所以
可以表示为
其中，S是系统中分片链的数量，
是第i个分片完成分片链共识平均所需的时间。
影响区块链共识效率的因素有很多，在硬件条件不变的情况下，最主要的因素是共识算法的工作效率和区块链中的节点数量，本技术方暗杆采用的PBFT实用拜占庭容错共识算法在节点数量不太大时有着优秀的表现，所以如何分片使得分片链的总平均共识时间
和主链的平均共识时间Tmain之和达到最小成了提高本区块链共识效率的关键。
对第i个分片，完成共识平均所需时间
PBFT共识算法的共识过程和平均花费时间对应的公式如图4所示。其中Pre-prepare、Prepare、Commit是PBFT算法共识的三个阶段，每个阶段由计算和通信两部分组成。假设一个分片中有n个节点， n＝3f+1，f是可容忍的拜占庭节点数量。
Request：在共识阶段的一开始，副本节点i向主节点p发送Request消息，格式为
其中TXN表示节点i向主节点p提交的交易信息，i表示副本节点的ID，
表示由i的私钥进行的数字签名，
表示节点i和p能够验证的消息认证码MAC，由于其他的工作负载和排队规则不是本发明研究的重点，本技术方案假设排队时间可以忽略，所以主节点验证Request消息的平均计算时间为
其中，bi(t)指副本节点i向主节点p发送的交易的数量，α指生成或验证一个MAC的平均计算耗时，btot指一个区块中交易的数量，之所以和bi(t)不完全相同，是因为在验证MAC时会丢弃一部分不正常的交易，θ指验证一个数字签名的平均计算耗时。
在分片区块链中各节点通过无线网络传输数据，假设一条消息传输失败的概率为pe，则正确传输的概率为ps＝1-pe。
所以，副本节点到主节点的平均通信时间为
其中MR是Request消息的大小，Wi，p是副本节点和主节点之间的最大传输带宽，T0是两个节点建立连接的平均时间，Ti，p是因链路质量和节点之间的距离产生的平均延迟。
由公式(3)和(4)可得这个阶段的平均总耗时为
Pre-prepare：主节点p将所有正常的交易排序并生成一个未验证的区块，然后广播一个Pre-prepare消息
P是主节点的ID，
指p 生成的适合所有节点验证的MAC。所以主节点的平均计算时间为
其中δ是生成一个数字签名的平均计算耗时。副本节点在验证区块后，还需要验证区块中的每一条交易，所以副本节点验证Pre-prepare消息的平均计算时间为
因为是广播，所以一个副本节点收到主节点发送的消息消耗的平均时间可以表示为
其中MP-p是Pre-prepare消息的大小，Wp，r是主节点和副本节点之间的最大传输带宽，Tp，r是因链路质量和节点之间的距离产生的平均延迟。所以这个阶段的总平均耗时为：
Prepare：副本节点在验证完后，要向所有节点发送一个Prepare消息
各节点收到2f个消息后进入下一步，其中D(m)是区块的深度，s是目标节点ID，r是源副本节点的ID，所以一个节点生成prepare消息的平均计算时间为
而接受其他节点的Prepare消息后验证的平均计算时间为
一个节点在该阶段完成通信消耗的平均时间为
其中MP是Prepare消息的大小，Wr，s是源副本节点与目标节点之间的最大传输带宽， Tr，s是因链路质量和节点之间的距离产生的平均延迟。因为源副本节点要生成n-1个MACs，所以这个阶段总平均耗时为：
Commit：所有节点收到2f个Prepare消息后，广播一个Commit消息，收集到2f个Commit消息
(包括自己的)后，进入下一步。每个节点要生成n-1个MACs，并验证2f个MACs，所以，每个节点生成Commit消息的平均计算时间都是
而验证收到的Commit消息的平均计算时间是
一个节点在该阶段完成通信消耗的平均时间为
所以这个阶段的总平均耗时为
至此共识过程结束。所以，对第i个分片，完成共识所需平均时间为
所以在单个分片链中单位时间处理的交易交易数TPS可以表示为：
完成分片链共识后，各个分片的主节点将需要上传的信息作为交易打包发送给主链中的主节点，并作为主链的副本节点参与主链的共识。主链同样采用PBFT共识算法，生成和验证各阶段共识消息所需平均时间的计算方法与分片链中类似，值得注意的是主链节点采用光纤传输数据，只有数据包大小和传输带宽会影响平均通信时间，主链各阶段的平均共识时间可表示为：
其中，
是一个区块所有交易的数量，S是分片链的数量，Nmain是主链中的总节点数，Nmain＝S+M，M是主链中的核心云节点数，F是主链中可容忍的拜占庭节点的数量。所以主链共识的总平均耗时为：
根据式(1)，则本发明描述的面向6G网络的高吞吐量区块链完成一轮工作所要消耗的平均时间为：
而系统单位时间处理的交易交易数TPS可以表示为：
本技术方案的性能优化模型假设区域内的总节点数为N不变，以最大的TPS为目标。
为了达到最大TPS必须在提高每一个共识轮次处理的交易数量的同时最小化每个轮次的共识时间。在一轮分片链共识中，每个簇头向其主节点提交一份交易，所以i分片中的交易数量由i分片中簇头的数量决定，所有分片链交易数量的总和为
由系统中的分片数量S决定；在一轮主链共识中，各分片链的主节点向主链主节点提交一份交易，所以其总量
由系统中的分片数量S决定。分片数量S还决定了各个分片的平均大小，所以决定了一个轮次的共识时间。
综上所述，本系统单位时间处理的交易交易数TPS由分片数量S决定，所以该问题的数学描述为
s.t.1＜S＜(N-M)/4
Tmain＜τmax
S∈Z
M是主链中的核心云节点数，所以N-M是系统中由网关节点和智能终端节点组成的分片链节点的总数，为了保证PBFT共识算法的安全性，分片内的节点数不得小于4 个，所以分片数S小于(N-M)/4。同时，为了保证用户的用网体验，各个区块链(包括主链和分链)的共识时间均不可以超过τmax，τmax是可以容忍的最大共识时间，即正常通信或没有受到攻击的情况下共识时间以P的概率(比如P＝99.9％)不会超过τmax。
在节点均匀分布的情况下，在边长1千米的方形范围内随机撒点200个作为区块链网络中的边缘云层节点和设备层节点，具体职责在分片完成后另行分配，方形范围的中心放置了1个云计算中心作为核心云节点。通过数值分析可以发现当保证系统中节点数量不变时，TPS随系统中的分片数量变化而变化，当分片数量为16，即每个分片中的平均节点数为11.5个时，系统的TPS达到最大值，图中空心圈表示的是蒙特卡罗仿真得到的不同分片数量下系统的TPS平均值，当分片数小于16个时，系统的TPS随着分片数量的增大而迅速增大，之后则随着分片数量的增大平缓下降。
为了更好地分析网络规模对最佳分片以及区块链网络内节点职责的分工情况的影响，将不同网络规模下的最优TPS、最佳分片情况、节点最佳分工总结如表1。
表1不同网络规模下的参数
| 总节点数 | 100 | 200 | 300 | 400 | 500 | 600 | 700 |
| 最优TPS | 11470 | 12308 | 12689 | 12925 | 13088 | 13207 | 13298 |
| 最佳分片数 | 11 | 16 | 19 | 22 | 25 | 27 | 29 |
| 边缘云层节点数 | 11 | 16 | 19 | 22 | 25 | 27 | 29 |
| 设备层节点数 | 89 | 184 | 281 | 378 | 475 | 573 | 671 |
| 分片平均节点数 | 8.0909 | 11.5 | 14.789 | 17.181 | 19 | 21.222 | 23.137 |
| 总节点数 | 800 | 900 | 1000 | 2000 | 3000 | 4000 | 5000 |
| 最优TPS | 13374 | 13438 | 13493 | 13780 | 13910 | 14041 | 14110 |
| 最佳分片数 | 31 | 33 | 35 | 49 | 61 | 70 | 78 |
| 边缘云层节点数 | 31 | 33 | 35 | 49 | 61 | 70 | 78 |
| 设备层节点数 | 769 | 867 | 965 | 1951 | 2939 | 3930 | 4922 |
| 分片平均节点数 | 24.806 | 26.272 | 27.571 | 39.816 | 48.180 | 56.142 | 63.102 |
可以看到最优的TPS会随着网络规模的增大而逐渐增大，这是由于本技术方案设计的面向6G的高吞吐量区块链采用了分片区块链的设计，随着网络规模的增加，最佳分片数也增加，系统并行处理的交易数也随之增加，所以，即便由于网络规模的增大，分片链与主链的规模和单个工作周期都相应增大，但是系统整体的TPS仍然在逐渐增大，总节点数为1000时，系统吞吐量的峰值比节点数为100时增加了17.6％。但是，上升的趋势逐渐减小，这是因为PBFT共识算法的通信复杂度是O(n2)，在通信上消耗的时间随着节点数量的增加急剧增加，当系统中的节点数量达到一定规模后，PBFT共识算法中的通信任务大大加重，通信所消耗的时间限制了TPS进一步增长。
此外，为了体现本技术方案提出的面向6G的高吞吐量区块链和吞吐量性能优化模型的优越性，将采取最佳分片、固定分片和传统不分片的区块链进行吞吐量性能的比较。当节点数量较大时传统不分片的吞吐量性能非常糟糕，并且随着节点数量继续增大，性能还在继续降低；相比之下，采用分片设计的区块链在吞吐量性能上有着很大的提升。
当节点数为100时，采用固定的20个分片的系统吞吐量达到了传统不分片的33倍，而如果采用本发明的最佳分片设计，系统吞吐量还能比采用固定分片提高53.1％，即达到不分片的50倍。采用固定分片的区块链在网络规模达到某个值时能够与最佳分片持平，但是在其他网络规模下，吞吐量性能快速下降。所以，当采用分片设计并设置合适的分片数量时，可以有效提高区块链的吞吐量性能。
下面提供一种面向6G网络的高吞吐量区块链系统安全性能的分析模型。
假设共有N个区块链节点，攻击者同时攻击a个节点。攻击速度为ta，即攻击者突破节点本身防火墙然后篡改节点信息的时间。验证是在交易请求处理的过程中发起的，如果在攻击者发动攻击到篡改成功这段时间内有一个新的验证被发起，则节点的异常行为会被系统发现，攻击失败，假设请求的发起时间间隔和验证的发起的时间间隔都是td服从参数为λ的指数分布。
接下来的攻击时间ta内，至少会有一次请求的概率为
在任意一个攻击时间ta内，攻击者攻击区块链节点成功的概率为
那么在这段时间，有X×r个区块链节点被侵入。假设每个攻击周期恢复的节点数为 Y。当被攻击成功的节点总数不超过1/3时，系统正常运行。因此，在攻击周期i，有M(i)个节点被入侵
攻击者攻击节点成功的概率为
对于攻击者来说，其代价为入侵节点的成本Ca1以及对攻击被检测到的惩罚Ca2；收益为侵入节点攻击成功Ba；
对于防御者来说，其代价为攻击者攻击节点成功产生的代价Cd；收益为节点正常运行Bd1以及由主节点主导找出问题节点的收益Bd2。
因此可以得到攻击者的效用函数为
ua＝Ba×PT-Ca1-Ca2×(1-PT) #(29)
防御者的效用函数为
在区块链中，拜占庭将军(Byzantine Generals，BG)问题就是如何在不可信的节点之间达成共识的问题。在BG问题中，拜占庭部分地区的一组将军军队包围了这座城市。有些将军喜欢攻击，而其他将军更喜欢撤退。然而，如果只有一部分将军攻击这座城市，那就会攻击失败。因此，它们必须达成进攻或撤退的一致性协议。但是军队中很可能存在敌军的叛徒和间谍，这些人会左右将军决定或者传递消息时篡改信息，而拜占庭问题，就在于在已知有成员谋反的情况下，其余忠诚的将军如何在分布式环境中不受叛徒的影响达成一致的协议。
区块链作为区块链网络也是分布式的，也面临着类似的问题，在区块链中，没有一个中心节点确保分布式节点上的账本是相同的，因此需要协议来确保不同节点中的账本一致的。同时分布式网络还可能面临黑客攻击，试图篡改交易信息和阻止交易共识。所以本技术方案的区块链网络采用实用拜占庭容错(PBFT)共识算法，这是一种基于消息传递的一致性算法，算法需经过五个阶段达成一致性，这些阶段可能因为失败而重复进行。
假设节点总数为3f+1，f为可以容忍的故障或拜占庭错误节点个数，可以看出在PBFT 算法中节点数目越多安全性越强。在本技术方案设计的区块链网络中，为了提高系统的吞吐量采用了分片的设计，而分片链中节点数量过少可能会导致在出现故障或拜占庭错误节点时，该分片内的共识失败，所以本发明限制了分片中的最小节点数量，使分片中即使出现故障或拜占庭错误节点也能正常完成共识。
本技术方案中的区块链节点的工作在功能上分为两个阶段，一是正常工作，对系统中的实体进行验证，即预防阶段；二是在检测到攻击时对问题进行处理的阶段。在预防阶段，区块链网络的安全机制主要包括两个方面：防止非法节点接入、防止攻击者篡改共享数据库信息。主要途径是通过区块链节点之间相互交换信息数据进行身份认证，各节点拥有自己的验证信息，并存储其他节点的验证信息，通过加密的数据传输和信息验证来获取共识，达到防篡改防伪造的效果，同时区块链网络中的一致性数据分布式存储使得单一节点的信息难以篡改。
在处理阶段，节点检测到异常流量，判断是否存在攻击行为，通过智能合约缓解，实现自动化应对攻击。智能合约会定期检查节点状态，逐条遍历每个合约内包含的状态机、事务以及触发条件；将条件满足的事务推送到待验证的队列中，等待共识；未满足触发条件的事务将继续存放在交易池。
本技术方案还通过限定共识时间和添加恢复机制来增强系统安全性。限定共识时间是指为了保证共识过程的安全性和防篡改，需要保证每个区块的共识时间在一定的范围内。
本技术方案设定了一个最大时延τmax。如果共识时间小于τmax，则认为该区块是有效的。如果共识时间大于τmax，则该区块共识过程中的消息可能被拦截和篡改或是通信故障，认为共识失败，无视该区块，跳过本轮次的共识。
恢复机制主要是发生在一些节点被正常节点发现出问题后采取的措施。在每个轮次的共识后，如果主节点收到超过1/3的副本节点汇报某一节点超出响应时间，则主节点广播消息给其他副本节点要求与该节点进行联系，若节点正常工作收到消息，则回复简短的<(OK，v，n)加密>用以确认该节点的身份；若未联系上，则回复节点故障消息给主节点，怀疑该节点是故障或拜占庭错误节点。
如果主节点收到超过1/3的副本节点发送的点故障消息，则为了避免更大的危害，主节点向其他节点发送隔离命令，要求将该节点底下的设备分配给其他节点，并拒绝该节点发起的交易。如果认为该节点正常，主节点广播确认消息，确认消息中包含了发送了节点故障消息的副本节点的身份认证信息，若一个副本节点向主节点发送了节点故障消息却没有收到对故障节点的隔离命令或包含本节点身份认证信息的确认消息，则在等待一段时间后再次发送节点故障消息。当各节点中有f+1个节点同意此请求，则使用身份证明通知节点执行指令，使问题节点被有效隔离，成为光杆司令，之后由维护人员对问题节点进行后续的检查与修复。
在抗毁性方面本系统在受到攻击时可以快速响应及时止损，对于每一个分片来说只要坏节点不超过三分之一就能正常工作，即使坏节点超过了分片中节点数的三分之一，也只有该分片会停止工作，将风险和损失限定在了较小的范围内。各分片记录了系统的各项活动，并记录时间戳，在发生攻击行为时，实现自查自验自恢复；在缓解攻击后，对产生攻击活动的节点进行活动分析、追根溯源。
在信息保密性及完整性方面，本系统使用区块链技术，每个节点管理自己的私钥并分发公钥。每个区块存储着节点信息的加密片段，不需要任何第三方访问和控制数据，就可以实现隐私保护。区块链由多个可读取、可添加、不可删除的分布式数据库以链式结构串联组成，维护区块的记录列表。每个区块都包含时间戳和到上一个块的链接，因此区块链提供了一种安全保证，即一旦有记录，数据就不能被修改。
在未来的6G时代，存在着全息通信、智慧工业等复杂应用场景，需要应对海量终端接入、巨量数据传输，以及超低时延、超高带宽、超高可靠等差异化业务需求，并将呈现出全频谱、全应用、全覆盖和强安全的特征。针对以上需求，本技术方案设计了一种面向6G网络的高吞吐量区块链系统，将区块链内生地融入6G的基础架构，结合了数字孪生和联邦学习，在保障数据隐私安全可信的基础上实现网络基础设施的安全共享和智能调度，实现区块链与无线通信深度融合，打破“人-机-物-网”之间的信任壁垒，提升无线网络的效率与安全性，并建立了更全面的系统性能优化模型来评价和优化系统性能。
区块链用于实现去中心化网络设备安全接入认证和数据的安全共享管理；在边缘网络中融合数字孪生，对局部网络状况和移动基站信息进行分析、预测、决策和调度；通过联邦学习，实现大规模的网络基础设施的调度与可信共享。此外，本技术方案建立了面向6G网络的高吞吐量区块链系统吞吐量优化模型，推导了区块链网络在共识中进行计算和通信所花费的时间，分析了影响系统吞吐量的因素，并提出了吞吐量的优化方法。最后，本技术方案还建立了面向6G网络的高吞吐量区块链系统的安全性能分析模型，描述了面向6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，分析了系统受到恶意节点攻击时的安全性能。
区块链用于实现去中心化网络设备安全接入认证和数据的安全共享管理；在边缘网络中融合数字孪生，对局部网络状况和移动基站信息进行分析、预测、决策和调度；通过联邦学习，实现大规模的网络基础设施的调度与可信共享。此外，本发明建立了面向 6G网络的高吞吐量区块链系统吞吐量优化模型，推导了区块链网络在共识中进行计算和通信所花费的时间，分析了影响系统吞吐量的因素，并提出了吞吐量的优化方法。最后，本发明还建立了面向6G网络的高吞吐量区块链系统的安全性能分析模型，描述了面向 6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，分析了系统受到恶意节点攻击时的安全性能。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而目在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本发明尚有多种实施方式，凡采用等同变换或者等效变换而形成的所有技术方案，均落在本发明的保护范围之内。
Claims (6)
1.一种面向6G网络的高吞吐量区块链系统，其特征在于：该6G网络分为三层，包括核心云层、边缘云层和设备层，
所述核心云层主要由各运营商提供的云计算中心组成，负责系统的整体调度、管理和监督，并统领各分片链中作为主节点的MEC完成联邦学习，训练全局的网络设备调度模型，在网络中出现新节点时，对新节点进行身份认证和注册，将新节点根据注册信息分入各个分片；
所述边缘云层由高性能的移动边缘计算节点MEC和各类基站组成，MEC负责连接通信网络中的核心云层和设备层，主要任务是管理分片内部的分片链共识和中继联邦学习消息，还可以参与主链共识获取全局模型；
所述设备层由传感器、网关设备、智能终端、固定基站和移动基站组成，是网络中用于决策和聚合模型的数据的来源，负责收集数据，下达决策和形成本地模型，设备层中有若干个分片，每一个分片内有若干个簇，这些簇将分片内的所有设备全部覆盖，每一个簇都有一个网关或智能终端作为簇头，负责接收传感器发送的数据并向移动基站下达相应指令。
2.根据权利要求1所述的一种面向6G网络的高吞吐量区块链系统，其特征在于：所述区块链网络采用分片区块链设计，包括一个主链和若干个分片链，
所述分片链由同一个分片的边缘云层中的移动边缘计算节点MEC与设备层中的网关和智能终端节点共同维护，存储的内容包括设备层中的各个分簇中维护的数字孪生模型以及由原始数据和对移动基站下达的指令组成的大量非结构化数据摘要；
所述主链由核心云层中的云计算中心和边缘云层中的MEC共同维护，负责管理区块链网络中的所有分片及节点和保存联邦学习的模型；
分片链结合数字孪生通过传感器发送给网关和智能终端的数据建立本地模型完成对网络基础设施调度，主链结合联邦学习，将各分片链中的本地模型聚合成全局模型，实现大规模网络基础设施的调度与可信共享。
3.根据权利要求2所述的一种面向6G网络的高吞吐量区块链系统，其特征在于：所述网络基础设施调度包括如下步骤：
S1：当一个新的网络设备进入网络时，首先要向最近的云计算中心提出注册申请，完成注册后，将根据其配置信息决定该设备在网络中的任务和分片，该网络设备包括传感器，智能终端、网关设备和服务器；
S2：每个分簇的簇头不断地从分簇内的设备接收原始数据，当新的一轮工作周期开始，设备层的网关将在前一工作周期中收集到的物理空间的真实数据传送给数字孪生虚拟空间；
S3：虚拟空间根据收到的数据文件进行分析和预测，更新数字孪生状态；
S4：当网络中出现网络拥堵或者更高速率的网络服务请求的预兆，超出固定宏基站的服务能力时，根据更新后的模型向移动基站下达调度指令，为指定区域的用户提供临时的高速的网络服务，并更新数字孪生状态；
S5：若当前工作周期中需要对网络基础设施进行调度，则在调度完成后，设备层将数字孪生的状态更新和当前工作周期所使用的数据文件摘要上传至分片链，分片内部完成数据和模型的共识；
S6：在工作周期的开始，核心云中的云计算中心会完成工作周期负责人的选举，当前工作周期的负责人向网络中的各个分片分配联邦学习任务；
S7：各个分片根据分片链中共识的数字孪生状态更新完成本地模型的更新；
S8：选为负责人的云计算中心收集足够的本地模型；
S9：云计算中心将本地模型进行聚合，将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识。
4.根据权利要求1所述的一种面向6G网络的高吞吐量区块链系统，其特征在于：负责接收传感器发送的数据包括业务类别和网络状况。
5.一种面向6G网络的高吞吐量区块链系统的性能优化模型，其特征在于：推导了区块链网络在共识中进行计算和通信所花费的时间，通过分析区块链网络共识时间和交易吞吐量来评估网络的工作效率，分析出影响系统吞吐量的主要因素为分片数量，并求解出了不同网络规模下的最佳分片数量和最佳系统吞吐量。
6.一种面向6G网络的高吞吐量区块链系统的安全性能分析模型，其特征在于：描述了面向6G网络的高吞吐量区块链系统针对拜占庭攻击采取的措施，通过攻击模型和防御模型，分析了系统受到恶意节点攻击时的安全性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111035632.8A CN114048578A (zh) | 2021-09-03 | 2021-09-03 | 一种面向6g网络的高吞吐量区块链系统和性能优化模型 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111035632.8A CN114048578A (zh) | 2021-09-03 | 2021-09-03 | 一种面向6g网络的高吞吐量区块链系统和性能优化模型 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114048578A true CN114048578A (zh) | 2022-02-15 |
Family
ID=80204308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111035632.8A Pending CN114048578A (zh) | 2021-09-03 | 2021-09-03 | 一种面向6g网络的高吞吐量区块链系统和性能优化模型 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114048578A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114710486A (zh) * | 2022-03-09 | 2022-07-05 | 合肥工业大学 | 区块链系统中分片单点过热的监控方法及系统 |
| CN115412289A (zh) * | 2022-07-19 | 2022-11-29 | 中国人民解放军军事科学院系统工程研究院 | 基于边缘云智能孪生体的网络隔离安全系统、方法及介质 |
| CN115460280A (zh) * | 2022-08-31 | 2022-12-09 | 云南电网有限责任公司信息中心 | 基于云边协同的主侧链数据交互系统、方法、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101488975A (zh) * | 2009-01-13 | 2009-07-22 | 王晓喃 | 实现无线传感器网络与IPv6网络全IP通信的系统 |
| WO2020113545A1 (zh) * | 2018-12-07 | 2020-06-11 | 北京大学深圳研究生院 | 基于联盟链投票共识算法产生及管理多模标识网络的方法 |
| CN112783662A (zh) * | 2021-02-18 | 2021-05-11 | 绍兴文理学院 | 集成区块链的传感边缘云任务卸载中cpu资源可信共享系统 |
-
2021
- 2021-09-03 CN CN202111035632.8A patent/CN114048578A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101488975A (zh) * | 2009-01-13 | 2009-07-22 | 王晓喃 | 实现无线传感器网络与IPv6网络全IP通信的系统 |
| WO2020113545A1 (zh) * | 2018-12-07 | 2020-06-11 | 北京大学深圳研究生院 | 基于联盟链投票共识算法产生及管理多模标识网络的方法 |
| CN112783662A (zh) * | 2021-02-18 | 2021-05-11 | 绍兴文理学院 | 集成区块链的传感边缘云任务卸载中cpu资源可信共享系统 |
Non-Patent Citations (2)
| Title |
|---|
| HONG-NING DAI等: "Blockchain for Internet of Things: A Survey", 《IEEE INTERNET OF THINGS JOURNAL》, vol. 6, no. 5, 8 October 2019 (2019-10-08), pages 8084, XP011749784, DOI: 10.1109/JIOT.2019.2920987 * |
| QINYIN NI等: "A Novel Design Method of High ThroughputBlockchain for 6G Networks: PerformanceAnalysis and Optimization Model", 《IEEE INTERNET OF THINGS JOURNAL》, vol. 9, no. 24, 15 November 2022 (2022-11-15) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114710486A (zh) * | 2022-03-09 | 2022-07-05 | 合肥工业大学 | 区块链系统中分片单点过热的监控方法及系统 |
| CN114710486B (zh) * | 2022-03-09 | 2023-09-08 | 合肥工业大学 | 区块链系统中分片单点过热的监控方法及系统 |
| CN115412289A (zh) * | 2022-07-19 | 2022-11-29 | 中国人民解放军军事科学院系统工程研究院 | 基于边缘云智能孪生体的网络隔离安全系统、方法及介质 |
| CN115412289B (zh) * | 2022-07-19 | 2023-04-07 | 中国人民解放军军事科学院系统工程研究院 | 基于边缘云智能孪生体的网络隔离安全系统、方法及介质 |
| CN115460280A (zh) * | 2022-08-31 | 2022-12-09 | 云南电网有限责任公司信息中心 | 基于云边协同的主侧链数据交互系统、方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xie et al. | Blockchain-based secure and trustworthy Internet of Things in SDN-enabled 5G-VANETs | |
| Ning et al. | Blockchain-enabled intelligent transportation systems: a distributed crowdsensing framework | |
| Zhang et al. | Edge intelligence and blockchain empowered 5G beyond for the industrial Internet of Things | |
| Kang et al. | Privacy-preserved pseudonym scheme for fog computing supported internet of vehicles | |
| CN111601258B (zh) | 一种基于区块链的车联网节点数据安全通信方法 | |
| Wang et al. | Blockchain-enabled wireless communications: a new paradigm towards 6G | |
| CN109922162B (zh) | 一种基于区块链的扁平化建筑设备物联网监控系统及方法 | |
| CN114048578A (zh) | 一种面向6g网络的高吞吐量区块链系统和性能优化模型 | |
| CN112532676B (zh) | 一种基于区块链数据共享的车辆计算任务卸载方法 | |
| Wang et al. | Lifesaving with RescueChain: Energy-efficient and partition-tolerant blockchain based secure information sharing for UAV-aided disaster rescue | |
| CN112752236B (zh) | 一种基于区块链的网联汽车认证方法、设备及储存介质 | |
| CN110377002A (zh) | 一种自适应的车内can总线安全控制方法及系统 | |
| CN110113148B (zh) | 一种基于区块链的软件定义机会网络节点身份验证方法 | |
| CN111967051A (zh) | 一种基于区块链的车辆间数据安全共享方法以及系统 | |
| Nguyen et al. | Trusted wireless monitoring based on distributed ledgers over NB-IoT connectivity | |
| CN105611600B (zh) | 一种面向QoE需求的物联网安全路由方法 | |
| Dong et al. | A blockchain-based hierarchical reputation management scheme in vehicular network | |
| CN114139203A (zh) | 基于区块链的异构身份联盟风险评估系统、方法及终端 | |
| Al-Mehdhara et al. | MSOM: efficient mechanism for defense against DDoS attacks in VANET | |
| Ni et al. | A novel design method of high throughput blockchain for 6G networks: performance analysis and optimization model | |
| Chen et al. | A Summary of Security Techniques‐Based Blockchain in IoV | |
| CN117220873A (zh) | 一种基于区块链的安全量子通信方法 | |
| Yang et al. | An overview of sybil attack detection mechanisms in vfc | |
| Liu et al. | Securing connected vehicle applications with an efficient dual cyber-physical blockchain framework | |
| Heo et al. | Hierarchical blockchain-based group and group key management scheme exploiting unmanned aerial vehicles for urban computing |
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 |