CN114173301B - 一种基于dag区块链的车联网安全、高效数据共享方法 - Google Patents
一种基于dag区块链的车联网安全、高效数据共享方法 Download PDFInfo
- Publication number
- CN114173301B CN114173301B CN202111461751.XA CN202111461751A CN114173301B CN 114173301 B CN114173301 B CN 114173301B CN 202111461751 A CN202111461751 A CN 202111461751A CN 114173301 B CN114173301 B CN 114173301B
- Authority
- CN
- China
- Prior art keywords
- transaction
- vehicle
- block chain
- dag
- unloading
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 230000006855 networking Effects 0.000 claims abstract description 12
- 238000005295 random walk Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 11
- 230000000977 initiatory effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000007246 mechanism Effects 0.000 abstract description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006978 adaptation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
-
- 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
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/104—Peer-to-peer [P2P] 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于DAG区块链的车联网安全、高效数据共享方法,应用于车联网安全和区块链技术领域,针对车联网数据共享的安全性和时效性等问题,首先,提出了一种基于DAG区块链的车辆信誉管理机制,通过车辆历史交易有效地判断车辆发布消息的可靠度,实时地为DAG区块链提供可信的车辆信誉值;其次,提出了一种基于优先级和可靠性的有偏随机游走共识机制对卸载任务的交易进行共识,保证任务在不同紧急程度下的延迟时间需求,并防止车联网中恶意攻击对数据共享造成破坏;最后,提出了一种基于粒子群优化的延迟最优协同卸载方案,根据卸载任务、车辆及区块链参数求解最优数据共享方案,实现车联网安全、高效的数据共享。
Description
技术领域
本发明属于车联网安全和区块链技术领域,特别涉及一种车联网数据共享技术。
背景技术
车联网通过无线通信技术和传感技术实现车辆、基础设施、行人以及服务器之间的实时信息交互,提高交通系统的效率和安全性。伴随智能交通系统的日趋成熟,大量的计算密集型和延迟敏感型车载应用涌现,使得计算和存储资源有限的车辆难以满足这些任务的计算需求。任务卸载被认为是提高任务计算效率的有效途径,车辆利用邻居车辆的空闲资源进行协同任务卸载,保证不同类型的应用在容许延迟时间内完成计算。但是,协同卸载过程中车辆节点之间相互不信任,无法保证任务卸载的安全。区块链技术具有分布性、不变性和不可逆性的优点,广泛应用于物联网系统中的安全认证,为车联网数据共享提供一个安全、可信、高效的分布式解决方案。
区块链需要维护车联网环境中的车辆信誉值,以便区块链可以在车辆交易的共识阶段阻止恶意车辆交易的破坏行为,保证数据共享安全。由于车辆的移动行驶和发送信息的不准确,车辆之间缺乏有效的信息可信度验证机制。
车联网中卸载任务的业务类型对时延有不同的要求,区块链共识所花费的时间影响着任务卸载的效率。IOTA基金会提出的基于DAG的区块链技术Tangle相比于传统的单链结构区块链具有支持频繁微交易、更轻量级等先进特性,已经在众多物联网场景中得到应用。
现有的方法大多没有考虑到车辆移动行驶所造成的车辆之间共享信息不准确,缺乏对车辆发布信息可信度的可靠判断;或者忽视了DAG区块链确认时间对不同类型业务安全协作卸载延迟的影响,无法保证数据共享的效率。
发明内容
针对当前车联网中的数据共享的问题,本发明提供了一种基于DAG区块链的车联网安全、高效数据共享方法,包括一种车辆信誉度管理机制和一种车辆交易共识机制,车辆信誉度管理机制可以提供可信的车辆信誉值,车辆交易共识机制可以保障不同类型业务的时效性,实现车联网安全、高效的数据共享,具有重要意义。
本发明采用的技术方案为:一种基于DAG区块链的车联网安全、高效数据共享方法,包括:
S1、将卸载任务描述为交易,将交易加入DAG区块链;
S2、当交易被DAG区块链确认后,待卸载任务的车辆通过V2V通信将任务卸载到附近的服务车辆执行;
S3、服务车辆接收到卸载任务后,检查数据共享事件的合法性并协同完成计算,然后将计算结果返回DAG区块链。
步骤S1具体包括以下分步骤:
S11、在DAG内部随机生成数个随机游走粒子,落在DAG区块链的交易上;
S12、粒子根据卸载车辆信誉值和任务优先级计算从当前交易向每一个后继交易游走的概率;
S13、粒子按照概率向后继交易随机游走;
S14、判断当前交易是否是Tip,如果是则进行S15,如果不是则执行S12,Tip用于定义区块链中新到达的未经确认的交易;
S15、判断是否已有两个粒子到达Tip,如果是则进行S16,如果不是则等待;
S16、分别计算两个Tip的数据可靠度ak;这里的两个Tip是粒子随机游走过程中最先到达的两个未经确认的交易;
S17、将当前交易加入到DAG区块链中,创建两条边指向验证的这两个Tip,边权赋值为ak,设置交易的自身权重为1。
步骤S12所述的概率计算式为:
其中,α、β、γ为非负优化参数,Cy为发起交易y的车辆的信誉值,Cz为发起交易z的车辆的信誉值,Δwxy表示交易x和交易y的累计权值变化,Δwxz表示交易x和交易z的累计权值变化,py表示交易y的优先级,pz表示交易y的优先级,sxy为发起交易x的车辆与发起交易y的车辆的行驶数据相似度,sxz为发起交易x和发起交易z的车辆的行驶数据相似度,z代表区块链中所有验证当前粒子所在交易节点的后继交易节点的集合。
车辆信誉值由车辆在单位时间内所发布交易的大小和平均数据可靠度确定,计算式为:
任务优先级的计算式为:
其中,D是车辆共享数据的业务大小,S是单位时间内车辆业务的发布顺序,ΔT是安全业务的最大响应时延,C是车辆的信誉值。
步骤S2所述任务卸载具体卸载策略的计算过程为:
A1、将总体卸载延迟作为最重要的关键服务质量,建立优化模型;所述优化模型包括目标函数与约束条件;
A2、根据约束条件随机生成粒子的初始位置和速度,粒子不断迭代,通过优化目标函数计算适应度并更新参数,直到计算出最优卸载方案,确定数据段分配策略D={d1,d2,...,dn}、任务卸载策略αn、共识策略M={m1,...,mn};其中,αn为卸载决策,αn∈{0,1},Ti,n为数据段dn卸载到卸载到服务车辆n的卸载延迟,mn为DAG区块链中数据段dn的确认阈值。
步骤A1所述的优化模型表达式为:
其中,Ti表示总体卸载延迟。
所述总卸载延迟为在DAG区块链的确认延时、卸载传输延时和数据计算延时之和。
本发明的有益效果:本发明一种基于DAG区块链的车联网安全、高效数据共享方法。本发明提出了一种车辆信誉管理机制,可以实时地为区块链提供可信的车辆信誉值,自适应地调整交易的共识机会,有助于阻止恶意车辆的破坏行为。通过本发明提出的一种基于优先级和可靠性的有偏随机游走(PR-BRW)共识机制,以保证任务在不同紧急程度下的延迟需求。本发明考虑了区块链共识过程延时对数据共享的影响,提出一种基于粒子群优化的延迟最优协同卸载(PDCO)方案,通过联合优化卸载决策、数据段大小和DAG确认阈值,构建协同任务卸载问题,使总体卸载延迟最小化,实现了最优安全协同卸载方案的求解。
附图说明
图1是基于DAG区块链的安全协作任务卸载架构示意图;
图2是DAG区块链示意图;
图3是DAG区块链交易生命周期图;
图4是PR-BRW算法流程图。
具体实施方式
为便于本领域技术人员理解本发明的技术内容,下面结合附图对本发明内容进一步阐释。
本发明提供了一种基于DAG区块链的车联网安全、高效数据共享方法。本发明通过一种车辆信誉管理机制为区块链共识提供了可靠的车辆信誉值,防止车联网中的恶意攻击对任务卸载造成破坏。同时,本发明通过一种基于优先级和可靠性的有偏随机游走(PR-BRW)共识机制,根据卸载任务的优先级调整区块链共识速度,保障不同类型业务对卸载任务的延迟时间要求。本发明提出了一种基于粒子群优化的延迟最优协同卸载(PDCO)方案,可以根据卸载任务、车辆及区块链参数求解最优数据共享方案,从而实现车联网安全、高效的数据共享。以下结合附图和具体实施对本发明技术方案进行具体的说明。
1、搭建由RSU与车辆共同维护的基于DAG区块链的安全协作任务卸载架构,通过车辆信誉管理机制实时计算DAG区块链中车辆的信誉值。
车联网中的数据共享缺乏安全性和可靠性,通过区块链安全认证对车辆交互信息进行验证,以解决车辆之间不信任的问题。在本发明中提出了一个基于DAG区块链的安全协作任务卸载架构,如图1所示整个地理区域被划分为多个子区域,在每一个子区域的覆盖范围内车辆和RSU可以直接通信,RSU可以跨越不同的子区域进行通信,基于DAG的区块链被部署为每个子区域的DAG分账,以记录车辆的数据共享事件。在每一个子区域中,车辆作为DAG区块链中的普通节点,负责发布和验证交易。
本发明提出了一种车辆信誉度管理机制,为车辆发布信息的可信度判断提供了有效的依据。在传统的DAG区块链中,连接交易的边只表明交易验证关系,边的权值无意义,本发明为边权增加信息量数据可靠度ak,数据可靠度是后继交易选择验证前继交易时对前继交易中数据可靠度评估的结果,如图2所示。一个交易可能被多个交易验证,因此交易的平均数据可靠度由其与后继交易的边权求均值得到。车辆信誉值C由车辆在单位时间内所发布交易的大小和平均数据可靠度确定:
步骤1中实现了对车辆信誉值实时、可信的计算机制。
2、由发起车辆确定任务卸载方案,计算当前卸载任务的优先级,根据当前卸载任务、子区域中的车辆以及DAG区块链分账的参数,通过一种基于粒子群优化的延迟最优协同卸载(PDCO)方案确定数据共享方案,得到数据分配策略、任务卸载策略和共识策略。
车联网场景中具有不同种类的业务,对任务卸载的执行时间有着不同的要求,紧急的车辆业务具有严格的时间要求,需要尽快完成任务卸载,因此在DAG区块链共识阶段,需要提高紧急业务的交易被验证的速度。使用优先级p衡量车辆发布业务的紧急程度:
其中,D是车辆共享数据的业务大小,S是单位时间内车辆业务的发布顺序,ΔT是安全业务的最大响应时延,C是车辆的信誉值。
优先级与车辆业务发布顺序反相关,可以避免较早发布的低优先级业务被遗忘,更好的保证系统的公平性。
卸载任务数据可以被划分成相互依赖的数据段D={d1,d2,...,dn}分别卸载到不同的车辆上执行。考虑总体任务延时最小化,通过一种基于粒子群优化的延迟最优协同卸载(PDCO)方案对数据共享方案进行求解,由卸载车辆对数据进行划分,确定数据段dn卸载的服务车辆n。
3、为了保证车联网数据共享的安全性,车辆运行一种基于优先级和可靠性的有偏随机游走算法(PR-BRW),验证DAG区块链中的两个Tip,将卸载事件描述作为新的交易加入到DAG区块链,等待DAG区块链确认本次交易。
根据Tangle的白皮书,发布新交易的共识过程分为三个阶段:1)揭示阶段,2)直接适应阶段,3)间接适应阶段,如附图4所示。在[0,h]揭示阶段车辆节点为了发布当前交易需要执行一些验证和轻量级的PoW计算。在直接适应阶段,当前交易附加到DAG区块链成为新的Tip,Tip可以被[h,2h]时间段内到达的新交易直接验证;在间接适应阶段,当前交易不再是Tip,只能被[2h,+oo]时间段内新到达的交易间接验证。
车辆节点在发布新的交易时,需要运行Tip选择算法(Tip selection algorithm,TSA)选择两个旧交易进行验证。首先由DAG区块链内部生成数个随机游走粒子,粒子按照PR-BRW算法给出的概率沿着DAG的边向后继交易的方向随机游走,直到游走到Tip时结束游走,粒子最先结束游走所抵达的两个交易作为选中的Tip。
本发明提出了一种基于优先级和可靠性的有偏随机游走算法(PR-BRW)作为Tip选择算法,可以调整粒子随机游走过程中交易被验证的概率,进而改变交易的共识速度,保证数据共享的安全和高效。为了提高车辆验证交易的可信度,通过两个交易车辆的目的地Fn,导航路径Rn,当前位置Ln和车速Vn计算行驶轨迹相似度sxy,增大行驶轨迹相似的交易被验证的概率。为了保障紧急任务的时效,增大任务优先级高的交易的步进概率。同时,通过计算交易之间累计权重之差提高可信交易被验证的速率。随机游走粒子由交易x移动到交易y的概率计算如下:
其中,α、β、γ为非负优化参数,Cy为发起交易y的车辆的信誉值,Cz为发起交易z的车辆信誉值,Δwxy表示交易x和交易y的累计权值变化,Δwxz表示交易x和交易z的累计权值变化,py、pz描述任务优先级,sxy、sxz为车辆行驶数据相似度,z代表区块链中所有验证当前粒子所在交易节点的后继交易节点的集合。举例,在附图2中设x为5号节点,则z为2、3节点的集合,y是对集合z的遍历。由x游走到y的概率是对x所有后继验证交易概率的归一化。
在游走概率计算中设置行驶轨迹相似度,能够使更具权威性的车辆参与到车辆信誉值的计算,提高交易验证的可信度。
当Tip选择算法执行完成后,分别计算两个Tip的数据可靠度ak(实现了对车辆发布数据的可靠度判断,为获得车辆信誉值提供了计算依据);当前交易被添加到DAG区块链中,创建两条边指向验证的两个Tip,边权赋值为ak,设置交易的自身权重为1。
本发明使用DAG区块链相比于传统的单链区块链计算开销更小,共识延迟更低,在保障车联网数据共享安全的同时具有较高的效率;将车辆信誉值放在共识算法中,能够及时制止恶意车辆在网络中继续开展恶意行为。
4、交易被加入DGA区块链中后进入适应阶段,等待后续新的交易对自身进行验证。交易的累计权重等于其自身的权重以及DAG区块链中直接和间接验证它的交易数量之和,当交易的累计权重达到给定的阈值时,认为该交易被DAG区块链确认。
进一步的,为了计算交易共识阶段对数据共享造成的延迟,引入了对Tip选择过程的吸收马尔可夫链模型。设L(t)表示区块链中的Tip数量,N(t)表示区块链中的交易总数,邻接矩阵M(t)∈RN(t)×N(t)表示在t时刻有N(t)个交易,其中[M]i,j表示交易j引用交易i。根据步进概率、M(t)可以得到具有N(t)-L(t)个暂态和L(t)个吸收态的马尔可夫吸收链,用转移矩阵的标准形式P(t)表示。利用吸收马尔可夫链的基本性质,可以得到从暂态开始所有Tip的退出概率为矩阵B:
B=(It-Q)-1R
将从吸收矩阵B中得到的退出概率作为所观察交易i的终止概率bi。则直接自适应阶段的交易累计权值可计算为:
W(t)=1+λt·[1-(1-bi)2] t∈[h,2h)
对于间接适应阶段,定义K为直接验证当前交易的交易数量期望值,为了得到交易被间接验证的概率,需要计算粒子游走到这些Tip的概率:
根据估计的概率,我们有
因此,可以推导出近似解
其中,W(·)为LambertW函数。
当时间超过t0,所有新加入的交易都将间接验证当前交易,使得累计权值以λ的速度增长,得到三个不同阶段的累计权重增长:
给定交易确认的阈值m,可以推导得到卸载事件在DAG区块链的确认延迟:
5、交易被DAG区块链确认后,车辆根据任务卸载方案,通过V2V通信将任务卸载到附近的服务车辆执行。
数据段dn被卸载到服务车辆n上所花费的卸载传输延时为:
其中,dn是数据段的大小,是ri,n卸载车辆与服务车辆n之间的传输速率。
6、目标服务车辆接到卸载任务后检查数据共享时间的合法性并协同完成计算,然后将计算结果返回区块链。
数据段dn被卸载到服务车辆n上所花费的数据计算延时为:
其中,dn是数据段的大小,是cn服务车辆n的计算速率。
进一步的,在步骤2中,为了提供高质量的协同卸载服务,本发明将总体卸载延迟作为最重要的关键服务质量(QoS)要求建立了优化模型,并使用一种基于粒子群优化的延迟最优协同卸载(PDCO)方案求解数据共享的最优策略。
对于车辆卸载到服务车辆n的数据段dn,其卸载延迟由三部分组成:卸载事件在DAG区块链的确认延时、卸载传输延时和数据计算延时:
为了保障保障数据共享的时效,因此需要尽可能地减少任务卸载所花费的时间,卸载任务的总体卸载延时受其执行时间最长的数据段所确定,建立优化模型为:
其中,αn∈{0,1}为卸载决策,表示是否选择车辆卸载任务;mn为DAG区块链中数据段dn的确认阈值。第一个约束条件表示卸载方案给出的数据段划分数量不可超过当前车联网中的服务车辆数量;第二个约束条件表示卸载任务需要被完整地执行;第三个约束条件表示卸载任务需要在任务的容忍时间执行完毕;第四个约束条件表示交易的确认阈值需要大于其本身的权重。
通过粒子群算法对延迟最优协同卸载方案进行求解,PDCO算法的输入是卸载任务、车联网车辆和DAG区块链分帐的参数,最终输出是最优卸载策略。算法在初始化阶段设定最大迭代次数E和误差准则δ,然后根据优化目标的约束条件随机生成粒子的初始位置和速度,每一个粒子代表一种卸载策略。粒子经过多次迭代,通过优化目标函数计算适应度并更新参数,直到找到最优解。表1为PDCO算法的伪代码。
表1算法伪代码
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (2)
1.一种基于DAG区块链的车联网安全、高效数据共享方法,其特征在于,包括:
S1、将卸载任务描述为交易,将交易加入DAG区块链;步骤S1具体包括以下分步骤:
S11、在DAG内部随机生成数个随机游走粒子,落在DAG区块链的交易上;
S12、粒子根据卸载车辆信誉值和任务优先级计算从当前交易向每一个后继交易游走的概率;概率的计算式为:
其中,α、β、γ为非负优化参数,Cy为发起交易y的车辆的信誉值,Cz为发起交易z的车辆的信誉值,Δwxy表示交易x和交易y的累计权值变化,Δwxz表示交易x和交易z的累计权值变化,py表示交易y的优先级,pz表示交易y的优先级,sxy为发起交易x的车辆与发起交易y的车辆的行驶数据相似度,sxz为发起交易x和发起交易z的车辆的行驶数据相似度,z代表区块链中所有验证当前粒子所在交易节点的后继交易节点的集合;
车辆信誉值由车辆在单位时间内所发布交易的大小和平均数据可靠度确定,计算式为:
优先级的计算式为:
其中,D是车辆共享数据的业务大小,S是单位时间内车辆业务的发布顺序,ΔT是安全业务的最大响应时延,C是车辆的信誉值;
S13、粒子按照概率向后继交易随机游走;
S14、判断当前交易是否是Tip,如果是则进行S15,如果不是则执行S12,Tip用于定义区块链中新到达的未经确认的交易;
S15、判断是否已有两个粒子到达Tip,如果是则进行S16,如果不是则等待;
S16、分别计算两个Tip的数据可靠度ak;这里的两个Tip是粒子随机游走过程中最先到达的两个未经确认的交易;
S17、将当前交易加入到DAG区块链中,创建两条边指向验证的这两个Tip,边权赋值为ak,设置交易的自身权重为1;
S2、当交易被DAG区块链确认后,待卸载任务的车辆通过V2V通信将任务卸载到附近的服务车辆执行;步骤S2所述任务卸载具体卸载策略的计算过程为:
A1、将总体卸载延迟作为最重要的关键服务质量,建立优化模型;所述优化模型包括目标函数与约束条件;优化模型的表达式为:
其中,Ti表示总体卸载延迟;
A2、根据约束条件随机生成粒子的初始位置和速度,粒子不断迭代,通过优化目标函数计算适应度并更新参数,直到计算出最优卸载方案,确定数据段分配策略D={d1,d2,…,dn}、任务卸载策略αn、共识策略M={m1,…,mn};其中,αn为卸载决策,αn∈{0,1},Ti,n为数据段dn卸载到服务车辆n的卸载延迟,mn为DAG区块链中数据段dn的确认阈值;
S3、服务车辆接收到卸载任务后,检查数据共享事件的合法性并协同完成计算,然后将计算结果返回DAG区块链。
2.根据权利要求1所述的一种基于DAG区块链的车联网安全、高效数据共享方法,其特征在于,所述总体卸载延迟为在DAG区块链的确认延时、卸载传输延时和数据计算延时之和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461751.XA CN114173301B (zh) | 2021-12-02 | 2021-12-02 | 一种基于dag区块链的车联网安全、高效数据共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461751.XA CN114173301B (zh) | 2021-12-02 | 2021-12-02 | 一种基于dag区块链的车联网安全、高效数据共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114173301A CN114173301A (zh) | 2022-03-11 |
CN114173301B true CN114173301B (zh) | 2023-04-07 |
Family
ID=80482508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111461751.XA Active CN114173301B (zh) | 2021-12-02 | 2021-12-02 | 一种基于dag区块链的车联网安全、高效数据共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114173301B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115412374B (zh) * | 2022-11-01 | 2023-01-31 | 国网浙江省电力有限公司金华供电公司 | 一种基于信誉共识机制的安全的数据共享方法 |
CN115801830B (zh) * | 2022-11-11 | 2024-09-03 | 合肥工业大学 | 基于概率和dag区块链的高效交通信息报告方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3654222A1 (de) * | 2018-11-16 | 2020-05-20 | Volkswagen AG | Fahrzeug, netzwerkkomponente, verfahren, computerprogramm und vorrichtung zum generieren einer kennung für einen ausrüstungszustand eines fahrzeugs |
CN111932252A (zh) * | 2020-07-07 | 2020-11-13 | 广东工业大学 | 一种基于dag网络的无线充电安全交易方法 |
CN111988381A (zh) * | 2020-08-07 | 2020-11-24 | 南通大学 | 一种基于HashGraph的车联网分布式信任系统及信任值计算方法 |
CN112350852A (zh) * | 2020-10-21 | 2021-02-09 | 重庆邮电大学 | 一种基于车联网架构的区块链网络的性能计算方法 |
CN113191705A (zh) * | 2021-03-18 | 2021-07-30 | 南京医科大学康达学院 | 一种基于智能车联网和区块链的智能货车物流交易系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102261A (zh) * | 2018-08-02 | 2018-12-28 | 刘卓 | 基于赛博钞票的去中心化、安全、省电的加密货币 |
US11201665B2 (en) * | 2019-04-04 | 2021-12-14 | Purdue Research Foundation | Method to integrate blockchain and geographic information in distributed communication |
-
2021
- 2021-12-02 CN CN202111461751.XA patent/CN114173301B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3654222A1 (de) * | 2018-11-16 | 2020-05-20 | Volkswagen AG | Fahrzeug, netzwerkkomponente, verfahren, computerprogramm und vorrichtung zum generieren einer kennung für einen ausrüstungszustand eines fahrzeugs |
CN111932252A (zh) * | 2020-07-07 | 2020-11-13 | 广东工业大学 | 一种基于dag网络的无线充电安全交易方法 |
CN111988381A (zh) * | 2020-08-07 | 2020-11-24 | 南通大学 | 一种基于HashGraph的车联网分布式信任系统及信任值计算方法 |
CN112350852A (zh) * | 2020-10-21 | 2021-02-09 | 重庆邮电大学 | 一种基于车联网架构的区块链网络的性能计算方法 |
CN113191705A (zh) * | 2021-03-18 | 2021-07-30 | 南京医科大学康达学院 | 一种基于智能车联网和区块链的智能货车物流交易系统及方法 |
Non-Patent Citations (5)
Title |
---|
Wenhui Yang.LDV: A Lightweight DAG-Based Blockchain for Vehicular Social Networks.《IEEE》.2020,全文. * |
Xiaodong Zhang.V-Lattice: A Lightweight Blockchain Architecture Based on DAG-Lattice Structure for Vehicular Ad Hoc Networks.《Wiley Hindawi》.2021,全文. * |
方俊杰 ; 雷凯 ; .面向边缘人工智能计算的区块链技术综述.应用科学学报.2020,(第01期),全文. * |
李永强.基于区块链的车联网安全信息共享机制设计.《郑州大学学报》.2021,全文. * |
陈友荣.面向车联网异构节点的区块链高效一致性共识算法研究.《电子与信息学报》.2021,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114173301A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114173301B (zh) | 一种基于dag区块链的车联网安全、高效数据共享方法 | |
Hazarika et al. | DRL-based resource allocation for computation offloading in IoV networks | |
Shi et al. | DRL-based V2V computation offloading for blockchain-enabled vehicular networks | |
CN111132175B (zh) | 一种协同计算卸载和资源分配方法及应用 | |
Chen et al. | Efficiency and fairness oriented dynamic task offloading in internet of vehicles | |
CN112995289B (zh) | 一种基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法 | |
CN113344255B (zh) | 基于移动边缘计算和区块链的车载网络应用数据传输和计费优化方法 | |
CN113114738B (zh) | 基于sdn的车联网任务卸载的优化方法 | |
CN113709249B (zh) | 辅助驾驶业务安全均衡卸载方法及系统 | |
CN111339554A (zh) | 基于移动边缘计算的用户数据隐私保护方法 | |
CN113641417A (zh) | 一种基于分支定界法的车辆安全任务卸载方法 | |
Shinde et al. | Collaborative reinforcement learning for multi-service internet of vehicles | |
Wei et al. | OCVC: An overlapping-enabled cooperative vehicular fog computing protocol | |
CN114095358B (zh) | 一种面向动态网络的虚拟网络功能部署方法及设备 | |
Ahmad et al. | A cooperative heterogeneous vehicular clustering framework for efficiency improvement | |
Mao et al. | Roadside infrastructure deployment scheme based on Internet of Vehicles information service demand | |
CN111866810B (zh) | 一种车联网频谱分配方法及设备 | |
CN115604853A (zh) | 边缘计算的车辆依赖任务卸载方法及系统 | |
Xie et al. | A DAG-based secure cooperative task offloading scheme in vehicular networks | |
Karimi et al. | Intelligent and Decentralized Resource Allocation in Vehicular Edge Computing Networks | |
Lejjy et al. | A Game Theory-based Mechanism to Optimize the Traffic Congestion in VANETs | |
CN118113484B (zh) | 一种资源调度方法、系统、存储介质及车辆 | |
Velayudhan et al. | Vid-dsa and Glorot-hs-cnn-based Secure Request Scheduling in Urban Vanet | |
CN116599966B (zh) | 基于区块链共享的边缘云服务并行资源分配方法 | |
CN117939535B (zh) | 一种v2v场景下的依赖任务卸载方法、终端及存储介质 |
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 |