CN114661378A - 一种基于加密计算区块链的元宇宙多维算力卸载方案 - Google Patents
一种基于加密计算区块链的元宇宙多维算力卸载方案 Download PDFInfo
- Publication number
- CN114661378A CN114661378A CN202210335056.7A CN202210335056A CN114661378A CN 114661378 A CN114661378 A CN 114661378A CN 202210335056 A CN202210335056 A CN 202210335056A CN 114661378 A CN114661378 A CN 114661378A
- Authority
- CN
- China
- Prior art keywords
- node
- dimension
- credit
- credit score
- total
- 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
- 238000004364 calculation method Methods 0.000 claims abstract description 70
- 238000000034 method Methods 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 23
- 230000003993 interaction Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000010454 slate Substances 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44594—Unloading
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- 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
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及元宇宙算力卸载计算领域,尤其涉及一种基于加密计算区块链的元宇宙多维算力卸载方案,通过引入区块链来规范并记录算力卸载行为,并且将云计算和边缘计算进行结合,通过三层五维信用评分算法根据节点的信用分将其分配到适配的计算层中进行计算,保证系统的安全性。并提出基于基尼系数的时间贪心算法保证了算力分配过程中的公平性。对于个人用户来说,本发明能使得个人用户无需购买高昂的硬件设备便可通过算力卸载随时随地加入到元宇宙环境中,并且保证了卸载环境的安全和实时性。对于元宇宙系统来说,本发明不仅能帮助系统筛选恶意节点,抵御外部攻击,并且通过公平高效的分配方法使得系统的效益大大提升。
Description
技术领域
本发明涉及元宇宙算力卸载计算领域,尤其涉及一种基于加密计算区块链的元宇宙多维算力卸载方案。
背景技术
宇宙是创建与现实世界映射和交互的虚拟世界,其中各场景的建模需要大量的算力来进行渲染这也需要强大的算力作为支撑。总的来说,算力是构建元宇宙最重要的基础设施。而当个人用户设备无法进行实时更新导致其无法承担高计算量的情况下会遭受频繁卡顿甚至断开连接,影响用户的沉浸体验,这也成为了元宇宙发展的一大阻碍。
目前一些科技公司提出通过云计算来解决这类问题,用户将个人数据上传到云端获得计算结果。但由于数据上传到第三方数据库以及与云端遥远的传送距离,云计算也面临着个人信息泄漏、反馈速度慢的问题。而当采用边缘计算进行算力卸载时,虽然可以保证数据的及时反馈,但由于边缘服务器由不同的第三方提供,其互相的信任很难达成一致,并且边缘设备更容易受到攻击。
在算力卸载过程中,第三方设备互相不信任从而造成卸载的低效率;并且在卸载的过程中缺乏对恶意节点的监控和惩处,使得系统遭受攻击;即使出现惩处行为,由于没有一定的容忍度,容易出现处罚过重,出现将善意节点踢出市场,造成优质用户永久流失。并且在卸载过程中,无法兼顾公平性和高效性,使得系统的效率偏低。
发明内容
针对现有技术中所存在的不足,本发明提供一种基于加密计算区块链的元宇宙多维算力卸载方案,引入区块链来规范并记录算力卸载行为,并且将云计算和边缘计算进行结合,通过三层五维信用评分算法根据节点的信用分将其分配到适配的计算层中进行计算,保证系统的安全性。并提出基于基尼系数的时间贪心算法保证了算力分配过程中更加公平和迅速,保证交易的公平性以及数据处理的实时性。对于个人用户来说,本发明能使得个人用户无需购买高昂的硬件设备便可通过算力卸载随时随地加入到元宇宙环境中,并且保证了卸载环境的安全和实时性。对于元宇宙系统来说,本发明不仅能帮助系统筛选恶意节点,抵御外部攻击,使得系统的安全进一步得到保障,并且通过公平高效的分配方法使得系统的效益大大提升。
根据本发明的实施例,一种基于加密计算区块链的元宇宙多维算力卸载方案,包括以下步骤:
S1:架设元宇宙算力卸载系统模型,所述系统模型包括:云服务层、边缘服务层、设备层、合约层以及区块链层;
S2:在合约层中,设置有个人信息维度、系统时间维度、云计算维度、边缘计算维度以及惩罚维度,来对节点在元宇宙中与系统的交互行为建立信用分;节点每次与系统发生交互后,各维度根据节点与系统交互的具体行为,对节点的信用分进行累加以及删减的混合计算,动态更新节点的信用分;
S3:在合约层中,设置有若干个信用分阈值,节点更新信用分后,依照各维度对节点更新的信用分累加后的总分值与信用分阈值的比较,将节点定义为高危节点、观察节点以及优质节点。
进一步的,步骤S2具体为:
S2.1:节点进入系统,系统模型中的区块链层赋予节点相应的身份信息,并为节点建立信用分档案;
S2.2:节点需上传用户个人信息,个人信息维度根据个人信息的完整性以及验证后的真实性,更新节点的信用分;节点上传用户个人信息越完整,真实性越高,信用分越高;若节点未上传至少一条用户个人信息,则会被强制登出,并且无法获得信用分;
S2.3:节点进入系统后,系统时间维度根据节点进入系统的时间,更新节点的信用分;节点进入系统时间越长,信用分越高;
S2.4:设定两组节点信用分,分别记为第一信用分阈值和第二信用分阈值;
根据节点现有的系统时间维度以及个人信息维度的信用分的总值,先与第一信用分阈值进行比较;
若总值小于第一信用分阈值,此时将节点定义为高危节点,节点返回步骤S2.2;
若总值大于第一信用分阈值,小于第二信用分阈值,此时将节点定义为观察节点,将节点送入云计算层进行算力卸载;
若总值大于第二信用分阈值,此时将节点定义为优质节点,将节点送入边缘计算层进行卸载;
其中,第一信用分阈值需大于节点在系统时间维度中能够更新的信用分的最大值;
S2.5:当节点在云计算层/边缘计算层中进行算力卸载时,节点数据传输至合约层,合约层将数据处理后打包给云计算层/边缘计算层进行计算;而后云计算层/边缘计算层返回计算结果,合约层将结果返回给节点,节点支付相应报酬;
如果交易完成,更新节点的信用分,之后进入惩罚维度,根据惩罚算法,再次更新节点的信用分;之后节点选择是否退出系统,不退出则返回S2.2。
进一步的,个人信息维度内设置有N(N≥2)个板块,用于对节点上传的个人用户信息进行评分;每个版块具有不同的分值,用户每填写一个版块便会增加信用分,总分值为IS;则个人信息维度更新节点的信用分总分值IS的计算公式为:
IS=A*Oa+B*Ob+C*Oc……+N*On(1)
式(1)中:IS——个人信息维度更新节点的信用分的总分值;
A、B、C……N——各版块具体分值;
Oa、Ob、Oc……On——各版块完成度。
进一步的,
系统时间维度根据节点进入系统的时间来更新节点的信用分,当节点拥有X(X>0)点信用分时,开始激活信用分的增加;通过设立一个时间段Tg,节点加入系统的时间每过Tg时便在系统时间维度更新节点的信用分总分值TS上增加U分,上限为P分,U<P,且IS/P≥3;则系统时间维度更新节点的信用分总分值TS的计算公式为:
式(2)中:TS——系统时间维度更新节点的信用分的总分值;
P——系统时间维度增加信用分的上限分值;
U——系统时间维度每过Tg时增加的信用分的分值量。
5、如权利要求4所述的一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,
将用户在系统时间维度以及个人信息维度更新的信用分进行累加,并将累加后的信用分总值与第一信用分阈值F1以及第二信用分阈值F2进行比较,当总值大于第一信用分阈值,小于第二信用分阈值,则节点在云计算层进行算力卸载;在云计算维度中,信用分的更新总分值CS与节点在云计算层中卸载的任务总大小TCS有关,计算公式为:
式(3)中:CS——云计算维度更新节点的信用分的总分值;
TCS——节点在云计算层中卸载的任务总大小。
进一步的,
将用户在系统时间维度以及个人信息维度更新的信用分进行累加,并将累加后的信用分总值与第一信用分阈值F1以及第一信用分阈值F2进行比较,若总值大于第二信用分阈值,则节点在边缘计算层进行卸载;在边缘计算维度中,信用分的更新总分值ECS与节点在云计算层中卸载的任务总大小TES有关,计算公式为:
式(4)中:ECS——边缘计算维度更新节点的信用分的总分值;
TES——节点在边缘计算层中卸载的任务总大小。
进一步的,惩罚维度是一个减分维度,惩罚维度更新信用分的总分值的逻辑满足膨胀增长以及时间衰减两个特性;惩罚维度更新节点的信用分总分值PS的计算公式为:
PS=P2 (5)
式(5)中:PS——惩罚维度更新节点的信用分的总分值;
P——惩罚系数;
其中,惩罚系数P的计算公式为:
式(6)中:P——惩罚系数;
T——节点进入系统的总时长;
F1——第一信用分阈值;
S——节点的信用分总分值;
Tω——衰减时间刻度;
I——节点在该次交互中是否作恶。
进一步的,节点的信用分总分值的计算公式为:
S=T1*IS+T2*TS+T3*CS+T4*ECS-T5*PS (7)
式(7)中:S——节点的信用分总分值;
T1……T5——个人信息维度、系统时间维度、云计算维度、边缘计算维度以及惩罚维度的权重系数。
进一步的,
系统将节点分配给边缘计算层中的边缘服务器时,引入基于基尼系数的时间贪心算法保证分配的公平性,其具体步骤为:
S2.4.1:当节点进入边缘计算层中的边缘服务器进行算力卸载时,收集所有参与下载的节点的信息,记为交易队列D;节点用户设备记为d;
S2.4.2:收集交易队列D中所有节点提交的任务形成任务队列T;单组任务记为t;
S2.4.3:收集所有参与卸载的边缘服务器,记为服务队列S;单个边缘服务器记为s;
S2.4.4:将服务队列S中,所有边缘服务器接收到的任务数量总和,记为任务分配队列N(S);
S2.4.5:判断任务队列T是否为空队列,若为空队列,则结束本轮分配,若不为空队列,则进行下一步;
S2.4.6:选取任务t,从任务队列T中出列;对于任务t的所属的节点用户设备d,计算d与服务队列S中的所有边缘服务器的卸载时间Dall,并按照卸载时间Dall的时间长短,将服务队列S进行由短至长的顺位排序,形成新的卸载队列E;
S2.4.7:在卸载队列E中,具有最短卸载时间Dall的边缘服务器s出列,假设将任务t分配给边缘服务器s,更新此时任务分配队列N(S),计算N(S)的基尼系数,即Gini(N(s));
S2.4.8:比较Gini(N(s))与基尼阈值L的大小;
若Gini(N(s))>L,则放弃该边缘服务器s,返回步骤S2.4.7,在卸载队列E中重新顺位选取边缘服务器s;
若Gini(N(s))<L,则将任务t分配给该边缘服务器s进行卸载;根据任务完成情况,更新卸载节点d的边缘计算维度更新节点的信用分的总分值,而后返回步骤S2.4.5。
进一步的,
对于边缘服务器的卸载时间Dall,有两个主要影响因素:计算时间Dc以及传输时间Dt;其中,计算时间Dc的计算公式为:
式(8)中:A(t)——卸载任务的大小;
F(s)——边缘处理器s的计算能力;
其中,传输时间Dt的计算公式为:
式(9)中:R(d,s)——传输速率;
而传输速率R(d,s)的计算公式为:
式(10)中:W——系统带宽;
O——功率增益;
Y(d)——节点用户设备d的传输功率;
dis(d,s)——节点用户设备d到边缘服务器s的路径距离;
y——路径损失参数;
V——噪声功率;
综上所述,卸载时间Dall的计算公式为:
Dalll(d,t,s)=Dc(t,s)+Dt(d,t,s) (11)
已知交易队列D、具有最短卸载时间Dall的边缘服务器s以及任务队列T,则边缘服务器s的选择逻辑表达为:
B(t)——执行任务t所需的系统内存;
V(s)——除去B(t)后的系统剩余内存;
f(t,s)——当f(t,s)=1时表示任务t分配给了边缘服务器s,否则f(t,s)=0,表示未分配。
相比于现有技术,本发明具有如下有益效果:
①:通过三层五维信用评分算法,对节点在系统内的交互行为进行相应奖惩以及记录;并给予恶意节点严厉惩罚的同时,给予善意节点相应的容忍度。并且根据各节点的信用分将其分配到不同的计算层(云计算层、边缘计算层)进行算力卸载,有效地将云计算层的安全性以及边缘计算层的实时性等各层次优点结合起来。使得系统交易更加活跃,系统安全进一步得到保障;
②:通过基于基尼系数的时间贪心算法对边缘卸载进行分配,兼顾了分配中的高效性和公平性;使得算力买方(节点用户)获得更高的实时性同时,保障了算力卖方(个人边缘服务器)的公平竞争,提高了算力卸载市场的活力,保障了算力卸载市场的可持续发展。使得用户参与元宇宙更加的安全和迅速;
③:对区块链中的加密算法无具体要求,因此可将区块链中相关加密算法替换为国密算法,减少对外国相关技术的依赖性,促进形成我国自主可控安全的区块链安全体系,实现加密算法的自主化和国产化。
附图说明
图1为本发明提供的一种基于加密计算区块链的元宇宙多维算力卸载方案中节点进入系统后信用分的更新逻辑流程图;
图2为本发明提供的一种基于加密计算区块链的元宇宙多维算力卸载方案中将节点分配给边缘计算层中的边缘服务器时的分配逻辑流程图。
图3为本发明提供的一种基于加密计算区块链的元宇宙多维算力卸载方案中关于元宇宙算力卸载系统架构图;
图4为本发明提供的一种基于加密计算区块链的元宇宙多维算力卸载方案中信用分算法的逻辑架构图。
具体实施方式
下面结合附图及实施例对本发明中的技术方案进一步说明。
根据本发明的实施例,一种基于加密计算区块链的元宇宙多维算力卸载方案,包括以下步骤:
S1:架设元宇宙算力卸载系统模型,所述系统模型包括:云服务层、边缘服务层、设备层、合约层以及区块链层;
其中:云服务层由众多集中的可信的第三方云服务器构成。云计算层具有强大的计算能力,是用户卸载计算的一个优质选择。系统的云服务层由可信的第三方提供,其具有庞大的计算能力以及强大的抗攻击能力,可以在一定程度内抵御恶意攻击,使得系统平稳安全地继续运行;它具有以下几种特点:①可靠性:系统的云服务层由具有国家监管的大型企业参与服务,一方面具有强大的计算能力,可以满足各自结点所需的计算要求。另外一方面具有较高的安全性,企业的所有行为将记录在区块链上并受全体监督,可以进一步保障用户的数据安全,提高交易间的可靠性;②抗干扰能力强:由大企业做担保的云服务层具有非常强大的抵御能力,不仅可以抵御一定程度内的系统攻击,还可以抵御一定程度内的金融攻击。一定程度内的恶意结点请求攻击以及金融攻击无法对系统的正常运行造成威胁,云服务层可以通过其高防御能力为系统初步筛选结点;③高延迟性与价格昂贵:云服务层的服务提供商一般位于距离用户平均距离较远的地区,其数据传输的时延较长。并且,因为其规模较为接近于垄断,其提供的价格也更为高昂。对于某些追求低时延以及高性价比的用户云服务层无法持续满足其计算要求。因此,系统中的云计算层主要适合给具有一定担保但仍存有作恶可能性的节点作为卸载,在本实施例中,云计算层用于承担被定义为“观察节点”的节点的卸载任务。
边缘计算层:边缘计算层由大量的散布在各个地方的第三方提供的边缘服务器构成。边缘服务层是系统的核心计算层;在边缘服务层中,有数以万计的服务提供商,服务提供商有着不同的地理位置、计算容量以及计算资源定价;边缘服务层是处于监管下的自由市场,相比于云服务层其更为脆弱,因为卖方结点由各地小型服务商提供,它们没有强大的抗攻击能力以及高容错性。但是边缘服务层能根据相应算法为结点分配最优的服务提供商,极大提高个人福利以及降低计算时延。边缘服务层具有以下特点:①高效性:节点向边缘服务层请求卸载服务,边缘服务层通过智能合约的调度合同根据时延等条件为每个节点分配最优的边缘服务器,执行任务的时延将大大降低;②抗攻击能力弱:相比云计算层的强大和集中化的边缘服务器,边缘服务层规模小并且位置分散。其容易受到黑客攻击造成宕机甚至长时间无法提供服务,对于恶意出价等市场攻击也会造成巨大的损失甚至迫使其退出市场。因此,系统中的边缘计算层适合提供给高信用作恶概率低的节点作为卸载,在本实施例中,云计算层用于承担被定义为“观察节点”的节点的卸载任务;
设备层:设备层由各地的个人或集体的设备构成。由于设备层的数据卸载均与合约层统一的接口做交接,再经过数据处理发送给相应的服务器进行计算,不需要直接对接到相应的服务器中。因此其不需考虑与卸载服务器的软硬件适配。因此设备层可以容纳不同的硬件设备(CPU、GPU),不同的操作系统(苹果以及微软),甚至于不同的设备(手机、电脑、服务器)进行卸载。提高了设备层的适配性,扩大了对元宇宙的参与范围,并且极大精简了用户的操作,用户只需提供计算需求以及数据即可参与到元宇宙中;本实施例中的节点,即为设备层中向元宇宙系统发起交互请求的各种设备。
合约层:合约层是系统的控制层。系统通过合约层去制定交易规则以及结点赏罚规则等,在本实施例中,将节点与系统发生的交易行为上位化的称之为交互行为。系统的合约层分为多个板块,各个板块之间互相独立。合约可以灵活变动,但与传统第三方的独裁机制不同,合约的增删该必须由区块链上超过一定数目的决策节点的同意才能在系统进行共识,保证了系统的公平性。其中合约分为3个等级,关乎系统运行的基本规则合约是最高权力级合约,需要通过4/5的决策节点才能对其进行修改,这种合约类似于现实中的宪法,是系统的根本合约,是具有最高效力的最高规则。而第二级别的合约称为次权力级合约,关乎市场交易规则以及信用规则的合约,保障了市场的稳定公平高效运行,可以很好地调控市场防止诸如垄断等行为的产生,损坏参与者的利益,这种合约类似于现实中的经济法。该级别合约的修改需要超过2/3的决策节点同意方能进行共识。第三级别的合约称为普通级合约,其主要是对于系统中一些细节操作进行规定和处理,对系统的影响较少,但在系统中也是不可或缺的。各种普通级合约的制定能有效帮助系统提高自身效率,帮助系统各节点之间取得更好的效益,这种合约的修改只需要超过1/2的决策节点同意便能进行共识。其中,合约的主要板块有:①记录板块:记录板块最核心的合约为记录合约,其属于最高权力级合约,规定了系统对结点行为的监督。在节点进行交易操作后,系统有权利将结点的交易行为、交易方数据等记录在区块链上,进行共识并加盖时间戳,使其具有不可篡改性。记录板块可以很好地维护系统的安全性,使得系统可以追溯已发送的交易,方便系统自身的维护以及对纠纷节点的判定。是系统安全高效运行的核心合约。②交易板块:交易板块具有多个合约函数,其中最为重要的是调度合约,属于次权力级合约。调度合约对每一时间段系统所有的请求设备以及边缘服务器进行调度分配,保证系统交易的公平性、高福利性以及低时延性。交易合约如果被不法分子篡改,很可能会导致垄断等破坏市场的现象出现。所以其修改规则也非常严格,并受监管和保护,进一步维护参与市场节点的利益。通过不断优化交易板块,可以更好调动节点的积极性,提高个人收益的同时提高社会集体利益,使得系统规模更大,收益更高。③信用板块:信用板块是一套针对节点信用机制制定的板块。其只有一个合约称为信用合约,属于次权力级合约。信用合约制定了对节点的信用分计算规则,包括节点的信用分奖惩规则、信用层次阈值制定规则以及信用权数等。通过信用合约可以规范节点行为,初步筛选恶意节点,并给予不小心犯错的善意节点一些容错性,不至于让一些节点因为失误而丧失了参与市场的权利,保障系统安全性的同时进一步提高节点交易的活跃性。④信息板块:信息板块规定了用户可以通过上传哪些信息来获得相应的初始信用分。信息板块中最重要的是信息合约,信息合约属于普通级合约。在目前的信息合约中,系统规定了节点可以通过上传卸载方负责人身份信息、卸载人联系电话等信息获得初步信用分。并且可以注意到的是,这些信息都存在区块链中的私有数据中,只有具体的负责人可以对其提取并进行验证或者追责,可以在对交易进行担保的同时很好地保证用户个人的隐私安全。
S2:在合约层中,设置有个人信息维度、系统时间维度、云计算维度、边缘计算维度以及惩罚维度,来对节点在元宇宙中与系统的交互行为建立信用分;节点每次与系统发生交互后,各维度根据节点与系统交互的具体行为,对节点的信用分进行累加以及删减的混合计算,动态更新节点的信用分;
S3:在合约层中,设置有若干个信用分阈值,节点更新信用分后,依照各维度对节点更新的信用分累加后的总分值与信用分阈值的比较,将节点定义为高危节点、观察节点以及优质节点。
步骤S2具体为:
S2.1:节点进入系统,系统模型中的区块链层赋予节点相应的身份信息,并为节点建立信用分档案;
S2.2:节点需上传用户个人信息,个人信息维度根据个人信息的完整性以及验证后的真实性,更新节点的信用分;节点上传用户个人信息越完整,真实性越高,信用分越高;若节点未上传至少一条用户个人信息,则会被强制登出,并且无法获得信用分;个人信息维度是节点最开始能获取信用积分的唯一维度,如果用户不愿意上传任何个人信息,他将无法继续在系统内继续进行任何交互行为,节点上传用户个人信息,储存于区块链的私有数据上,除了验证方其他人无法进行查看;通过设立个人信息维度,可以初步筛掉一些不法分子频繁注册匿名节点,对系统发起的诸如DDOS等的攻击,为节点加入系统设置了第一道门槛。并且通过上传用户个人信息也可以遏止节点想要恶意攻击的想法,当对系统造成一定损害时系统可以根据上传的个人信息对相应负责人进行追责;可以有效的威慑并阻止恶意行为的发生;
S2.3:节点进入系统后,系统时间维度根据节点进入系统的时间,更新节点的信用分;节点进入系统时间越长,信用分越高,系统时间维度是一个通过节点加入系统时间来计分的维度,该维度的设立是为了考察节点在系统的总时长,一般来说,恶意节点更倾向于加入系统后快速对系统发起攻击,而善意节点更喜欢长久呆在系统中获得相应利润,所以该维度的设立也可以帮助我们从时间维度去筛选节点;并且该维度能让一些不想上传过多用户个人信息的善意节点加入市场,丰富了节点的选择权,激发了节点的积极性;
S2.4:设定两组节点信用分,分别记为第一信用分阈值和第二信用分阈值;
根据节点现有的系统时间维度以及个人信息维度的信用分的总值,先与第一信用分阈值进行比较;
若总值小于第一信用分阈值,此时将节点定义为高危节点,节点返回步骤S2.2;
若总值大于第一信用分阈值,小于第二信用分阈值,此时将节点定义为观察节点,将节点送入云计算层进行算力卸载;
若总值大于第二信用分阈值,此时将节点定义为优质节点,将节点送入边缘计算层进行卸载;
下面对三个节点的定义进行解释:
高危节点:位于该层次的节点没有上传足够的个人信息、在系统注册登录的时间较短并且也从未参与过任何系统交易;作恶概率较大,属于高危节点。高危节点必须上传一定的个人信息作为担保,并且经过一定的登录时间才可达到下一个层次,获得参与云计算交易的资格。
观察节点:位于该层次的节点上传了相应信息并且已经加入系统一定时间,具有一定的可追责性,可以让其加入到抗攻击能力强的云计算交易中。但该层次的节点还未参(或完成)与一定数量的交互任务,对系统的贡献不足,对其行为仍需进行相应考察,还未具备加入边缘计算交易的资格。该层次节点可以在云计算层中慢慢积累一定量的交易,通过获得更多的信用分取得进入到边缘计算交易的资格。
优质节点:位于该层次的节点信息完备,加入系统时间长,参与系统的交易数量多,对系统相应贡献量大,属于系统中的优质节点。这些节点普遍作恶概率低,获得进入边缘计算层的资格。这些节点可以在边缘计算层中不断进行交互,积累更高的信用分,获得相应的容错。当然,如果这些节点持续作恶,膨胀增长的惩罚积分最终会让其被剔除市场,系统不会给予节点持续作恶的特权。
其中,第一信用分阈值需大于节点在系统时间维度中能够更新的信用分的最大值(例如节点在系统时间维度能获得的最大分值为75分,那么第一信用分阈值至少为76分),也就是说,节点必须加入个人信息维度中的信用分才能进行后续的交互动作,这一条件可以再次有效防止节点的匿名刷分行为;
S2.5:当节点在云计算层/边缘计算层中进行算力卸载时,节点数据传输至合约层,合约层将数据处理后打包给云计算层/边缘计算层进行计算;而后云计算层/边缘计算层返回计算结果,合约层将结果返回给节点,节点支付相应报酬;
如果交易完成,更新节点的信用分,之后进入惩罚维度,根据惩罚算法,再次更新节点的信用分;之后节点选择是否退出系统,不退出则返回S2.2。
进一步的,个人信息维度内设置有N(N≥2)个板块,在本实施例中N=3,即设置有三个板框,例如:姓名、性别以及身份证号码,三个板块合起来分值为75,节点要是上传了用户的这三个信息,验证信息真实性后就可以得到75分的信用分,即IS=75;用于对节点上传的个人用户信息进行评分;每个版块具有不同的分值,用户每填写一个版块便会增加信用分,总分值为IS;则个人信息维度更新节点的信用分总分值IS的计算公式为:IS=A*Oa+B*Ob+C*Oc……+N*On(1)
式(1)中:IS——个人信息维度更新节点的信用分的总分值;
A、B、C……N——各版块具体分值;
Oa、Ob、Oc……On——各版块完成度。
系统时间维度根据节点进入系统的时间来更新节点的信用分,当节点拥有X(X>0)点信用分时,开始激活信用分的增加,这里设置X点信用分的目的是让节点拥有一个可以进入系统时间维度的门槛,例如某个区域,失信人员占比较多或者电信诈骗高发,为了便于后续追责,用户必须上传更多的个人资料才能够进行后续交互,因为个人信息维度更新节点的信用分是通过节点上传用户个人信息的板块数量来给予用户信用分的,而系统时间维度是通过节点在系统内的登陆时长给予节点信用分,如果不设置X分的阈值,节点仅上传少量的用户个人信息,也可以在系统时间维度进行“刷分”而得到高信用分,会使系统存在潜在的安全隐患;通过设立一个时间段Tg,节点加入系统的时间每过Tg时便在系统时间维度更新节点的信用分总分值TS上增加U分(例如节点登录时长每过24小时增加1分),上限为P分,U<P,且IS/P≥3设置信用分值占比的目的是因为系统时间维度根据节点进入系统的时长一直在为节点增加信用分,但是信用分的增加并不代表节点的实际信誉是否明朗,只有上传一定数量的用户个人信息,才能获得更高的信用分,才能便于对用户个人的威慑以及追责,更利于系统的稳定;则系统时间维度更新节点的信用分总分值TS的计算公式为:
式(2)中:TS——系统时间维度更新节点的信用分的总分值;
P——系统时间维度增加信用分的上限分值;
U——系统时间维度每过Tg时增加的信用分的分值量。
将用户在系统时间维度以及个人信息维度更新的信用分进行累加,并将累加后的信用分总值与第一信用分阈值F1以及第二信用分阈值F2进行比较,当总值大于第一信用分阈值,小于第二信用分阈值,则节点在云计算层进行算力卸载,在卸载过程中,节点不需部署相应的硬件设备便能获得相应的计算结果,而系统也通过卸载获取到节点支付的利润;基于节点的良好表现以及支付的利润,节点在云计算维度的信用分也逐渐上升;为了防止一些高参与度节点拥有持续作恶的特权,云计算维度的信用分应具有慢增长的特点;在云计算维度中,信用分的更新总分值CS与节点在云计算层中卸载的任务总大小TCS有关,计算公式为:
式(3)中:CS——云计算维度更新节点的信用分的总分值;
TCS——节点在云计算层中卸载的任务总大小。
进一步的,
将用户在系统时间维度以及个人信息维度更新的信用分进行累加,并将累加后的信用分总值与第一信用分阈值F1以及第一信用分阈值F2进行比较,若总值大于第二信用分阈值,则节点在边缘计算层进行卸载,与云计算维度相同,边缘计算维度的信用分也需具备慢增长的特点;在边缘计算维度中,信用分的更新总分值ECS与节点在云计算层中卸载的任务总大小TES有关,计算公式为:
式(4)中:ECS——边缘计算维度更新节点的信用分的总分值;
TES——节点在边缘计算层中卸载的任务总大小。
进一步的,惩罚维度是一个减分维度,惩罚维度更新信用分的总分值的逻辑满足膨胀增长以及时间衰减两个特性;膨胀增长指的是节点的惩罚随着恶意行为增多而爆发增长,可以对节点连续的恶意行为进行更加严厉的惩罚。时间衰减指的是每过一定的时间节点惩罚系数会降低,可以给予不小心犯错的节点相应的容忍度。但如果节点不断作恶,被定义为高危节点时则不具备时间衰减特性。惩罚维度更新节点的信用分总分值PS的计算公式为:
PS=P2 (5)
式(5)中:PS——惩罚维度更新节点的信用分的总分值;
P——惩罚系数;
其中,惩罚系数P的计算公式为:
式(6)中:P——惩罚系数;
T——节点进入系统的总时长;
F1——第一信用分阈值;
S——节点的信用分总分值;
Tω——衰减时间刻度;
I——节点在该次交互中是否作恶。
进一步的,节点的信用分总分值的计算公式为:
S=T1*IS+T2*TS+T3*CS+T4*ECS-T5*PS (7)
式(7)中:S——节点的信用分总分值;
T1……T5——个人信息维度、系统时间维度、云计算维度、边缘计算维度以及惩罚维度的权重系数;
在本实施例中,因为在边缘市场良好行为能为市场获得更大的利润,也更能保证系统的高效安全运行,所以边缘计算维度的权重系数大于云计算维度的权重系数,即T4>T3。而在系统时间维度和个人信息维度的权衡中,系统时间维度的权重不能过大,否则会导致一些恶意攻击者不断创建新节点,当新节点积累一定时间便开始发动攻击,所以我们使得T1=T2;个人信息维度和系统时间维度部分节点能后获得的最大信用分值的比值在本实施例中被定义为3:1。而在系统中,最高占比应该为节点在市场中的良好行为,即优质节点,可得T3>T2。
进一步的,
系统将节点分配给边缘计算层中的边缘服务器时,引入基于基尼系数的时间贪心算法保证分配的公平性,它用来描述一个整体收入分配偏离完全平等的程度,在本实施例中主要是为了保证边缘服务器的分配平均,防止一些服务器接收的卸载任务过多,导致任务无法消化产生过饱和,而有的服务器却分配不到任务,发生“饿死”的现象;其具体步骤为:
S2.4.1:当节点进入边缘计算层中的边缘服务器进行算力卸载时,收集所有参与下载的节点的信息,记为交易队列D;节点用户设备记为d;
S2.4.2:收集交易队列D中所有节点提交的任务形成任务队列T;单组任务记为t;
S2.4.3:收集所有参与卸载的边缘服务器,记为服务队列S;单个边缘服务器记为s;
S2.4.4:将服务队列S中,所有边缘服务器接收到的任务数量总和,记为任务分配队列N(S);
S2.4.5:判断任务队列T是否为空队列,若为空队列,则结束本轮分配,若不为空队列,则进行下一步;
S2.4.6:选取任务t,从任务队列T中出列;对于任务t的所属的节点用户设备d,计算d与服务队列S中的所有边缘服务器的卸载时间Dall,并按照卸载时间Dall的时间长短,将服务队列S进行由短至长的顺位排序,形成新的卸载队列E;
S2.4.7:在卸载队列E中,具有最短卸载时间Dall的边缘服务器s出列,假设将任务t分配给边缘服务器s,更新此时任务分配队列N(S),计算N(S)的基尼系数,即Gini(N(s));
S2.4.8:比较Gini(N(s))与基尼阈值L的大小,基尼阈值L为常数,它的作用就是作为阈值来判断每次的分配是否公平,决策节点可以通过投票等形式对L的值进行调控,权衡卸载时间和公平性之间的关系,根据不同的情况获得最大的社会福利,最大化用户的满意度;
若Gini(N(s))>L,则放弃该边缘服务器s,返回步骤S2.4.7,在卸载队列E中重新顺位选取边缘服务器s;
若Gini(N(s))<L,则将任务t分配给该边缘服务器s进行卸载;根据任务完成情况,更新卸载节点d的边缘计算维度更新节点的信用分的总分值,而后返回步骤S2.4.5。
进一步的,
对于边缘服务器的卸载时间Dall,有两个主要影响因素:计算时间Dc以及传输时间Dt;其中,计算时间Dc的计算公式为:
式(8)中:A(t)——卸载任务的大小;
F(s)——边缘处理器s的计算能力;
其中,传输时间Dt的计算公式为:
式(9)中:R(d,s)——传输速率;
而传输速率R(d,s)的计算公式为:
式(10)中:W——系统带宽;
O——功率增益;
Y(d)——节点用户设备d的传输功率;
dis(d,s)——节点用户设备d到边缘服务器s的路径距离;
y——路径损失参数;
V——噪声功率;
综上所述,卸载时间Dall的计算公式为:
Dalll(d,t,s)=Dc(t,s)+Dt(d,t,s) (11)
已知交易队列D、具有最短卸载时间Dall的边缘服务器s以及任务队列T,对于本发明的算法来说,边缘服务器s的选择必须满足以下条件:①保证足够的公平性,系统的基尼系数不能超过调控值L;⑤保证分配给边缘服务器的容量不能超过其本身最大容量;③:在满足①、②的前提下使得系统延迟最小。则边缘服务器s的选择逻辑表达为:
B(t)——执行任务t所需的系统内存;
V(s)——除去B(t)后的系统剩余内存;
f(t,s)——当f(t,s)=1时表示任务t分配给了边缘服务器s,否则f(t,s)=0,表示未分配。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,包括以下步骤:
S1:架设元宇宙算力卸载系统模型,所述系统模型包括:云服务层、边缘服务层、设备层、合约层以及区块链层;
S2:在合约层中,设置有个人信息维度、系统时间维度、云计算维度、边缘计算维度以及惩罚维度,来对节点在元宇宙中与系统的交互行为建立信用分;节点每次与系统发生交互后,各维度根据节点与系统交互的具体行为,对节点的信用分进行累加以及删减的混合计算,动态更新节点的信用分;
S3:在合约层中,设置有若干个信用分阈值,节点更新信用分后,依照各维度对节点更新的信用分累加后的总分值与信用分阈值的比较,将节点定义为高危节点、观察节点以及优质节点。
2.如权利要求1所述的一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,步骤S2具体为:
S2.1:节点进入系统,系统模型中的区块链层赋予节点相应的身份信息,并为节点建立信用分档案;
S2.2:节点需上传用户个人信息,个人信息维度根据个人信息的完整性以及验证后的真实性,更新节点的信用分;节点上传用户个人信息越完整,真实性越高,信用分越高;若节点未上传至少一条用户个人信息,则会被强制登出,并且无法获得信用分;
S2.3:节点进入系统后,系统时间维度根据节点进入系统的时间,更新节点的信用分;节点进入系统时间越长,信用分越高;
S2.4:设定两组节点信用分,分别记为第一信用分阈值和第二信用分阈值;
根据节点现有的系统时间维度以及个人信息维度的信用分的总值,先与第一信用分阈值进行比较;
若总值小于第一信用分阈值,此时将节点定义为高危节点,节点返回步骤S2.2;
若总值大于第一信用分阈值,小于第二信用分阈值,此时将节点定义为观察节点,将节点送入云计算层进行算力卸载;
若总值大于第二信用分阈值,此时将节点定义为优质节点,将节点送入边缘计算层进行卸载;
其中,第一信用分阈值需大于节点在系统时间维度中能够更新的信用分的最大值;
S2.5:当节点在云计算层/边缘计算层中进行算力卸载时,节点数据传输至合约层,合约层将数据处理后打包给云计算层/边缘计算层进行计算;而后云计算层/边缘计算层返回计算结果,合约层将结果返回给节点,节点支付相应报酬;
如果交易完成,更新节点的信用分,之后进入惩罚维度,根据惩罚算法,再次更新节点的信用分;之后节点选择是否退出系统,不退出则返回S2.2。
3.如权利要求2所述的一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,
个人信息维度内设置有N(N≥2)个板块,用于对节点上传的个人用户信息进行评分;每个版块具有不同的分值,用户每填写一个版块便会增加信用分,总分值为IS;则个人信息维度更新节点的信用分总分值IS的计算公式为:
IS=A*Oa+B*Ob+C*Oc……+N*On (1)
式(1)中:IS——个人信息维度更新节点的信用分的总分值;
A、B、C……N——各版块具体分值;
Oa、Ob、Oc……On——各版块完成度。
9.如权利要求8所述的一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,
系统将节点分配给边缘计算层中的边缘服务器时,引入基于基尼系数的时间贪心算法保证分配的公平性,其具体步骤为:
S2.4.1:当节点进入边缘计算层中的边缘服务器进行算力卸载时,收集所有参与下载的节点的信息,记为交易队列D;节点用户设备记为d;
S2.4.2:收集交易队列D中所有节点提交的任务形成任务队列T;单组任务记为t;
S2.4.3:收集所有参与卸载的边缘服务器,记为服务队列S;单个边缘服务器记为s;
S2.4.4:将服务队列S中,所有边缘服务器接收到的任务数量总和,记为任务分配队列N(S);
S2.4.5:判断任务队列T是否为空队列,若为空队列,则结束本轮分配,若不为空队列,则进行下一步;
S2.4.6:选取任务t,从任务队列T中出列;对于任务t的所属的节点用户设备d,计算d与服务队列S中的所有边缘服务器的卸载时间Dall,并按照卸载时间Dall的时间长短,将服务队列S进行由短至长的顺位排序,形成新的卸载队列E;
S2.4.7:在卸载队列E中,具有最短卸载时间Dall的边缘服务器s出列,假设将任务t分配给边缘服务器s,更新此时任务分配队列N(S),计算N(S)的基尼系数,即Gini(N(s));
S2.4.8:比较Gini(N(s))与基尼阈值L的大小;
若Gini(N(s))>L,则放弃该边缘服务器s,返回步骤S2.4.7,在卸载队列E中重新顺位选取边缘服务器s;
若Gini(N(s))<L,则将任务t分配给该边缘服务器s进行卸载;根据任务完成情况,更新卸载节点d的边缘计算维度更新节点的信用分的总分值,而后返回步骤S2.4.5。
10.如权利要求9所述的一种基于加密计算区块链的元宇宙多维算力卸载方案,其特征在于,
对于边缘服务器的卸载时间Dall,有两个主要影响因素:计算时间Dc以及传输时间Dt;其中,计算时间Dc的计算公式为:
式(8)中:A(t)——卸载任务的大小;
F(s)——边缘处理器s的计算能力;
其中,传输时间Dt的计算公式为:
式(9)中:R(d,s)——传输速率;
而传输速率R(d,s)的计算公式为:
式(10)中:W——系统带宽;
O——功率增益;
Y(d)——节点用户设备d的传输功率;
dis(d,s)——节点用户设备d到边缘服务器s的路径距离;
y——路径损失参数;
V——噪声功率;
综上所述,卸载时间Dall的计算公式为:
Dalll(d,t,s)=Dc(t,s)+Dt(d,t,s) (11)
已知交易队列D、具有最短卸载时间Dall的边缘服务器s以及任务队列T,则边缘服务器s的选择逻辑表达为:
B(t)——执行任务t所需的系统内存;
V(s)——除去B(t)后的系统剩余内存;
f(t,s)——当f(t,s)=1时表示任务t分配给了边缘服务器s,否则f(t,s)=0,表示未分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335056.7A CN114661378B (zh) | 2022-03-31 | 2022-03-31 | 一种基于加密计算区块链的元宇宙多维算力卸载方案 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335056.7A CN114661378B (zh) | 2022-03-31 | 2022-03-31 | 一种基于加密计算区块链的元宇宙多维算力卸载方案 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114661378A true CN114661378A (zh) | 2022-06-24 |
CN114661378B CN114661378B (zh) | 2024-06-25 |
Family
ID=82033952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210335056.7A Active CN114661378B (zh) | 2022-03-31 | 2022-03-31 | 一种基于加密计算区块链的元宇宙多维算力卸载方案 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114661378B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200195497A1 (en) * | 2018-12-14 | 2020-06-18 | T-Mobile Usa, Inc. | Provisioning edge devices in a mobile carrier network as compute nodes in a blockchain network |
CN111770148A (zh) * | 2020-06-22 | 2020-10-13 | 重庆邮电大学 | 一种基于区块链技术的雾计算卸载模型优化方法 |
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 |
KR20210063284A (ko) * | 2021-05-12 | 2021-06-01 | 김권태 | 메타버스 플랫폼에서 블럭체인 기반의 전시체험 솔루션 |
-
2022
- 2022-03-31 CN CN202210335056.7A patent/CN114661378B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200195497A1 (en) * | 2018-12-14 | 2020-06-18 | T-Mobile Usa, Inc. | Provisioning edge devices in a mobile carrier network as compute nodes in a blockchain network |
CN111770148A (zh) * | 2020-06-22 | 2020-10-13 | 重庆邮电大学 | 一种基于区块链技术的雾计算卸载模型优化方法 |
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 |
KR20210063284A (ko) * | 2021-05-12 | 2021-06-01 | 김권태 | 메타버스 플랫폼에서 블럭체인 기반의 전시체험 솔루션 |
Non-Patent Citations (1)
Title |
---|
吴雨芯等: "移动边缘计算中基于Stackelberg博弈的算力交易与定价", 计算机应用, vol. 40, no. 9, 30 April 2020 (2020-04-30), pages 2683 - 2690 * |
Also Published As
Publication number | Publication date |
---|---|
CN114661378B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112740252B (zh) | 使用智能合约的区块链交易安全性 | |
CN111770073B (zh) | 一种基于区块链技术的雾网络卸载决策和资源分配方法 | |
Yuan et al. | CSEdge: Enabling collaborative edge storage for multi-access edge computing based on blockchain | |
CN109246211B (zh) | 一种区块链中的资源上传和资源请求方法 | |
CN109918894B (zh) | 边缘计算网络视频处理中基于声誉的信任评估方法 | |
TWI274486B (en) | Multi-user application program interface | |
CN112073222B (zh) | 一种基于区块链跨链技术的空天地网络移动管理架构 | |
CN110928951B (zh) | 一种基于区块链的数据共享及仲裁方法 | |
Basiri et al. | Delay-aware resource provisioning for cost-efficient cloud gaming | |
CN113364831B (zh) | 基于区块链的多域异构算网资源可信协同方法 | |
CN111614657B (zh) | 基于模式选择的移动边缘安全服务方法及系统 | |
CN109510713A (zh) | 一种基于区块链的流量共享激励方法 | |
US11546340B2 (en) | Decentralized access control for authorized modifications of data using a cryptographic hash | |
CN106846031A (zh) | 基于信誉系统和Stackelberg博弈的可信P2P流媒体带宽定价方法 | |
CN115048224B (zh) | 一种基于多个云服务商的算力复用管理方法及其装置 | |
Aloqaily et al. | Fairness-aware game theoretic approach for service management in vehicular clouds | |
Zhu et al. | A survey: Reward distribution mechanisms and withholding attacks in Bitcoin pool mining. | |
Doe et al. | Promoting the sustainability of blockchain in web 3.0 and the metaverse through diversified incentive mechanism design | |
CN113490231B (zh) | 一种网络切片的可用性保障方法及装置 | |
CN111866181B (zh) | 一种基于区块链的雾网络中任务卸载优化方法 | |
CN114661378A (zh) | 一种基于加密计算区块链的元宇宙多维算力卸载方案 | |
CN108512842B (zh) | 一种面向移动终端的网络应用账号共享系统 | |
Naudts et al. | A dynamic pricing algorithm for a network of virtual resources | |
CN117332871A (zh) | 一种基于区块链的联邦学习处理方法以及相关设备 | |
CN115987541A (zh) | 边缘联邦任务卸载中带宽拒绝分配攻击防护方法 |
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 |