CN115473894A - 算网中基于区块链的算力安全感知及协同方法 - Google Patents

Abstract

本发明公开了算网中基于区块链的算力安全感知及协同方法，属于算力网络领域；具体为：首先，用户向所接入的边缘节点发起任务请求，边缘节点通过评测无线信道，为用户分配计算资源及带宽资源；通过本地资源优化后，边缘节点计算自己的剩余资源，并识别自身类型，协作节点产生算力交易发布到网络中；然后，请求节点产生请求交易；协作节点做出协作决策并提供协同计算服务，生成协作交易；最后，计算协作节点的信任值并选择区块生成节点；区块生成节点将所有的交易打包成区块；广播到网络被记录到区块链中。本发明采用区块链技术实现网络中的实时信息发布和交易记录，能够实时保障算网中算力感知及协作的安全性。

Description

算网中基于区块链的算力安全感知及协同方法

技术领域

本发明属于算力网络领域，特别涉及算网中基于区块链的算力安全感知及协同方法。

背景技术

在“6G+MEC”时代，算力网络通过无处不在的网络连接，整合多级算力、存储等资源孤岛，结合网络信息(如带宽、时延等)与不同类型的用户需求，为用户提供最佳的资源分配方案。算力网络通过节点间的资源协同可实现网络节点的负载均衡，优化整网资源的使用，保证服务灵活动态部署和用户体验的一致性，用户无须关心各类基础资源的位置和部署状态，由网络协同调度各类资源^[1]。

然而，算力网络是一个分布式的网络，算网中的资源设备具有高度异构性，在共享或交易时容易遭遇安全信任危机，目前算力网络仍缺乏安全可靠的算力感知和管理方案。如何对全网资源状态进行安全感知，并实现资源信息、交易信息的可追溯性，进而实现算网中的分布式资源安全高效管理是算网面临的一个挑战。另一方面，算力网络是一个动态网络，资源感知的滞后性和不准确性将严重影响算力节点之间的协作效率，进而降低用户的服务质量，如何实现全网算力信息的实时、准确感知是另一重要挑战。

文献[2]从算力网络阶段化发展、算力感知技术架构、算力度量与标识以及算力路由等多个技术展开探索和研究，并提出算力网络多种部署模式；文献[3]提出一种算力感知网络中算力感知路由分配系统，建模一个由通信时延组成的计算任务调度问题，并提出了一种基于Floyd的算力感知路由分配策略，联合优化了路由策略与算力资源分配；文献[4]提出了一个云雾混合多层次算力网络及计算卸载系统，定义了一个由时延、能耗及付费组成的加权代价函数，将其建模成一个代价感知任务调度问题，并设计了一个分布式任务调度算法；文献[5]研究了移动边缘计算网络中任务的协作卸载激励机制，并提出了一种在线的资源分配算法，通过联合优化协作者的选择、通信和计算资源分配以及定价策略，以最大化系统的效用；文献[6]为移动边缘网络设计了一个分布式资源管理机制，并采用Stackelberg博弈模型设计了一个定价方案，通过考虑收入和能源消耗之间的权衡，使MEC运营商都能获得最大效用。

针对算力网络中算力感知及协同方面的研究，现有的工作仍存在一些问题需要解决。首先，如何确保节点间算力交易过程中的安全性，文献[4][5][6]都考虑了节点间的算力协作，但是在协作过程中的一些关键信息，例如资源信息和价格信息可能被恶意节点篡改，从而导致系统性能和用户服务质量的下降。

尽管少数的研究提出基于区块链的方案以增强系统安全性(例如文献[7]-[9])，但是这些工作大部分是针对MEC网络中的卸载或资源分配问题，并不适用于算力网络中的算力感知场景；此外，上述文献采用了低性能的共识机制，并不支持低延迟要求的服务(例如增强现实任务)。

算力网络是一个动态的网络，然而上述的部分工作都是基于一次性时隙进行设计和优化的，考虑到节点的资源状态、用户需求和网络环境等动态因素，在设计算力感知方案时需要仔细的考虑这些因素，进而实现对全网算力信息准确、实时的感知。此外，边缘节点的任务在不同时刻到达，这使得传统的静态解决方案不可行，因此更加需要设计动态方案。

[1]雷波，陈运清.边缘计算与算力网络——5G+AI时代的新型算力平台与网络连接[M].北京:电子工业出版社，2020.

[2]段晓东,姚惠娟,付月霞,陆璐,孙滔.面向算网一体化演进的算力网络技术[J].电信科学,2021,37(10):76-85.

[3]孙钰坤,张兴,雷波.边缘算力网络中智能算力感知路由分配策略研究[J].无线电通信技术,2022,48(01):60-67.

[4]刘泽宁,李凯,吴连涛,王智,杨旸.多层次算力网络中代价感知任务调度算法[J].计算机研究与发展,2020,57(09):1810-1822.

[5]G.Li and J.Cai,“An online incentive mechanism for collaborativetask offloading in mobile edge computing,”IEEE Transactions on WirelessCommunications,vol.19,no.1,pp.624–636,2020.

[6]J.Lee,D.Kim,and D.Niyato,“Market analysis of distributed learningresource management for internet of things:A game-theoretic approach,”IEEEInternet of Things Journal,vol.7,no.9,pp.8430–8439,2020.

[7]吕航,李佳聪,雷波,解云鹏.基于区块链结合智能合约的算力交易机制研究[J/OL].中兴通讯技术:1-8[2022-08-09].http://kns.cnki.net/kcms/detail/34.1228.TN.20220722.1742.018.html

[8]H.Yin,Z.Zhang,L.Zhu,M.Li,X.Du,M.Guizani,and B.Khoussainov,“Ablockchain-based storage system with financial incentives for load-balancing,”IEEE Transactions on Network Science and Engineering,vol.8,no.2,pp.1178–1188,2021.

[9]W.Sun,J.Liu,Y.Yue,and P.Wang,“Joint resource allocation andincentive design for blockchain-based mobile edge computing,”IEEETransactions on Wireless Communications,vol.19,no.9,pp.6050–6064,2020

发明内容

本发明提出了算网中基于区块链的算力安全感知及协同方法，解决了以下问题：1)针对算力网络中节点间算力感知及协作的安全性问题，本发明将区块链技术应用到算力网络中，结合节点的历史行为及资源能力对节点的信任值进行了评测，并基于该信任值设计了一种高效的共识机制(Proof-of-Trust,PoT)，来提高算网资源感知效率。2)针对算力网络中算力无法实时、准确感知的问题，本发明联合考虑了节点的资源状态、用户的信道质量、任务的释放情况等时变因素，设计了支持动态场景下的算力感知方案，节点首先通过自优化准确评估自身资源状态，然后通过区块链将该信息实时发布到网络中，从而实现全网信息的实时准确感知。

所述基于区块链的算力安全感知及协同方法步骤如下：

步骤一、搭建包括用户和边缘节点的动态场景；

边缘节点的集合为U＝{1,2,...u,...,U}，在时隙t接入节点u的用户集合为

步骤二、在时隙t，用户i向所接入的边缘节点u发起任务请求，边缘节点依据用户的请求计算获得的收益；

首先，边缘节点u收集所接入用户i的请求，并计算所接入用户i的下行速率：

其中

表示边缘节点u为用户i分配的带宽资源，

为信干噪比；

然后，计算边缘节点u为用户i提供的渲染数据量：

其中，

a为视频渲染转换率，

为节点u为本地用户i分配的本地渲染资源，η_u为节点u一个CPU周期渲染的数据量，Δt为时间窗口。

最后，边缘节点u计算从用户i所获得的收益：

其中，

为节点u从用户i侧获得的最大收益，

为用户i所请求的最大播放速率。

步骤三、边缘节点u计算渲染成本，并结合收益进一步计算效用函数；

首先，边缘节点u计算本地的渲染成本，包括渲染能耗以及相应传输成本：

其中α_u为边缘节点u的CPU能量转换效率，

为单位能量消耗成本，

为单位带宽成本；

然后，边缘节点u计算本地优化的效用函数：

步骤四、利用效用函数对边缘节点u进行本地优化，通过优化计算资源和带宽资源确定本地最优的带宽分配决策

和最优的计算资源分配决策

首先，构建边缘节点本地优化问题：

s.t.C0-1:

C0-2:

C0-3:

C0-4:

C0-5:

f^loc(t)为计算资源，

b^loc(t)为带宽资源，

其中C0-1和C0-2表示资源决策应该是正值，C0-3表示分给用户的总带宽不能超过节点u的资源能力

C0-4表示分给节点u的总计算资源不应超过节点u的总计算能力

C0-5表示节点u渲染的数据量不应超过用户的最大需求；

然后，将本地优化问题进行转化；

定义

为变量

的一个下限值，将优化问题P₀等价转化为如下形式：

s.t.C1-1:

C1-2:

C1-3:

C1-4:

C1-5:(C0-1)-(C0-4)

接着，构建拉格朗日函数：

其中，τ(t)，χ(t)，

均为拉格朗日乘子。

依据Karush-Kuhn-Tucker(KKT)条件，得出节点u最优的本地计算资源分配和最优的带宽资源分配：

最后，采用次梯度优化方法对拉格朗日乘子进行更新，迭代优化获得边缘节点最优的本地优化结果

和

步骤五、每个边缘节点依据各自的优化结果计算自己的剩余资源，并识别自身类型为请求节点或协作节点，各协作节点将剩余资源以算力交易形式发布到网络中；

首先，边缘节点u计算本地剩余资源，计算公式为：

然后，边缘节点u依据剩余资源判断自身的类型，其方法如下：

其中ε为节点类型判断阈值，

和

分别为请求节点和协作节点集合，且

最后，识别结果为协作节点的节点将自己的剩余资源以算力交易形式发布到网络中；

步骤六、各请求节点为资源匮乏的节点，结合自身需求以及网络中发布的算力信息确定资源购买价格，将各自的资源购买价格和购买预算以请求交易的形式广播发送给各协作节点；

步骤七、各协作节点为资源充足的节点，收到请求后结合各请求节点的出价，基于凸优化理论以最大化自身收益为目标，做出各自的协作决策并提供协同计算服务；

协作决策即：选择需要提供服务的请求节点以及资源数目。

步骤八、各请求节点在收到各自的服务结果后向对应的协作节点支付资源价格，对应协作节点获得支付结果后生成协作交易。

步骤九、各个节点从区块链中读取区块链的性能数据，各协作节点结合自身的算力状况计算各自的信任值，利用信任值从协作节点中选择区块生成节点；

首先，针对协作节点m′计算行为能力和资源能力：

其中，

为协作节点m′的行为能力，反映了协作节点m′过去时间段Δτ内维护区块链的平均时延能力，

为时隙τ的区块链时延，

为协作节点m′当前时刻的剩余资源能力；

然后，计算协作节点m′的信任值：

其中ω₁和ω₂为不同的信任权重，且ω₁+ω₂＝1；

最后，判断协作节点m′是否为区块生产者：

其中y_m′(t)＝1表示协作节点m′为当前的区块生产者，否则，协作节点m′不是当前的区块生产者。

步骤十、区块生成节点搜集网络中的算力交易、请求交易和协作交易，并打包成区块在网络中进行广播；

首先，区块生成节点计算区块的大小：

式中K表示一个交易的大小，

表示集合

的大小。

步骤十一、区块生成节点分别记录区块的生成时延

区块在网络中的传输时延

以及区块的验证时延

计算区块链的整体时延，并将其写入到区块头字段，将区块记录到区块链中。

区块链的整体时延

计算公式为：

本发明的优点在于：

1)本发明算网中基于区块链的算力安全感知及协同方法，采用区块链技术实现网络中的实时信息发布和交易记录，能够实时保障算网中算力感知及协作的安全性；

2)本发明算网中基于区块链的算力安全感知及协同方法，基于凸优化理论设计了一种最优的本地资源优化方案，能够实时准确的计算节点在每一个时隙的剩余资源，并依据剩余资源识别自身类型，基于该优化方案，节点通过区块链将该信息发布到网络中，保障了算力感知的实时性和准确性；

3)本发明算网中基于区块链的算力安全感知及协同方法，结合节点的历史行为及资源能力对节点的信任值进行了评估，并基于该信任值提出了一种共识算法，有效提高了算力感知及协作的效率。

附图说明

图1为本发明基于区块链的算力安全感知及协同方法的原理图；

图2为本发明算网中基于区块链的算力安全感知及协同方法的流程图；

图3为本发明实施例中搭建的算力网络中基于区块链的算力感知和协同架构示意图。

具体实施方式

下面结合附图和示例对本发明做进一步的阐述。

本发明基于区块链技术为算力网络提出一种安全的实时算力安全感知及协同方法，在该方法中区块链作为顶层的信息平台实现算力状态的实时发布和交易记录，考虑到传统区块链的性能，本发明还设计了一种高效的基于信任的共识机制，来适配算网中实时的算力感知和协作需求，提高算网资源的感知和协同效率。通过本发明所设计的节点本地资源优化方案，可以实现节点算力状态的准确自感知，每个节点可以将自身的资源状态通过区块链实时发布到网路中，进而实现全网算力信息的互感知。

如图1所示，基于区块链的算力安全感知及协同方法，主要分为以下几部分：

首先，用户向所接入的边缘节点发起任务请求，该任务请求中包含了用户需要计算的任务类型及任务大小；边缘节点收到本地用户的请求后，通过评测接入用户的无线信道情况，为用户分配计算资源及带宽资源；通过本地资源优化后，边缘节点计算自己的剩余资源，并识别自身类型，例如请求节点或者协作节点，协作节点将自己的剩余资源以交易(算力交易)的形式发布到网络中；

然后，请求节点根据自身需求并结合网络中发布的算力信息确定资源购买价格，并将协作请求(包括资源价格和购买预算)以交易(称为请求交易)的形式发送给协作节点；协作节点收到协作请求后，开始做出协作决策(选择需要提供服务的请求节点以及资源数目)，并为请求节点提供协同计算服务。请求节点在收到服务结果后向协作节点支付资源价格。当协作节点获得支付结果后，在协作节点侧会生成协作交易(称为协作交易)。

最后，各个节点从区块链中读取区块链的性能数据并结合当前节点的算力状况计算网络中节点的信任值，之后依据各协作节点的信任值在协作节点中选择区块生成节点；区块生成节点负责从网络中收集各类交易，包括算力交易、请求交易和协作交易，并将所有的交易打包成一个区块；在网络中进一步广播该区块，以便与其他边缘节点达成共识。一旦整个网络在节点之间达成共识，该区块最终将被记录到区块链中。

如图2所示，所述算网中基于区块链的算力安全感知及协同方法步骤如下：

步骤一、搭建包括用户，边缘节点的动态场景；

边缘节点的集合为U＝{1,2,...u,...,U}，在时隙t接入节点u的用户集合为

步骤二、在时隙t，用户i向所接入的边缘节点u发起任务请求，边缘节点依据用户的请求计算获得的收益；

首先，边缘节点u收集所接入用户i的请求，并计算所接入用户i的下行速率：

其中

表示边缘节点u为用户i分配的带宽资源，

为信干噪比；

然后，计算边缘节点u为用户i提供的渲染数据量：

其中，

a为视频渲染转换率，

为节点u为本地用户i分配的本地渲染资源，η_u为节点u一个CPU周期渲染的数据量，Δt为时间窗口。

最后，边缘节点u计算从用户i所获得的收益：

其中，

为节点u从用户i侧获得的最大收益，

为用户i所请求的最大播放速率。

步骤三、边缘节点u计算渲染成本，并结合收益进一步计算效用函数；

首先，边缘节点u计算本地的渲染成本，包括渲染能耗以及相应传输成本：

其中α_u为边缘节点u的CPU能量转换效率，

为单位能量消耗成本，

为单位带宽成本；

然后，边缘节点u计算本地优化的效用函数：

步骤四、利用效用函数对边缘节点u进行本地优化，通过优化计算资源和带宽资源确定本地最优的带宽分配决策

和最优的计算资源分配决策

首先，构建边缘节点本地优化问题：

s.t.C0-1:

C0-2:

C0-3:

C0-4:

C0-5:

f^loc(t)为计算资源，

b^loc(t)为带宽资源，

其中C0-1和C0-2表示资源决策应该是正值，C0-3表示分给用户的总带宽不能超过节点u的资源能力

C0-4表示分给节点u的总计算资源不应超过节点u的总计算能力

C0-5表示节点u渲染的数据量不应超过用户的最大需求，否则会降低渲染效率，造成资源浪费。

其次，将本地优化问题进行转化：

定义

为变量

的一个下限值，然后问题P₀可以等价转化为如下形式：

s.t.C1-1:

C1-2:

C1-3:

C1-4:

C1-5:(C0-1)-(C0-4)

再次，关于上述问题构建拉格朗日函数：

其中，τ(t)，χ(t)，

均为拉格朗日乘子。

依据Karush-Kuhn-Tucker(KKT)条件，可以得出节点u最优的本地计算资源分配和最优的带宽资源分配：

最后，采用次梯度优化方法对拉格朗日乘子进行更新，迭代优化获得边缘节点最优的本地优化结果

和

步骤五、每个边缘节点依据各自的优化结果计算自己的剩余资源，并识别自身类型为请求节点或协作节点，各协作节点将剩余资源以算力交易形式发布到网络中；

首先，边缘节点u的计算本地剩余资源情况：

其中，

为节点u的最大计算资源，

为本地优化的结果。

然后，边缘节点u依据剩余资源判断自身的类型，其方法如下：

其中ε为节点类型判断阈值，

和

分别为请求节点和协作节点集合，且

最后，识别结果为协作节点的节点将自己的剩余资源以算力交易形式发布到网络中；

步骤六、各请求节点为资源匮乏的节点，结合自身需求以及网络中发布的算力信息确定资源购买价格，将各自的资源购买价格和购买预算以请求交易的形式广播发送给各协作节点；

步骤七、各协作节点为资源充足的节点，收到请求后结合各请求节点的出价，基于凸优化理论以最大化自身收益为目标，做出各自的协作决策并提供协同计算服务；

协作决策即：选择需要提供服务的请求节点以及资源数目。

步骤八、各请求节点在收到各自的服务结果后向对应的协作节点支付资源价格，对应协作节点获得支付结果后生成协作交易。

步骤九、各个节点从区块链中读取区块链的性能数据，各协作节点结合自身的算力状况计算各自的信任值，利用信任值从协作节点中选择区块生成节点；

信任值只需要计算协作节点的信任值，选择区块生成节点也必须从协作节点集合中选取，因为协作节点资源要比请求节点资源充足，这样能够保证系统性能。

首先，针对协作节点m′计算行为能力和资源能力：

其中，

为协作节点m′的行为能力，反映了节点过去时间段Δτ内维护区块链的平均时延能力，

为时隙τ的区块链时延，

为协作节点m′当前时刻的剩余资源能力；

然后，协作节点m′依据下式计算信任值：

其中ω₁和ω₂为不同的信任权重，且ω₁+ω₂＝1；

最后，节点依据下式从协作节点的集合中选择区块生产者，判断协作节点m′是否为区块生产者：

其中y_m′(t)＝1表示协作节点m′为当前的区块生产者，否则，协作节点m′不是当前的区块生产者。

步骤十、区块生成节点搜集网络中的算力交易、请求交易和协作交易，并打包成区块在网络中进行广播，以便与其他边缘节点达成共识；

首先，区块生生成节点收集网络中的交易，并计算区块的大小：

式中K表示一个交易的大小，

表示集合

的大小。

步骤十一、区块生成节点分别记录区块的生成时延

区块广播到网络中，在网络中的传输时延

以及区块生成节点等待其他节点进行验证，区块对应的验证时延

计算区块链的整体时延，并将其写入到区块头字段，将区块记录到区块链中。

区块链的整体时延

计算公式为：

实施例：

如图3所示，为本实施例搭建了算力网络中基于区块链的算力感知和协同架构，其中区块链被部署为资源发布和交易的可信管理平台。以增强现实任务(VR)业务为例，架构的整体介绍如下：

用户通过使用VR设备可以体验身临其境的VR视频，假设用户请求的所有VR视频都提前缓存在了MEC系统中；如果用户请求VR服务，MEC需要提供计算资源以帮助用户渲染视频块；然后，通过下行链路将渲染的视频块传输到用户侧。考虑到网络中单个节点有限的算力资源，节点之间可以相互协作完成用户的任务请求。通过本实施例设计的节点本地资源优化方案，每个节点可以准确计算自己的算力状态，并通过区块链将算力资源情况发布到网络中，依据资源状态，网络中的节点被分为两种类型，例如请求节点和协作节点；请求节点作为资源匮乏的节点需要网络中其他节点提供协助才能完成用户的计算任务；而协作节点的资源充足，可以将自己的资源状态通过区块链发布到网络中，并出售自己的算力资源，以获得网络收益。节点之间具体的资源买卖交易方案，例如请求节点的资源价格优化和协作节点的资源出售方案不是重点，而他们之间的资源买卖交易信息可以记录到区块链中，以实现协作的安全性。

具体过程为：

首先，在系统中搭建一个动态的场景，其渲染服务在几个时隙内完成，t＝{1,2,...,T}；定义U＝{1,2,...u,...,U}为边缘节点的集合，并且假设用户的请求是随机到达的。假设在时隙t，接入节点u的集合为

根据用户的请求，每个节点可以判断自身的类型，即请求节点或者协作节点，其中请求节点为资源匮乏的节点，因此需要确定价格从网络中购买资源；协作节点为资源充足的节点，可以出售自己的资源以获得收益。

在时间窗口Δt内，节点为用户渲染的数据量表示为

对于本地渲染过程，节点u的收益主要与用户侧收到的数据量有关，该数据量表示为：

其中

为下行链路节点u到用户i的数据传输速率。依据香农公式，该速率可以表示为

假设用户i所支持的最大播放速率为

为了获得收益并保证渲染的效率，节点u为用户i所提供的渲染资源应该满足

相应的，边缘节点u计算从用户i所获得的收益表示为：

本地的渲染成本主要包括渲染过程中的能量消耗以及相应传输成本两个因素。定义

和

分别为单位能量消耗成本和单位带宽成本。因此本地的渲染成本可以表示为：

相应的边缘节点u的效用函数表示为：

本地优化的目标是确定最优的带宽和计算资源分配，进而获得最大的收益并确定节点的剩余资源，依据剩余资源节点可以判断自身的节点类型。

每个节点通过计算本地剩余资源可以识别自身节点的类型，例如请求节点或者协作节点，定义

和

为节点u的最大计算资源和最大带宽资源，节点的剩余资源可以表示为：

节点的类型的判断方法如下所示：

相应的接入到请求节点和协作节点集合的用户可以重新定义为

和

在算力网络中，区块链用来记录和发布重要的信息。区块链需要完成2个步骤来处理交易：第一步是区块生成，第二步是区块共识。

区块生产者需要收集网络中的信息，并将其打包成区块，定义

为协作节点m′打包区块时所投入的计算资源，因此可以得出节点打包一个区块所用的时间为：

其中S_b(t)和C_b分别表示区块的大小以及生成1bit区块所需要的周期数。例如前文所提，本实施例考虑三种不同类型的交易，例如算力交易、请求交易、协作交易。因此区块的大小可以表示为：

当区块生产者完成一个区块后，该区块将进一步分发到网络中进行验证，假设节点之间采用有线传输，节点m与节点u之间的传输速率为

因此可以得出区块在网络中的传输时延，即

假设

为节点u验证一个区块所需要的计算资源，由此可以得出区块的验证试验，即为

假设

为区块链记录交易的整体时延，经过以上分析，该实验可以表示为：

接下来介绍本实施例所提出的PoT共识算法，网络中的节点需要依据节点的信任值选举该时刻的区块生产者，节点的信任值主要与两个因素有关，例如节点的历史行为和节点的资源能力。一方面，节点的历史能力主要与节点过去一段时间Δτ内，维护区块链的平均时延有关，可以表示为：

另一方面，节点的资源能力，主要与节点当前时刻的剩余资源有关，并且可以表示为：

基于以上分析，节点的信任值可以表示为

因此可以得出

与工作证明(PoW)共识机制相比，PoT利用信任评估结合实时投票来选择区块生产者，提高了共识速度，节省了大量资源。

本实施例中，所有节点要进行本地优化，通过优化计算资源f^loc(t)和带宽资源b^loc(t)以确定本地的剩余资源，进而判断自身的节点类型，本地优化问题如下：

s.t.C0-1:

C0-2:

C0-3:

C0-4:

C0-5:

在网络中，本地资源优化需要优先分配给用户，然后才能确定节点的剩余资源状况以及节点的身份类型正如前文所提，定义

为变量

的一个下限值，然后问题P₀可以等价转化为如下形式：

s.t.C1-1:

C1-2:

C1-3:

C1-4:

C1-5:(C0-1)-(C0-4)

由于该问题是一个凸问题，因此可以采用拉格朗日乘子法进行求解。拉格朗日函数可以表示为：

对公式(13)分別关于变量ξ_u,i(t)，

求一阶偏导，并令其偏导为0，可以得出：

由上述公式得出节点最优的本地计算资源分配，表示为：

依据Karush-Kuhn-Tucker(KKT)条件，可以得出

因为

所以可以得知(ρ_u,i(t)-ψ_u,i(t))＞0，基于以上分析可以得出最优的带宽资源分配策略：

其中，

接下来采用次梯度优化方法更新拉格朗日乘子，更新方法如下：

其中

为第l次迭代的步长。

本发明所提出的基于区块链的算力感知及协同方法，保障了算力网络中算力感知的安全性、准确性和实时性；考虑到区块链的性能，提出的基于信任的共识算法，能够提高区块链的效率，进而保障了算网中算力感知及节点协作的效率；考虑到算力网络中的各类动态因素，本发明基于凸优化理论为节点设计了一种资源自感知方案，能够使节点在每一时刻准确感知自己的资源状况，通过高性能区块链对该信息进行实时发布，解决了算力网络中算力感知的实时性及准确性问题。

Claims (6)

1.算网中基于区块链的算力安全感知及协同方法，其特征在于，具体步骤如下：

步骤一、搭建包括用户和边缘节点的动态场景；

边缘节点的集合为U＝{1,2,...u,...,U}，在时隙t接入节点u的用户集合为

步骤二、在时隙t，用户i向所接入的边缘节点u发起任务请求，该任务请求中包含了用户需要计算的任务类型及任务大小；边缘节点依据用户的请求计算获得的收益；

步骤三、边缘节点u收到本地用户的请求后，通过评测接入用户的无线信道情况，计算渲染成本，并结合收益进一步计算效用函数；利用效用函数对边缘节点u进行本地优化，通过优化计算资源和带宽资源确定本地为用户分配的最优带宽分配决策

和最优的计算资源分配决策

具体过程为：

首先，构建边缘节点本地优化问题：

f^loc(t)为计算资源，

b^loc(t)为带宽资源，

为节点u从用户i侧获得的最大收益，

为边缘节点u为用户i提供的渲染数据量，

为用户i所请求的最大播放速率；Δt为时间窗口；α_u为边缘节点u的CPU能量转换效率，

为节点u为本地用户i分配的本地渲染资源，

表示边缘节点u为用户i分配的带宽资源，

为单位能量消耗成本，

为单位带宽成本；

其中C0-1和C0-2表示资源决策应该是正值，C0-3表示分给用户的总带宽不能超过节点u的资源能力

C0-4表示分给节点u的总计算资源不应超过节点u的总计算能力

C0-5表示节点u渲染的数据量不应超过用户的最大需求；

然后，将本地优化问题进行转化；

定义

为变量

的一个下限值，将优化问题P₀等价转化为如下形式：

C1-5:(C0-1)-(C0-4)

接着，构建拉格朗日函数：

其中，τ(t)，χ(t)，

均为拉格朗日乘子；

依据Karush-Kuhn-Tucker(KKT)条件，得出节点u最优的本地计算资源分配和最优的带宽资源分配：

最后，采用次梯度优化方法对拉格朗日乘子进行更新，迭代优化获得边缘节点最优的本地优化结果

和

步骤四、每个边缘节点依据各自的优化结果计算自己的剩余资源，并识别自身类型为请求节点或协作节点，各协作节点将剩余资源以算力交易形式发布到网络中；

步骤五、各请求节点根据自身需求并结合网络中发布的算力信息确定资源购买价格，并将各自的包括资源价格和购买预算的协作请求以请求交易的形式广播发送给协作节点；

步骤六、各协作节点收到协作请求后，结合各请求节点的出价，基于凸优化理论以最大化自身收益为目标，开始做出协作决策并为请求节点提供协同计算服务；

协作决策即：选择需要提供服务的请求节点以及资源数目；

步骤七、各请求节点在收到各自的服务结果后向对应的协作节点支付资源价格，当对应协作节点获得支付结果后，生成协作交易；

步骤八、各个节点从区块链中读取区块链的性能数据，各协作节点结合自身的算力状况计算各自的信任值，利用信任值从协作节点中选择区块生成节点，从网络中收集各类交易，并打包成区块；在网络中广播并记录到区块链中，以便与其他边缘节点达成共识。

2.如权利要求1所述的算网中基于区块链的算力安全感知及协同方法，其特征在于，所述边缘节点u获得的收益，计算过程为：

首先，边缘节点u收集所接入用户i的请求，并计算所接入用户i的下行速率：

其中

为信干噪比；

然后，计算边缘节点u为用户i提供的渲染数据量：

其中，

a为视频渲染转换率，η_u为节点u一个CPU周期渲染的数据量；

最后，边缘节点u计算从用户i所获得的收益：

3.如权利要求1所述的算网中基于区块链的算力安全感知及协同方法，其特征在于，所述效用函数计算过程为：

首先，边缘节点u计算本地的渲染成本，包括渲染能耗以及相应传输成本：

然后，边缘节点u计算本地优化的效用函数：

4.如权利要求1所述的算网中基于区块链的算力安全感知及协同方法，其特征在于，所述每个边缘节点计算剩余资源，并识别自身类型的过程为：

首先，边缘节点u计算本地剩余资源，计算公式为：

然后，边缘节点u依据剩余资源判断自身的类型，其方法如下：

其中ε为节点类型判断阈值，

和

分别为请求节点和协作节点集合，且

5.如权利要求1所述的算网中基于区块链的算力安全感知及协同方法，其特征在于，所述从协作节点中选择区块生成节点的具体过程为：

首先，针对协作节点m′计算行为能力和资源能力：

其中，

为协作节点m′的行为能力，反映了协作节点m′过去时间段Δτ内维护区块链的平均时延能力，

为时隙τ的区块链时延：

为区块生成节点收集各交易并打包区块的生成时延；

为区块在网络中的传输时延，

为区块的验证时延；

为协作节点m′当前时刻的剩余资源能力；

然后，计算协作节点m′的信任值：

其中ω₁和ω₂为不同的信任权重，且ω₁+ω₂＝1；

最后，判断协作节点m′是否为区块生产者：

其中y_m′(t)＝1表示协作节点m′为当前的区块生产者，否则，协作节点m′不是当前的区块生产者。

6.如权利要求1所述的算网中基于区块链的算力安全感知及协同方法，其特征在于，所述区块生成节点计算区块的大小：

式中K表示一个交易的大小，

表示集合

的大小。

Images