CN115802323A - 一种基于边缘计算-d2d的区块链资源共享方法 - Google Patents

Abstract

本发明公开了一种基于边缘计算‑D2D的区块链资源共享方法包括：建立边缘计算‑D2D计算资源共享框架模型，并使用拉格朗日插值法预测挖掘过程中移动设备的轨迹；基于对于移动终端的移动轨迹预测建立区块链模型；建立两阶段多领导多跟随斯塔伯格博弈模型，提出优化目标；证明两阶段斯塔克尔伯格博弈的纳什均衡点存在；使用一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略；不仅通过提高矿工成功挖掘出块的概率从而提高了矿工的收益，减少了矿工的通信成本；提高了矿工的效用；通过求解出矿工向各个移动中申请的最优资源请求量得到矿工的最大效益；通过求解出移动终端向各个买家矿工确定的最优资源单价得到移动终端的最大效益。

Description

一种基于边缘计算-D2D的区块链资源共享方法

技术领域

本发明涉及计算机通信技术领域，具体为一种基于边缘计算-D2D的区块链资源共享方法。

背景技术

区块链技术作为分布式账本，以加密保护的链接块的形式记录数据，被广泛应用在加密货币、金融服务、物联网等各种领域。共识协议是区块链的核心，定义了促使区块链有效运转的激励机制，是区块链信任的基础。常见的共识协议有工作量证明(Proof ofWork,PoW)，权益证明(Proof of Stake,PoS)，委托权益证明(Delegated Proof of Stake,DPoS)等，其中工作量证明(PoW)协议应用最为广泛。在基于POW的区块链网络中，矿工需要解决一个具有计算挑战性的PoW难题，一旦成功就把计算出的PoW难题结果广播给整个区块链网络的其他矿工验证，经验证结果正确后才能将新块附加到区块链上。因此，PoW确保了区块链的安全性和可靠性。

然而由于PoW对于身为矿工的终端设备的内存、电池和处理能力等计算和通信方面具有很高需求。为了支持挖掘任务，矿工将挖掘任务卸载到边缘和相邻的非挖掘设备被证明为是一种有效的方法。边缘计算可在移动网边缘提供服务环境和计算能力，相比将计算任务卸载到远程云端的做法，减少了网络操作和服务交付的时延，提高了用户体验。然而，随着终端服务需求的不断增长，已部署的边缘云设备服务压力不断增加，并且成本压力限制了运营商对现有设备的升级，为缓解边缘云设备压力，提高网络边缘的整体计算能力，通过设备到设备(D2D，device-to-device)通信直接进行资源共享的解决方案应运而生。区块链技术和资源共享技术的结合解决了区块链运行需要大量计算资源和能源的难题，近年来得到了广泛关注。

目前对于区块链资源共享博弈过程常见的应用场景是单领导多跟随的斯塔伯格博弈过程，作为领导者的只有单个边缘服务器，而缺少多领导者多跟随者的复杂应用场景研究。此外目前常见的文献研究中对于D2D通信中的设备移动性的描述通常建模为优化时延和能耗的加权，或者是将移动概率简单的建模为某种分布，缺乏事实根据。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述存在的问题，提出了本发明。

因此，本发明解决的技术问题是：目前对于区块链资源共享博弈过程常见的应用场景是单领导多跟随的斯塔伯格博弈过程，作为领导者的只有单个边缘服务器，而缺少多领导者多跟随者的复杂应用场景研究，对于D2D通信中的设备移动性的描述通常建模为优化时延和能耗的加权，或者是将移动概率简单的建模为某种分布，缺乏事实根据。

为解决上述技术问题，本发明提供如下技术方案：一种基于边缘计算- D2D的区块链资源共享方法，其特征在于，包括：

建立边缘计算-D2D计算资源共享框架模型，并使用拉格朗日插值法预测挖掘过程中移动设备的轨迹；

基于对于移动终端的移动轨迹预测建立区块链模型；

建立两阶段多领导多跟随斯塔伯格博弈模型，提出优化目标；

证明两阶段斯塔克尔伯格博弈的纳什均衡点存在；

使用一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：边缘计算-D2D计算资源共享框架模型，包括：

移动设备接收到来自矿工计算资源请求，组成的协同挖掘网络和边缘服务器为矿工提供计算资源；

挖掘任务优先转移到协同挖掘网络内的移动终端。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：挖掘任务优先转移到协同挖掘网络内的移动终端，包括：

移动终端全部接受矿工的计算申请；

若移动终端的可用资源无法达到矿工需求时，此时移动设备将挖掘请求转向发送给边缘服务器；

若移动终端的可用资源可以达到矿工需求时，此时移动设备可以得到一轮挖掘指令。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：拉格朗日插值法根据移动设备的历史移动轨迹预测出挖掘过程中移动设备的移动轨迹，包括：

选取移动设备历史移动轨迹点拟合出表示该移动设备移动轨迹的拉格朗日插值函数；

矿工收到周围挖掘设备的当前位置信息，预测移动终端在时间t后的坐标，得到一轮挖掘过程中移动终端没有移动出矿工最大通信范围的概率

其中，P是矿工i与移动终端j通信成功的概率。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：对于移动终端的移动轨迹预测建立区块链模型还包括：

一轮完整的区块链添加新块的过程包括块挖掘过程和块验证过程，在块挖掘过程中，一个移动终端的有效计算能力与相应矿工租用的计算资源成比例，成功挖掘出块的概率：

其中，矿工i在挖掘设备j上租用的资源量为

挖掘设备j；表示移动终端 j全部接受矿工i的计算申请。当移动终端的可用资源无法达到矿工需求时，此时移动设备将挖掘请求转向发送给边缘服务器，表示挖掘设备j将矿工i 的计算请求全部上传到边缘服务器上。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：移动终端的传播延迟的预测，表示为：

矿工i成功挖掘并成功验证的概率为：

其中，

是边缘服务商向协同挖掘网络传播挖掘结果的传播时延，最大传播时延：t_j＝max_k∈M\j{t_{j,k}}，传播时延造成分叉的概率为：

其中h为块头数据大小，N_j是挖掘结果大小，B为带宽大小，P_j是挖掘设备j 的发射功率；h_jk为挖掘设备j和挖掘设备k之间复高斯分布的瑞利衰落系数； N₀为加性高斯白噪声功率，α是路径损耗系数，d_jk是挖掘设备j和挖掘设备k之间的的距离，λ为区块链块间隔到达速率。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：两阶段多领导多跟随斯塔伯格博弈模型，包括：

第一阶段协同挖掘网络内移动终端的优化目标为：

约束为

c为移动终端单位计算资源成本，h为边缘服务器单位计算资源成本，K_j是移动终端j的最大可用资源；

弈第二阶段矿工i的优化目标：

约束为，R为挖矿成功后矿工获得的奖励，是矿工i的最大预算；

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：证明两阶段斯塔克尔伯格博弈的纳什均衡点存在，

假设

其中

可以保证矿工参与的子博弈是一个凹博弈，纳什均衡存在。将矿工效用函数二次求导结果置为0，可得到矿工最优资源需求；假设

移动终端侧子博弈问题相对于 p_j是凸的。

该解的唯一性进一步保证了全局收敛，并且在领先阶段找到纳什均衡的情况下实现了斯塔伯格克尔均衡。

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：收集资源单价和资源需求，包括：

初始化矿工i的相关系数B_i，挖掘设备j的相关系数，K_j,P_j,c,h通信相关参数λ，σ²，输入为移动终端的资源单价：P＝{p₁,p₂,…,p_n}；

矿工的资源需求：C＝{C₁,C₂,…,C_m}，阈值ε，迭代次数k；

每个矿工i接收到每个移动终端的坐标信息和定价，并预测其他矿工的最优资源申请，在每轮迭代内更新自己的资源需求；

矿工i确定向每个移动终端的资源需求：

作为本发明所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略：

每个挖掘设备j以步长δ更新定价，预测矿工对每个挖掘设备的最优请求C^*，如果定价更新后的利润更高，那么更新后的定价

如果||P^(k)-P^(k-1)||＜ε，返回矿工最优资源需求C^*和P^(k)；否则k←k+1。

本发明的有益效果：本发明提出了一个边缘计算-D2D资源共享框架，为区块链矿工提高自身计算能力提供了一种解决方案。不仅通过提高矿工成功挖掘出块的概率从而提高了矿工的收益，而且矿工以D2D的方式卸载挖掘任务减少了矿工的通信成本；本发明还考虑了矿工与移动终端以D2D的通信方式卸载挖矿任务的背景下，移动终端的移动性对于区块链挖矿的影响；通过收集移动终端历史移动信息预测未来移动范围，基于对移动终端未来移动轨迹的预测得到移动终端在区块链共识阶段成功达成共识的概率以及移动终端在挖掘过程中停留在矿工通信范围内以保证D2D通信成功的概率。相比于缺少移动性预测的矿工卸载策略，本发明提出的方法中矿工能做出更理性的卸载策略，合理的向各个移动终端分配申请的计算资源量，在移动性弱，通信成功率高的移动终端上卸载更多的挖掘任务，矿工的基于移动性预测的卸载策略提高了块成功共识的概率以及块结果成功交付的概率，从而提高了矿工的效用；本发明将资源买卖双方的交互建模为多领导多跟随的斯塔克尔伯格博弈，并提出一种异步算法求解矿工最优购买策略和移动终端最优定价策略，通过求解出矿工向各个移动中申请的最优资源请求量得到矿工的最大效益；通过求解出移动终端向各个买家矿工确定的最优资源单价得到移动终端的最大效益。。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一个实施例提供的一种基于边缘计算-D2D的区块链资源共享方法的流程图；

图2为本发明第二个实施例提供的一种基于边缘计算-D2D的区块链资源共享方法的系统模型图；

图3为本发明第二个实施例提供的一种基于边缘计算-D2D的区块链资源共享方法的一种求解优化目标的算法流程；

图4为本发明第二个实施例提供的一种基于边缘计算-D2D的区块链资源共享方法的实验仿真图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1，为本发明的一个实施例，提供了一种基于边缘计算-D2D的区块链资源共享方法，包括：

S1：建立边缘计算-D2D计算资源共享框架模型。

基于区块链的D2D辅助的M边缘计算资源共享框架如图2所示，在挖掘过程中，矿工试图解决的PoW难题高度依赖于矿工终端设备的计算资源。换言之，具有更多计算资源的矿工将有更大的概率解决这个PoW难题。然而，矿工终端设备的计算资源通常是有限的。矿工M＝{1,2,3,…,M}可以从边缘服务器和协同挖掘网络租赁一些资源，确保可以有效地完成采矿过程。协同挖掘网络由周围具有空闲资源和POW计算能力的移动挖掘设备N＝{1,2,3,…,N}组成，可供租赁的资源是有限的；边缘服务器通过基站与挖掘设备和矿工相连，位置固定且链路稳定，边缘服务器可供租赁的资源是无约束的。首先，协同挖掘网络中的挖掘设备向矿工发送自己所处的地理位置，矿工向各个挖掘设备发送计算请求，在每个决策时间段内矿工i向挖掘设备j申请的计算资源表示为

为了降低通信成本，挖掘任务优先转移到协同挖掘网络内的挖掘设备上。当挖掘设备的资源无法达到需求时，此时挖掘设备将挖掘请求转向发送给边缘服务器。当矿工i决定将挖掘设备j作为卸载对象时，

表示挖掘设备j全部接受矿工i的计算申请，

表示挖掘设备j将矿工i的计算请求全部上传到边缘服务器上。边缘服务器出售的计算资源量为

一个挖掘设备的成功挖掘出块与相应矿工租用的计算资源成比例。矿工i 在挖掘设备j上租用的资源量为

挖掘设备j成功挖掘出块的概率为：

S2：使用拉格朗日插值法根据移动设备的历史移动轨迹预测出挖掘过程中移动设备的移动轨迹。

当协同挖掘网络中的挖掘设备或者边缘服务器计算出POW问题后会将结果广播给整个协同挖掘网络进行验证，如果传播时延过长，则在未接收到新块产生时其他挖掘设备继续挖掘导致在旧块的基础上产生分叉的概率越大。在产生分叉的情况下，则会出现有若干个挖掘设备的挖掘结果都会被接受成为新块的情况，此时则舍弃这一轮挖掘过程，重新开始新一轮挖掘。分叉情况不仅会浪费计算资源和电源，而且会拖延新区块链的生成。本发明中基于拉格朗日插值法预测每个移动设备的地理坐标，从而预测传播时延和通信失败概率，基于拉格朗日插值法的轨迹预测算法如下：

将移动终端j的n个历史位置坐标

存储在定位数据库中，其中 i＝0,1,2,…,n，生成拉格朗日n次多项式函数。

将位置坐标

代入上式求解出系数

式 (2)化简为：

生成轨迹多项式后可以通过计算

处的切线方向来预测运动方向，如下图所示。

处切线方向分解为向量

矿工收到周围挖掘设备j的当前的位置坐标

假设挖掘设备的移动速度v_j在[V_min,V_max]范围内服从平均分布，预测移动终端在时间t后的坐标为

矿工i的通信范围为R_i，当挖掘设备在挖矿时间内停留在矿工i的通信范围内时才能保证挖矿成功，挖掘设备k在挖矿时间T内停留在矿工i的通信范围内的概率为

其中

假设块的到达服从泊松分布，则由于传播时延造成分叉的概率为

λ体现了区块链块间隔到达速率。

基于位置预测的挖掘设备j向其他挖掘设备k传播时延为：

其中h为块头数据大小，N_j是挖掘结果大小，P_j是挖掘设备j的发射功率；h_jk为挖掘设备j和挖掘设备k之间信道衰落系数；d_jk是挖掘设备j和挖掘设备k之间的的距离，由矿工j和矿工k位置预测结果(x_j',y_j')，(x_k',y_k') 的欧氏距离得到。

t_j是挖掘设备j向协同挖掘网络挖掘设备传播结果的最大传播时延 t_j＝max_k∈M\j{t_{j,k}}；

是边缘服务商向协同挖掘网络传播挖掘结果的传播时延，边缘服务器通过基站与协同挖掘网络通信，具有稳定的链路，由于挖掘结果到达各个挖掘设备的传播时延差异微小，可忽略时延差异取传播时延的平均值

矿工i挖掘出块的能力与所有资源供应商有关，所以矿工i成功挖掘块并成功验证的概率为：

S3：建立领导者为移动终端，跟随者为矿工的两阶段多领导多跟随斯塔伯格博弈模型，提出优化目标。

将申请计算资源的矿工和计算服务提供商之间的交互建模为信息完备的多领导单跟随的斯塔克尔伯格博弈。挖矿设备为领导者，首先设定其单位资源的单价，矿工为跟随者，根据挖矿设备的价格和传播时延来确定其最优计算服务请求。在斯塔克尔伯格博弈第一阶段，协同挖掘网络内的竞争为非合作子博弈，每个挖掘设备通过考虑其他挖掘设备的定价和收到的资源请求来设定价格。在斯塔克尔伯格博弈第二阶段，矿工通过考虑资源单价和预算来确定向各个挖矿设备申请的计算资源量。

第二阶段矿工的效用在预算约束下决定其服务需求以最大效用，其中效用为预期报酬减去相应的计算成本和通信成本。B_i是矿工i的最大预算，R 为成功挖掘出块后矿工获得的奖励，P_suc为矿工成功挖掘出块的概率，

为矿工i向移动终端j申请的计算资源量。挖掘设备j的单位资源要价为p_j，矿工i的优化目标如下：

第一阶段挖掘设备的效益函数为出售计算资源获得的收入减去相应的成本，另一方面，当矿工的请求上传到边缘服务器时，还要减去支付给边缘服务器的计算资源支出。由于边缘服务器的规模远大于协同挖掘网络协同挖掘网络，我们认为协同挖掘网络内各挖掘设备的策略不会对边缘服务器的收入产生明显影响，因此，边缘服务器将始终保持计算资源的固定单价。协同挖掘网络内挖掘设备的优化目标为：

K_j为挖掘设备j的最大可用计算资源，

为移动终端j向矿工i在矿工通信范围内成功交付结果的概率，c为移动终端单位计算资源的成本，h为边缘服务器单位计算资源成本。由于挖掘设备具有计算资源上的限制，所以当挖掘设备收到的请求超过其资源上限时，就必须把收到的部分请求转移到边缘服务器上。然后，较长的传播时延会降低挖矿成功的概率，从而导致挖掘设备收到的请求减少，从而是移动终端的收益减少。我们的目标是在每轮博弈过程中达到纳什均衡，挖掘设备和矿工的效用达到最大。

S4：证明两阶段斯塔克尔伯格博弈的纳什均衡点存在。

斯塔克尔伯格博弈均衡点定义如下：

c^*和p^*分别表示矿工的最优服务需求和协同挖掘网络内所有挖掘设备的最优单价向量。

和

分别是挖掘设备j的最优定价策略和除了挖掘设备j之外所有挖掘设备的最优定价策略，

和

分别是矿工i的最优资源需求策略和除了矿工i之外所有矿工的最优服务需求。在纳什均衡处，所有的挖掘设备和矿工都已经确定最优解，单个挖掘设备和矿工不可能再通过改变自己的策略来获得更大的利润。

首先证明第二阶段矿工子博弈存在纳什均衡：通过对式(7)的一次求导得到式(13)，对式(7)二次求导得到式(14)。其中C_rec表示协同挖掘网络内所有移动终端收到的计算资源请求；E_rec表示边缘服务器收到的计算资源请求。式(14)中

显然成立。λ在0和1之间，远小于1，在假设1

的基础上，其中

可以保证

成立，因此式(14)小于0成立，矿工参与的子博弈是一个凹博弈，纳什均衡存在。

将式(14)设为0，可得到矿工最优资源需求如下，其中

分别表示除了矿工i向移动终端j申请的计算资源外协同挖掘网络中所有移动终端收到的计算资源请求；

表示除了除了矿工i向移动终端j 申请的计算资源外边缘服务器收到的计算资源请求

如果所有矿工对于挖掘设备j的需求小于挖掘设备最大可用资源，则挖掘设备j将接受来自矿工i的请求，否则挖掘设备j将收到的所有请求上传给边缘服务器。对于理性的消费者，矿工i将预测其他矿工的策略来确定对挖掘设备的最佳请求。

基于第二阶段子博弈中计算服务需求的纳什均衡，第一阶段博弈的领导者，即移动终端，可以在第一阶段优化其定价策略，以最大化等式(9)中定义的利润。首先证明第一阶段子博弈纳什均衡点的存在：与第二阶段相同，对式(9)分别进行一次求导得到式(16)和二次求导得到式(17)

其中

当满足假设2：

时，可保证式(17)小于0成立，挖掘设备侧子博弈问题相对于p_j是凸的。该解的唯一性进一步保证了全局收敛，并且在领先阶段找到纳什均衡的情况下实现了斯塔伯格均衡。

提出一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略。

利用一种称为异步最佳响应的经典分布式算法来找到挖掘设备子博弈中的纳什均衡点，其中挖掘设备参与梯度上升过程以最大化其效用。我们使用梯度相加法调整挖掘设备的价格策略和每轮矿工的需求政策。这些操作在每一轮迭代中进行，直到上一轮价格策略的范数与本轮价格策略范数之差小于给定阈值。得到的即是我们正在寻找的纳什均衡点。图3为本发明提出的算法的流程图。具体操作过程如下：

初始化初始化矿工i的相关系数B_i，挖掘设备j的相关系数K_j，P_j，c，挖掘设备的初始位置坐标(x_j,y_j)通信相关参数λ，σ²。

输入：挖掘设备的资源单价P＝{p₁,p₂,…,p_n}，矿工的资源需求 C＝{C₁,C₂,…,C_m}，阈值ε，迭代次数k。

对每个矿工i执行以下操作：

矿工i接收协同挖掘网络所有挖掘设备的要价P＝{p₁,p₂,…,p_n}和位置信息, 根据式(16)预测其他矿工的最优资源申请在每轮迭代内更新自己的资源需求

矿工i确定向每个移动终端的资源需求

对每个挖掘设备j执行以下操作：

每个挖掘设备j以步长δ更新定价，预测矿工对每个挖掘设备的最优请求 C^*，如果定价更新后的利润更高，那么更新后的定价

如果 ||P^(k)-P^(k-1)||＜ε，返回矿工最优资源需求C^*和P^(k)；否则k←k+1。

应说明的是，每个矿工接收到每个移动终端的坐标信息和定价，并预测其他矿工的最优资源申请，在每轮迭代内更新自己的资源需求，实现利润最大化，最终确定最大效益的定价。

实施例2

参照图2-4，为本发明的一个实施例，提供了一种基于边缘计算-D2D的区块链资源共享方法，为了验证本发明的有益效果，通过经济效益计算和仿真实验进行科学论证。

首先，为了验证本发明的有益效果，图4展示了四种方案，方案4为本发明提出的卸载方案，并与其他三种方案进行比较：1)仅D2D方式卸载给移动终端的卸载方案2)仅卸载给边缘服务器的卸载方案3)无预测的D2D移动终端—边缘服务器卸载方案4)本发明提出的基于拉格朗日插值法预测移动终端轨迹的D2D移动终端—边缘服务器卸载方案。

仿真的参数设置如下所示：本发明所展现的示例中有3个矿工和5个移动终端随机分布在350*350m2的范围内，矿工的D2D通信的最大通信范围 R_tel＝100m，带宽B设置为0.512MHZ，路径损耗系数α为3.4，噪声功率 N₀＝-114dBm。矿工挖矿成功获得的奖励为R＝2*105代币，矿工的初始需求 C＝{C₁,C₂,…,C_m}在100～300bit内均匀分布，移动终端的初始定价 P＝{p₁,p₂,…,p_n}在10～30代币/bit内均匀分布。移动终端的计算成本为c＝5代币/bit，边缘服务器的计算成本h＝8代币/bit，移动终端j可接受的最大任务请求量K_j在50～100bit内均匀分布，矿工i的预算B_i在4000～7000代币内均匀分布。迭代终止的阈值设置为ε＝0.1，迭代次数初始化k＝10。

图4展示了矿工的平均收益随着矿工的平均预算的变化：图4展示的四种方案都有类似的趋势，即随着矿工的平均预算的增加，矿工的平均效益也随之增加，这是因为矿工想要卸载更多的计算任务以提高自身的块挖掘获胜概率，随着矿工获胜概率的提高，矿工的平均收益也增加了。但是方案2的收益明显低于方案1，这是因为方案2中将所有计算任务都卸载给边缘服务器相比于方案1，传播时延大，这导致块成功达成共识的概率下降；此外方案1 中当矿工的平均预算达到一定程度后并不会再随之增长，这是因为方案1中移动终端的能够承担矿工的任务请求是有限的；方案3融合了方案1和方案2 两种卸载模式，矿工的收益高于方案1和方案2，但是明显低于方案4，这是因为方案4在拉格朗日插值法预测移动轨迹的基础上，预测了各个移动终端的传播时延，矿工通过理性分配向各个移动终端卸载的任务量，在传播时延大的移动终端上卸载更少的任务量，不仅降低了块传播时延，提高了块成功达成共识的概率，而且降低了由于移动终端越过矿工最大通信范围导致的通信失败概率。

综上所述，图4的示例实验仿真结果表明本发明提出的卸载方案4明显优于方案1，方案2和方案3。方案4相比于方案3矿工平均收益提高了 10.5306％，相比于方案2矿工平均收益提高了24.8225％，相比于方案1矿工平均收益提高了22.2519％。

应当理解的是，本发明中所述实施例仅用以说明本发明实施例的原则；其他的变形也可能属于本发明的范围；因此，作为示例而非限制，本发明实施例的替代配置可视为与本发明的教导一致；相应地，本发明的实施例不限于本发明明确介绍和描述的实施例。

Claims (10)

1.一种基于边缘计算-D2D的区块链资源共享方法，其特征在于，包括：

建立边缘计算-D2D计算资源共享框架模型，并使用拉格朗日插值法预测挖掘过程中移动设备的轨迹；

基于对于移动终端的移动轨迹预测建立区块链模型；

建立两阶段多领导多跟随斯塔伯格博弈模型，提出优化目标；

证明两阶段斯塔克尔伯格博弈的纳什均衡点存在；

使用一种异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略。

2.如权利要求1所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：边缘计算-D2D计算资源共享框架模型，包括：

移动设备接收到来自矿工计算资源请求，组成的协同挖掘网络和边缘服务器为矿工提供计算资源；

挖掘任务优先转移到协同挖掘网络内的移动终端。

3.如权利要求2所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：挖掘任务优先转移到协同挖掘网络内的移动终端，包括：

移动终端全部接受矿工的计算申请；

若移动终端的可用资源无法达到矿工需求时，此时移动设备将挖掘请求转向发送给边缘服务器；

若移动终端的可用资源可以达到矿工需求时，此时移动设备可以得到一轮挖掘指令。

4.如权利要求2或3所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：拉格朗日插值法根据移动设备的历史移动轨迹预测出挖掘过程中移动设备的移动轨迹，包括：

选取移动设备历史移动轨迹点拟合出表示该移动设备移动轨迹的拉格朗日插值函数；

矿工收到周围挖掘设备的当前位置信息，预测移动终端在时间t后的坐标，得到一轮挖掘过程中移动终端没有移动出矿工最大通信范围的概率

其中，P是矿工i与移动终端j通信成功的概率。

5.如权利要求4所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：对于移动终端的移动轨迹预测建立区块链模型还包括：

一轮完整的区块链添加新块的过程包括块挖掘过程和块验证过程，在块挖掘过程中，一个移动终端的有效计算能力与相应矿工租用的计算资源成比例，成功挖掘出块的概率：

其中，矿工i在挖掘设备j上租用的资源量为

挖掘设备j；

表示移动终端j全部接受矿工i的计算申请。当移动终端的可用资源无法达到矿工需求时，此时移动设备将挖掘请求转向发送给边缘服务器，

表示挖掘设备j将矿工i的计算请求全部上传到边缘服务器上。

6.如权利要求5所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：移动终端的传播延迟的预测，表示为：

矿工i成功挖掘并成功验证的概率为：

其中，

是边缘服务商向协同挖掘网络传播挖掘结果的传播时延，最大传播时延：t_j＝max_k∈M\j{t_{j,k}}，传播时延造成分叉的概率为：

其中h为块头数据大小，N_j是挖掘结果大小，B为带宽大小，P_j是挖掘设备j的发射功率；h_jk为挖掘设备j和挖掘设备k之间复高斯分布的瑞利衰落系数；N₀为加性高斯白噪声功率，α是路径损耗系数，d_jk是挖掘设备j和挖掘设备k之间的的距离，λ为区块链块间隔到达速率，W_jk移动终端j到移动终端k的带宽。

7.如权利要求6所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：两阶段多领导多跟随斯塔伯格博弈模型，包括：

第一阶段协同挖掘网络内移动终端的优化目标为：

约束为

c为移动终端单位计算资源成本，h为边缘服务器单位计算资源成本，K_j是移动终端j的最大可用资源；

第二阶段矿工i的优化目标：

约束为，R为挖矿成功后矿工获得的奖励，是矿工i的最大预算。

8.如权利要求6或7所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：证明两阶段斯塔克尔伯格博弈的纳什均衡点存在，

假设

其中

可以保证矿工参与的子博弈是一个凹博弈，纳什均衡存在；将矿工效用函数二次求导结果置为0，可得到矿工最优资源需求；假设

移动终端侧子博弈问题相对于p_j是凸的；解的唯一性进一步保证了全局收敛，并且在领先阶段找到纳什均衡的情况下实现了斯塔伯格克尔均衡。

9.如权利要求8所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：收集资源单价和资源需求，包括：

初始化矿工i的相关系数B_i，挖掘设备j的相关系数，K_j,P_j,c,h通信相关参数λ，σ²，输入为移动终端的资源单价：P＝{p₁,p₂,…,p_n}；

矿工的资源需求：C＝{C₁,C₂,…,C_m}，阈值ε，迭代次数k；

每个矿工i接收到每个移动终端的坐标信息和定价，并预测其他矿工的最优资源申请，在每轮迭代内更新自己的资源需求；

矿工i确定向每个移动终端的资源需求：

10.如权利要求9所述的基于边缘计算-D2D的区块链资源共享方法，其特征在于：异步最佳响应的算法求解矿工的最优卸载策略和移动终端的最优定价策略：

每个挖掘设备j以步长δ更新定价，预测矿工对每个挖掘设备的最优请求C^*，如果定价更新后的利润更高，那么更新后的定价

如果||P^(k)-P^(k-1)||＜ε，返回矿工最优资源需求C^*和P^(k)；否则k←k+1。

Images