CN117176735A - 基于云边端的区块链共识机制自适应选择方法及系统 - Google Patents
基于云边端的区块链共识机制自适应选择方法及系统 Download PDFInfo
- Publication number
- CN117176735A CN117176735A CN202311175665.1A CN202311175665A CN117176735A CN 117176735 A CN117176735 A CN 117176735A CN 202311175665 A CN202311175665 A CN 202311175665A CN 117176735 A CN117176735 A CN 117176735A
- Authority
- CN
- China
- Prior art keywords
- node
- block chain
- consensus mechanism
- value
- evaluation value
- 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
- 230000007246 mechanism Effects 0.000 title claims abstract description 101
- 238000010187 selection method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000003044 adaptive effect Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于云边端的区块链共识机制自适应选择方法及系统，包括步骤：S1、确定多个备选区块链共识机制，为多个备选区块链共识机制划分共识机制等级，以及设置与共识机制等级对应的整体性能评价阈值；S2、根据区块链云、边、端的节点属性分别计算各个节点的安全评估值、性能处理值和资源消耗率；S3、根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值；S4、根据区块链的整体性能评价值大小结合共识机制等级选择最优的共识机制。本发明通过自适应选择适合云边端区块链的各节点的共识算法，在端边云架构下更好地进行数据交互，实现高效的共识和交易处理，同时保证数据一致性和安全性。
Description
技术领域
本发明涉及云边端区块链共识选择的技术领域，特别是涉及一种基于云边端的区块链共识机制自适应选择方法及系统。
背景技术
端边云架构作为一种层次型的分布式计算架构，包括端层结构、边层结构和云层结构，利用其层次型和地理上分布式的特点提供多样的计算服务。端边云架构作为一种地理上分布式的架构，架构中包含各种类型的计算设备，这些设备彼此之间呈现出很强的异构性，一些安全防护能力较弱的节点容易受到安全攻击，因数据会分布在不同的节点上，需要在不同层次和不同设备之间进行流转，这个过程中数据的完整性和可用性不能得到保障，且在不可信的环境下，数据的安全共享受到挑战，尤其是开放型的端边云网络可能会接入恶意的终端设备或计算设备，这些设备会破坏系统的正常运行，系统的稳定性无法得到保障。
将区块链融入到端边云架构中可以使端边云的各节点之间进行互信的数据交互，并保证数据的完整性和可用性。但由于区块链在系统架构、对节点资源要求和多方共识方面的特点，端边云架构在融合区块链时面临诸多挑战，如端边云下的信任模型和节点资源受限和大规模接入的特点，使得在选择区块链共识算法时不能完全兼容端边云的所有节点。
发明内容
为解决上述技术问题中的至少之一，本发明提出一种基于云边端的区块链共识机制自适应选择方法及系统。
本发明的目的通过以下技术方案实现：
本发明提供了一种基于云边端的区块链共识机制自适应选择方法，包括如下步骤：
S1、确定多个备选区块链共识机制，为多个备选区块链共识机制划分共识机制等级，以及设置与共识机制等级对应的整体性能评价阈值；
S2、根据区块链云、边、端的节点属性分别计算各个节点的安全评估值、性能处理值和资源消耗率；
S3、根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值；
S4、根据区块链的整体性能评价值大小结合共识机制等级选择最优的共识机制。
作为进一步的改进，所述步骤S1中，为多个备选区块链共识机制划分共识机制等级，划分共识机制等级包括从算法复杂度、通信复杂度、安全性和可扩展性方面对共识机制进行自定义量化分级。
作为进一步的改进，所述对共识机制进行自定义量化分级，是根据共识机制的算法复杂度、通信复杂度、安全性和可扩展性从简单到复杂赋予由低到高的共识机制等级，将共识机制等级结合区块链的整体性能评价值设置对应的整体性能评价阈值。
作为进一步的改进，云边端的区块链节点包括区块链接收节点和区块链发送节点，区块链发送节点用于组织业务数据，并将业务数据发送给区块链接收节点；区块链接收节点用于接收区块链发送节点发送的业务数据，验证业务数据的合法性，并在验证通过后根据区块链节点信息及业务数据计算整体性能评价值，根据整体性能评价值从共识机制等级中选择最优的共识机制。
作为进一步的改进，所述步骤S2中，计算各个节点的安全评估值包括如下公式：
其中，S表示节点的安全评估值；为节点属性对安全评估值的影响权重；/>为业务数据对安全评估值的影响权重；/>表示第j个已授权节点的节点安全特征值，j的取值为1到J，J为区块链已授权节点个数；/>表示第r个未授权节点的节点安全特征值，r的取值为1到R，R为区块链未授权节点个数；/>表示第j个已授权节点的节点安全特征值的影响因子，表示第r个未授权节点的节点安全特征值的影响因子；e为常数；i的取值为1到N，N为请求接收方区块链节点个数，J+R=N ；/>为第i个节点的数据安全特征值；/>表示第i个区块链节点的数据长度。
作为进一步的改进，所述步骤S2中，计算性能处理值包括如下公式：
其中，P表示区块链接收节点对各区块链子节点业务数据的性能处理值；表示区块链节点中第k个虚拟处理器使用频繁程度值，k的取值为1到K，K为区块链节点中的虚拟处理器总数；/>表示第k个处理器处理的第h个子任务的数据量，h的取值为1到H，H为第k个虚拟处理器处理的任务中子任务数量；/>表示第k个虚拟处理器对应的任务的数据总量；表示第k个虚拟处理器的数据处理速率；/>表示第k个虚拟处理器对应的任务的数据处理完成时长；/>表示第k个虚拟处理器在处理对应任务的过程中还处理其他任务的时长。
作为进一步的改进，所述步骤S2中，计算资源消耗率包括如下公式：
其中，X为节点的资源消耗率；为第k个虚拟处理器运行状态参数，若虚拟处理器处于运行状态，则/>，若虚拟处理器处于未运行状态，则/>；/>表示第k个虚拟处理器的内存占用率，/>表示内存占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的硬盘占用率，/>表示硬盘占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的CPU使用率，/>表示CPU使用率对节点资源消耗率的影响因子。
作为进一步的改进，所述步骤S3中，根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值，包括如下公式：
其中，W表示云链端区块链的整体性能评价值，表示节点的安全评估值的权重因子，/>表示节点的性能处理值的权重因子，/>表示节点的资源消耗率的权重因子。
本发明提供的一种基于云边端的区块链共识机制自适应选择方法，包括步骤：S1、确定多个备选区块链共识机制，为多个备选区块链共识机制划分共识机制等级，以及设置与共识机制等级对应的整体性能评价阈值；S2、根据区块链云、边、端的节点属性分别计算各个节点的安全评估值、性能处理值和资源消耗率；S3、根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值；S4、根据区块链的整体性能评价值大小结合共识机制等级选择最优的共识机制。本发明在端边云的区块链场景下，根据云边端区块链的各节点状态、资源情况、业务场景需求等因素，先分别计算各节点的安全评估值、性能处理值和资源消耗率，再获得整体性能评价值，根据整体性能评价值结合划分的共识机制等级，通过自适应选择适合云边端区块链的各节点的共识算法，从而在端边云架构下更好地进行数据交互，实现高效的共识和交易处理，同时保证数据一致性和安全性。
本发明还提供一种基于云边端的区块链共识机制自适应选择系统。包括上述基于云边端的区块链共识机制自适应选择方法中的任一项进一步的改进，由于采用了上述技术内容，其应当具有相同或相应的技术效果，因此不再进行赘述。
附图说明
图1为本发明的流程示意图；
图2为本明基于云边端的区块链网络结构示意图；
图3为本发明区块链共识机制自适应模块示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施例对本发明作进一步详细的描述，需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
结合图1 所示，本发明实施例提供一种基于云边端的区块链共识机制自适应选择方法，基于云边端的区块链网络由云节点、边缘节点和端节点构成，如图2所示。云节点为数据中心，用于存储海量数据，提供针对大数据的高性能弹性计算，云节点配置有NFV(NetworkFunctionsVirtualization，网络功能虚拟化)模块和SDN(SoftwareDefinedNetwork，软件定义网络)模块，NFV模块用于实现网络动态安全监测，SDN模块用于实现区块链网络流量控制、数据可视化功能。边缘节点为网络边缘基础设施，部署于分布式IDC（Internet Data Center，互联网数据中心），运营商通信网络边缘基础设施，边缘侧客户节点等边缘设备，在初始化时被配置一个基于属性的身份证明，说明该节点的基本信息(包括：边缘网关，节点身份ID，应用版本号等)、服务场景和服务类型。端节点为运行在物联网终端的节点，为配置数据采集、处理、存储、加密和传输的终端设备，例如：各类传感器、摄像头、移动终端设备、计量仪表、车载终端等，具有数据采集、处理、存储、加密和传输功能，一般支持5G、4G、3G、2G、NB-IoT、LoRa等通信网络。
云边端的区块链节点包括区块链接收节点和区块链发送节点，区块链发送节点用于组织业务数据，并将业务数据发送给区块链接收节点；区块链接收节点用于接收区块链发送节点发送的业务数据，验证业务数据的合法性，并在验证通过后根据区块链节点信息及业务数据计算整体性能评价值，根据整体性能评价值从共识机制等级中选择最优的共识机制。
方法包括如下步骤：
S1、确定多个备选区块链共识机制，备选区块链共识机制可选但不仅限为POW（工作量证明）、POS（权益证明）、DPOS（权益证明股份）、PBFT（拜占庭容错算法）、PAXOS（基于消息传递的分布式一致性算法）、RAFT（分布式系统一致性协议）、RIPPLE（瑞波共识），为多个备选区块链共识机制划分共识机制等级，具体的，划分共识机制等级包括指标如下：
算法复杂度：共识机制算法的复杂度可以通过时间和空间复杂度来评估，时间复杂度越高，算法执行所需的计算资源就越多，操作也越复杂。
通信复杂度：共识机制需要节点之间频繁进行通信，通信复杂度越高，节点之间的通信就越复杂。
安全性：共识机制的安全性是一个重要指标，安全性越高，共识机制的复杂性也相应提高。
可扩展性：共识机制的可扩展性是指系统能够支持的交易量和节点数，可扩展性越好，共识机制的复杂度也越高。
因此基于以上指标，在对共识机制划分共识机制等级时，将简单的共识机制赋予较低的共识机制等级，将复杂的共识机制赋予较高的共识机制等级，按由低到高的共识机制等级结合区块链的整体性能评价值设置对应的整体性能评价阈值，其中，共识机制等级与整体性能评价阈值之间的关联根据实际应用中对共识机制的应用需求进行优化调整，以便基于云边端的区块链后续根据整体性能评价值实时动态的选择合适的区块链共识机制。
S2、根据区块链云、边、端的节点属性分别计算各个节点的安全评估值、性能处理值和资源消耗率。
计算各个节点的安全评估值包括如下公式：
其中，S表示节点的安全评估值；为节点属性对安全评估值的影响权重；/>为业务数据对安全评估值的影响权重；/>表示第j个已授权节点的节点安全特征值，j的取值为1到J，J为区块链已授权节点个数；/>表示第r个未授权节点的节点安全特征值，r的取值为1到R，R为区块链未授权节点个数；/>表示第j个已授权节点的节点安全特征值的影响因子，表示第r个未授权节点的节点安全特征值的影响因子；e为常数；i的取值为1到N，N为请求接收方区块链节点个数，J+R=N ；/>为第i个节点的数据安全特征值；/>表示第i个区块链节点的数据长度。
计算性能处理值包括如下公式：
其中，P表示区块链接收节点对各区块链子节点业务数据的性能处理值；表示区块链节点中第k个虚拟处理器使用频繁程度值，k的取值为1到K，K为区块链节点中的虚拟处理器总数；/>表示第k个处理器处理的第h个子任务的数据量，h的取值为1到H，H为第k个虚拟处理器处理的任务中子任务数量；/>表示第k个虚拟处理器对应的任务的数据总量；表示第k个虚拟处理器的数据处理速率；/>表示第k个虚拟处理器对应的任务的数据处理完成时长；/>表示第k个虚拟处理器在处理对应任务的过程中还处理其他任务的时长。
计算资源消耗率包括如下公式：
其中，X为节点的资源消耗率；为第k个虚拟处理器运行状态参数，若虚拟处理器处于运行状态，则/>，若虚拟处理器处于未运行状态，则/>；/>表示第k个虚拟处理器的内存占用率，/>表示内存占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的硬盘占用率，/>表示硬盘占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的CPU使用率，/>表示CPU使用率对节点资源消耗率的影响因子。
S3、根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值，包括如下公式：
其中，W表示云链端区块链的整体性能评价值，表示节点的安全评估值的权重因子，/>表示节点的性能处理值的权重因子，/>表示节点的资源消耗率的权重因子。
S4、根据区块链的整体性能评价值大小结合共识机制等级选择最优的共识机制。
本发明实施例在端边云的区块链场景下，根据云边端区块链的各节点状态、资源情况、业务场景需求等因素，先分别计算各节点的安全评估值、性能处理值和资源消耗率，再获得整体性能评价值，根据整体性能评价值结合划分的共识机制等级，通过自适应选择适合云边端区块链的各节点的共识算法，从而在端边云架构下更好地进行数据交互，实现高效的共识和交易处理，同时保证数据一致性和安全性。
本实施例中，结合下表1所示，共识机制种类为本实施例的备选区块链共识机制，共识等级根据划分共识机制等级的指标进行自定义，对应的性能评价阈值根据实际应用中对共识机制的应用需求进行优化调整，如计算后的整体性能评价值为6.78，对应共识等级3的POC共识机制，则根据云边端区块链的各节点状态、资源情况、业务场景需求等因素选择POC为最佳共识机制。
表1共识机制、共识等级及性能评价阈值对应表
本发明实施例还提供一种基于云边端的区块链共识机制自适应选择系统，包括上述所述的基于云边端的区块链共识机制自适应选择方法的任一优选的实施方式以及在不冲突的情况下各优选的实施方式之间的组合，其应当具有基于云边端的区块链共识机制自适应选择方法相同的技术作用和有益效果，此处不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于云边端的区块链共识机制自适应选择方法，其特征在于，包括如下步骤：
S1、确定多个备选区块链共识机制，为多个备选区块链共识机制划分共识机制等级，以及设置与共识机制等级对应的整体性能评价阈值；
S2、根据区块链云、边、端的节点属性分别计算各个节点的安全评估值、性能处理值和资源消耗率；
S3、根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值；
S4、根据区块链的整体性能评价值大小结合共识机制等级选择最优的共识机制。
2.根据权利要求1所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述步骤S1中，为多个备选区块链共识机制划分共识机制等级，划分共识机制等级包括从算法复杂度、通信复杂度、安全性和可扩展性方面的至少一个或多个对共识机制进行自定义量化分级。
3.根据权利要求2所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述对共识机制进行自定义量化分级，是根据共识机制的算法复杂度、通信复杂度、安全性和可扩展性从简单到复杂赋予由低到高的共识机制等级，将共识机制等级结合区块链的整体性能评价值设置对应的整体性能评价阈值。
4.根据权利要求1所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，云边端的区块链节点包括区块链接收节点和区块链发送节点，区块链发送节点用于组织业务数据，并将业务数据发送给区块链接收节点；区块链接收节点用于接收区块链发送节点发送的业务数据，验证业务数据的合法性，并在验证通过后根据区块链节点信息及业务数据计算整体性能评价值，根据整体性能评价值从共识机制等级中选择最优的共识机制。
5.根据权利要求4所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述步骤S2中，计算各个节点的安全评估值包括如下公式：
；
其中，S表示节点的安全评估值；为节点属性对安全评估值的影响权重；/>为业务数据对安全评估值的影响权重；/>表示第j个已授权节点的节点安全特征值，j的取值为1到J，J为区块链已授权节点个数；/>表示第r个未授权节点的节点安全特征值，r的取值为1到R，R为区块链未授权节点个数；/>表示第j个已授权节点的节点安全特征值的影响因子，表示第r个未授权节点的节点安全特征值的影响因子；e为常数；i的取值为1到N，N为请求接收方区块链节点个数，J+R=N ；/>为第i个节点的数据安全特征值；/>表示第i个区块链节点的数据长度。
6.根据权利要求5所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述步骤S2中，计算性能处理值包括如下公式：
；
其中，P表示区块链接收节点对各区块链子节点业务数据的性能处理值；表示区块链节点中第k个虚拟处理器使用频繁程度值，k的取值为1到K，K为区块链节点中的虚拟处理器总数；/>表示第k个处理器处理的第h个子任务的数据量，h的取值为1到H，H为第k个虚拟处理器处理的任务中子任务数量；/>表示第k个虚拟处理器对应的任务的数据总量；/>表示第k个虚拟处理器的数据处理速率；/>表示第k个虚拟处理器对应的任务的数据处理完成时长；/>表示第k个虚拟处理器在处理对应任务的过程中还处理其他任务的时长。
7.根据权利要求6所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述步骤S2中，计算资源消耗率包括如下公式：
；
其中，X为节点的资源消耗率；为第k个虚拟处理器运行状态参数，若虚拟处理器处于运行状态，则/>，若虚拟处理器处于未运行状态，则/>；/>表示第k个虚拟处理器的内存占用率，/>表示内存占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的硬盘占用率，/>表示硬盘占用率对节点资源消耗率的影响因子；/>表示第k个虚拟处理器的CPU使用率，/>表示CPU使用率对节点资源消耗率的影响因子。
8.根据权利要求7所述的基于云边端的区块链共识机制自适应选择方法，其特征在于，所述步骤S3中，根据节点的安全评估值、性能处理值和资源消耗率，得到区块链的整体性能评价值，包括如下公式：
；
其中，W表示云链端区块链的整体性能评价值，表示节点的安全评估值的权重因子，表示节点的性能处理值的权重因子，/>表示节点的资源消耗率的权重因子。
9.基于云边端的区块链共识机制自适应选择系统，其特征在于，包括如权利要求1至8中任一项所述的基于云边端的区块链共识机制自适应选择方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311175665.1A CN117176735A (zh) | 2023-09-13 | 2023-09-13 | 基于云边端的区块链共识机制自适应选择方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311175665.1A CN117176735A (zh) | 2023-09-13 | 2023-09-13 | 基于云边端的区块链共识机制自适应选择方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117176735A true CN117176735A (zh) | 2023-12-05 |
Family
ID=88935239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311175665.1A Pending CN117176735A (zh) | 2023-09-13 | 2023-09-13 | 基于云边端的区块链共识机制自适应选择方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117176735A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117478299A (zh) * | 2023-12-27 | 2024-01-30 | 湖南天河国云科技有限公司 | 区块链共识算法切换方法、装置和计算机设备 |
-
2023
- 2023-09-13 CN CN202311175665.1A patent/CN117176735A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117478299A (zh) * | 2023-12-27 | 2024-01-30 | 湖南天河国云科技有限公司 | 区块链共识算法切换方法、装置和计算机设备 |
| CN117478299B (zh) * | 2023-12-27 | 2024-03-01 | 湖南天河国云科技有限公司 | 区块链共识算法切换方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11842207B2 (en) | Centralized networking configuration in distributed systems | |
| CN105979007B (zh) | 加速资源处理方法、装置及网络功能虚拟化系统 | |
| Qureshi et al. | Anomaly detection and trust authority in artificial intelligence and cloud computing | |
| Mukherjee et al. | Flexible IoT security middleware for end-to-end cloud–fog communication | |
| Imran et al. | Toward an optimal solution against denial of service attacks in software defined networks | |
| US9712390B2 (en) | Encoding traffic classification information for networking configuration | |
| Zhou et al. | Elastic switch migration for control plane load balancing in SDN | |
| CN111787069A (zh) | 业务接入请求的处理方法、装置、设备及计算机存储介质 | |
| CN105683918B (zh) | 分布式系统中的集中式联网配置 | |
| CN117176735A (zh) | 基于云边端的区块链共识机制自适应选择方法及系统 | |
| CN106571978B (zh) | 数据包捕获方法及装置 | |
| CN109561100B (zh) | 基于分布式与人工智能的双工赋能网络攻防的方法及系统 | |
| Rani et al. | Fog computing: applications and secure data aggregation | |
| CN115865950A (zh) | 信息中心网络中的存储节点募集 | |
| CN113490231B (zh) | 一种网络切片的可用性保障方法及装置 | |
| Kiamari et al. | Coding for edge-facilitated wireless distributed computing with heterogeneous users | |
| Lee et al. | Optimal flow rate control for SDN-based naval systems | |
| Priyadarsini et al. | A secure virtual controller for traffic management in SDN | |
| Wei et al. | Securing cognitive radio vehicular Ad hoc networks with trusted lightweight cloud computing | |
| Galletta et al. | On the applicability of secret share algorithms for osmotic computing | |
| CN114567678A (zh) | 一种云安全服务的资源调用方法、装置及电子设备 | |
| CN108848156B (zh) | 接入网关处理方法、装置及存储介质 | |
| CN111404724A (zh) | 网络切片选择方法、用户设备接入网络的方法及设备 | |
| Kar et al. | A Survey on Edge-Based Internet-of-Things | |
| CN116708532B (zh) | 局域网连接方法、装置、计算机设备和可读存储介质 |
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 |