面向区块链安全低延迟无线网络中可靠网络切片的约束深度强化学习优化
信号处理
2024-03-18 v1
摘要
网络切片 (Network Slicing, NS) 是一种支持下一代低延迟无线通信网络多样化需求的前沿技术。然而，篡改攻击正成为危及 NS 服务供给的一个日益突出的问题。为了抵御 NS 网络中的篡改攻击，我们提出了一种在区块链安全低延迟无线网络中用于可靠 NS 资源分配的新型优化框架，其中选择具有高信誉的可信基站 (Base Station, BS) 用于区块链管理和 NS 服务供给。对于这种区块链安全的网络，我们认为延迟由区块链管理和 NS 服务供给的总和来衡量，而 NS 可靠性则通过基站拒绝服务 (Denial-of-Service, DoS) 概率来评估。为了同时满足延迟和可靠性的要求，我们构建了一个约束计算资源分配优化问题，旨在以基站 DoS 概率为约束条件最小化总处理延迟。为了高效求解该优化问题，我们设计了一种约束深度强化学习 (Deep Reinforcement Learning, DRL) 算法，该算法通过引入额外的 Critic 神经网络来同时满足延迟和 DoS 概率要求。所提出的约束 DRL 进一步通过结合特征工程技术解决了输入维度高的问题。仿真结果验证了本方法在所考量的区块链安全无线网络中实现可靠且低延迟的 NS 服务供给的有效性。
引用
@article{arxiv.2403.09693,
title = {A Constrained Deep Reinforcement Learning Optimization for Reliable Network Slicing in a Blockchain-Secured Low-Latency Wireless Network},
author = {Xin Hao and Phee Lep Yeoh and Changyang She and Yao Yu and Branka Vucetic and Yonghui Li},
journal= {arXiv preprint arXiv:2403.09693},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2312.08016