车联网中的去中心化多媒体数据共享：一种基于学习的供需均衡机制
密码学与安全
2024-04-01 v1
摘要
车联网（IoV）在通过增强道路安全、减少交通拥堵以及通过车载信息娱乐应用改善用户体验方面，具有变革交通系统的巨大潜力。去中心化数据共享可以提升车联网中信息娱乐数据共享的安全性、隐私性、可靠性和便利性。然而，如果存在只想消费共享数据但不愿向社区贡献自身数据的车联网用户，去中心化数据共享可能无法达到预期效率，导致其他车辆和基础设施观测到的信息不完整，从而引入额外的传输延迟。因此，本文通过将数据共享生态系统建模为一个数据交易市场，提出了一种基于多智能体强化学习的去中心化数据共享激励机制，以学习市场中的供需平衡并最小化传输延迟。我们提出的机制考虑了车联网市场的动态特性，即供需可能经历频繁波动。我们提出了一种时间敏感的密钥策略属性基加密（KP-ABE）机制，并结合命名数据网络（NDN）来保护车联网中的数据，这为我们提出的解决方案增加了一层安全保障。此外，我们设计了一个用于车联网中高效数据共享的去中心化市场，其中采用了连续双向拍卖。所提出的基于多智能体深度强化学习的机制能够学习市场中的供需均衡，从而提高市场的效率和可持续性。理论分析和实验结果表明，我们提出的基于学习的激励机制在确定供需均衡方面优于基线方法10%，同时将传输延迟降低了20%。
引用
@article{arxiv.2403.20218,
title = {Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand},
author = {Jiani Fan and Minrui Xu and Jiale Guo and Lwin Khin Shar and Jiawen Kang and Dusit Niyato and Kwok-Yan Lam},
journal= {arXiv preprint arXiv:2403.20218},
year = {2024}
}