面向车载边缘计算与网络中内容缓存的深度强化学习与许可链
密码学与安全
2020-11-20 v2 机器学习
摘要
车载边缘计算(VEC)是一种有前景的范式，可使大量数据与多媒体内容缓存于车辆邻近处。然而，车辆的高移动性与动态无线信道条件使得设计最优内容缓存策略具有挑战性。此外，由于包含大量敏感个人信息，车辆可能不愿将其内容缓存至不可信的缓存提供方。深度强化学习(DRL)是一种新兴技术，用于解决具有高维与时变特征的问题。许可区块链能够建立安全且去中心化的点对点交易环境。本文中，我们将DRL与许可区块链集成到车载网络中，以实现智能且安全的内容缓存。我们首先提出一种区块链赋能的分布式内容缓存框架，其中车辆执行内容缓存，基站维护许可区块链。随后，我们利用先进的DRL方法设计一种考虑移动性的最优内容缓存方案。最后，我们提出一种新的区块验证者选择方法——效用证明(PoU)，以加速区块验证过程。安全性分析表明，我们提出的区块链赋能内容缓存可实现安全与隐私保护。基于Uber真实数据集的数值结果表明，受DRL启发的内容缓存方案显著优于两种基准策略。
引用
@article{arxiv.2011.08449,
title = {Deep Reinforcement Learning and Permissioned Blockchain for Content Caching in Vehicular Edge Computing and Networks},
author = {Yueyue Dai and Du Xu and Ke Zhang and Sabita Maharjan and Yan Zhang},
journal= {arXiv preprint arXiv:2011.08449},
year = {2020}
}