基于图 Resfusion 方法的面向移动嵌入式 AI 网络的高效可信区块传播
人工智能
2025-02-17 v1 密码学与安全
摘要
通过将移动网络与嵌入式人工智能 (AI) 融合，移动嵌入式 AI 网络 (MEANET) 代表了一种新型范式，旨在促进动态环境中自主、情境感知且具有互动性的行为。然而，MEANET 的快速发展伴随着可信度和操作效率方面的挑战。值得注意的是，区块链技术凭借其去中心化和不可篡改特性，为 MEANET 提供了有前景的解决方案。然而，现有区块传播机制面临传播效率低下和区块传播安全性弱等挑战，导致车辆消息传输延迟或易受恶意篡改，可能在区块链使能的 MEANET 中引发严重交通事故。此外，现有区块传播策略无法有效适应 MEANET 中动态拓扑的实时变化。因此，本文提出一种基于图 Resfusion 模型的可信区块传播优化框架，用于联盟链区块链使能的 MEANET。具体而言，我们提出一种基于信任云模型的创新性信任计算机制，全面考虑 miner 信任评估中的随机性和模糊性。此外，利用图神经网络和扩散模型的优势，我们开发了图 Resfusion 模型，以有效且自适应地生成最优区块传播轨迹。仿真结果表明，所提模型在区块传播效率和可信度方面优于其他路由机制。此外，结果突出了其对动态环境的强大适应性，使其特别适用于快速变化的 MEANET。
关键词
引用
@article{arxiv.2502.09624,
title = {Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach},
author = {Jiawen Kang and Jiana Liao and Runquan Gao and Jinbo Wen and Huawei Huang and Maomao Zhang and Changyan Yi and Tao Zhang and Dusit Niyato and Zibin Zheng},
journal= {arXiv preprint arXiv:2502.09624},
year = {2025}
}
备注
15 pages, 11 figures