基于深度强化学习的智能区块链边缘计算：方案与挑战
密码学与安全
2022-06-22 v1 信号处理
摘要
移动边缘计算 (MEC) 与区块链的融合，通过基于区块链挖矿实现安全增强的任务卸载，正在改变无线物联网中的当前计算服务。然而，针对这些使能技术的现有方法是孤立的，仅为特定服务和场景提供定制化解决方案。为填补这一空白，我们为基于区块链的 MEC 系统提出了一种新颖的协作式任务卸载与区块链挖矿 (TOBM) 方案，其中每个边缘设备不仅处理计算任务，还参与区块挖矿以提高系统效用。为解决 MEC 中区块链操作引起的延迟问题，我们基于轻量级区块验证策略开发了一种新的信誉证明共识机制。为适应高度动态的环境和高维系统状态空间，我们应用了一种新颖的分布式深度强化学习方法，采用多智能体深度确定性策略梯度算法。实验结果表明，与现有的协作和非协作方案相比，所提出的 TOBM 方案在提升系统奖励、以更低的区块链挖矿延迟改善卸载效用以及获得更好的系统效用方面均表现出优越性能。本文最后总结了未来基于区块链的 MEC 研究面临的关键技术挑战和可能的方向。
引用
@article{arxiv.2206.09009,
title = {Intelligent Blockchain-based Edge Computing via Deep Reinforcement Learning: Solutions and Challenges},
author = {Dinh C. Nguyen and Van-Dinh Nguyen and Ming Ding and Symeon Chatzinotas and Pubudu N. Pathirana and Aruna Seneviratne and Octavia Dobre and Albert Y. Zomaya},
journal= {arXiv preprint arXiv:2206.09009},
year = {2022}
}
备注
Accepted at IEEE Network Magazine, 8 pages. arXiv admin note: substantial text overlap with arXiv:2109.14263