[发明专利]传感边缘云区块链网络可信卸载协作节点选择系统及方法

说明书

本发明公开了一种传感边缘云区块链网络可信卸载协作节点选择系统及方法。所述系统包括传感云边缘节点、和创建在边缘节点中的区块，所述边缘节点和区块链组成边缘DAG区块链网络。所述方法包括步骤：(1)获取训练任务发布节点发布的训练任务；(2)将至少ε+1个边缘节点作为待选择的计算任务卸载交易节点，获取其成本函数C_v,h并注册到DAG区块链中；(3)在DAG区块链中根据各边缘节点交易状态，采用强化学习规划计算任务卸载路径的优化策略，根据优化策略制定卸载路径行动集合。本发明针对多跳计算任务协作卸载，建立基于边缘DAG区块链的多跳计算任务协作卸载模型，参与计算任务协作卸载的节点注册到边缘DAG区块链网络中，协作完成多跳分布式联邦学习任务。

技术领域

本发明属于物联网技术领域，更具体地，涉及一种传感边缘云区块链网络可信卸载协作节点选择系统及方法。

背景技术

为了减少传感边缘云中计算任务卸载对远程云的依赖，计算任务以多跳协作的方式在边缘节点间卸载来完成模型的训练。多跳计算任务协作卸载过程包含计算任务的传输和模型的分布式训练两个阶段，且具有扩展性好和健壮性强等特点，能较好地支持计算任务的分布式联邦学习，保护节点的隐私数据。然而，随着跳数和节点数的增加，也为优化计算任务可信卸载的服务质量带来了诸多挑战。

基于多跳计算任务卸载的模型训练方式，能有效避免单点失败，且充分利用边缘节点的本地数据来分布式训练模型，能有效的提高联邦学习的性能。然而，借助于多跳计算任务卸载技术的分布式联邦学习面临安全问题。由于边缘节点的自私性使得计算任务的训练达不到预期的训练精度，或者恶意的节点修改训练好的模型来欺骗相互协作的节点，误导下一跳节点继续做低效率的训练。这使得边缘节点参与协作的行为变的不可信，导致无法进行低延迟可信的协作，降低了计算任务卸载和分布式联邦学习的服务质量。因此，解决此问题的关键挑战是如何平衡边缘节点多跳计算任务卸载延迟和可信协作之间协调决策，以提高多跳计算任务卸载路径的服务质量。面对这个挑战，研究者提出了一些计算任务协作卸载的方法。J.Yan等考虑了单用户边缘计算系统的任务图，并且提出了强化学习框架来优化任务在本地或边缘节点的卸载决策以及资源分配问题，但该方案未考虑多跳计算任务卸载场景(Offloading and ResourceAllocation With GeneralTaskGraph in MobileEdgeComputing:A Deep Reinforcement LearningApproach,in IEEETransactionsonWirelessCommunications_,vol.19,no.8,pp.5404-5419,Aug.2020)。Z.Hong等模型化包含边缘节点、云节点的计算任务卸载路径优化问题为一个多跳计算任务卸载博弈，并且提出QoS感知的分布式算法，但未考虑节点间协作卸载的可信问题(Multi-HopCooperativeComputation Offloadingfor Industrial IoT–Edge–Cloud ComputingEnvironments,in IEEE Transactions on Parallel and Distributed Systems_,vol.30,no.12,pp.2759-2774,1Dec.2019)。L.Xiao等为了抵抗自私的边缘攻击和假冒的记录攻击，提出了基于区块链的信任机制，通过建立声誉的方法来增强移动设备和边缘节点之间计算任务卸载的安全性，但未实现边缘节点间多跳计算任务卸载的安全性(AReinforcement Learningand Blockchain-BasedTrust MechanismforEdge Networks,in IEEETransactionsonCommunications_,vol.68,no.9,pp.5460-5470,Sept.2020)。这些研究方案还存在如下不足：

(1)已提出的解决方案较少考虑多跳计算任务卸载，以及多跳边缘节点间的协作训练，而仅考虑传感设备到边缘节点间的单跳计算任务卸载性能，无法支持多跳的分布式联邦学习。因此，已提出的解决方案在多跳的分布式计算任务协作卸载中应用具有局限性。