[发明专利]一种车辆雾计算中的任务卸载方法

说明书

本发明公开了一种车辆雾计算中的任务卸载系统和方法，包括：基站、用户车辆、车辆雾服务器、威胁模型和时延模型；每个基站和车辆都拥有一个装有数字货币的钱包，并生成用于加密和解密的密钥对，其中基站的密钥对由三个组件共享。所有车辆都需要向注册授权组件注册以获得证书。其次，用户将请求发送给基站，基站将执行任务卸载的智能合约。然后用户将加密后的数据卸载到相应雾服务器，雾服务器执行计算任务并将计算结果反馈给用户和基站。基站会检查整个过程并进行相应奖惩。最后，基站会创建一个区块上传至区块链，其他基站验证其工作量证明及交易的合法性。一旦该区块被大多数的基站接受，它将被添加至区块链的末尾。

技术领域

本发明涉及车辆雾计算技术领域，特别涉及一种车辆雾计算中基于区块链和机器学习的任务卸载方法。

背景技术

新兴的车载应用，如自动驾驶、视频流和车载游戏等，将会产生大量时延敏感且计算密集型的任务。在传统的云计算架构中，由于连接不稳定和传输距离远等原因，将这些任务卸载到云服务器的时延很大。一种有效的方法是利用边缘计算在网络边缘提供计算服务。然而，为了满足高可靠、广覆盖的服务需求，必须在特定位置部署大量的边缘服务器，这难免会带来高额的部署成本和运营成本，并造成巨大的资源浪费。

车辆雾计算可以通过利用车辆的空闲资源有效地弥补边缘计算的缺陷。本发明将有计算服务需求的车辆视为用户车辆，可提供计算服务的车辆视为车辆雾服务器。用户车辆可以直接将任务卸载到附近的车辆雾服务器，这极大缩短了传输距离，缓解了网络拥塞，提高了资源利用率。然而，车辆雾计算的发展仍面临着诸多挑战。首先，任务卸载过程中存在大量的安全及隐私威胁。一方面，恶意的车辆会发起一系列攻击来最大化自身利益，如“双重索偿”攻击、“搭便车”攻击和赖账攻击。另一方面，恶意的攻击者会截获车辆间传输的数据进而获得一些敏感信息。其次，通常情况下，由于隐私顾虑、高移动性和信令开销等原因，车辆雾服务器侧的信息和信道状态信息难以被用户车辆获取，因此用户车辆需要在不完全信息的场景下做出任务卸载决策。此外，较长的排队时延、较短的连接时间和在车辆雾服务器间的频繁切换也造成了缓存溢出、任务数据丢失、数据重传和额外的时延开销等问题。因此，迫切需要设计一种任务卸载机制，在保证隐私性、公平性和安全性的同时，基于不完全信息实现低任务卸载时延、排队时延和切换成本。

现有技术中存在一些基于上置信界算法与匹配理论的任务卸载方案，但是都没有考虑任务卸载过程中的隐私、安全和公平性等问题，不能进行安全的任务卸载。

发明内容

本发明针对现有技术的缺陷，提供了一种车辆雾计算中的任务卸载方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

一种车辆雾计算中基于区块链和机器学习的任务卸载方法，其特征在于，所述任务卸载方法是在任务卸载系统的基础上实现的；

任务卸载系统包括：基站、用户车辆、车辆雾服务器；用户车辆以下简称用户，车辆雾服务器以下简称雾服务器；

基站为用户提供通信和计算服务，当基站过载时，用户可将任务直接卸载到附近的雾服务器上，同时基站需要给予双方一定补偿；作为共识节点，被授权的基站可对区块链进行维护；

基站包括：注册授权组件以下简称RAC，RAC负责车辆的注册和身份管理；计算组件以下简称CC，CC负责设计并执行智能合约，同时可参与“挖矿”；存储组件以下简称SC，SC用于整个区块链的交易存储；

所述任务卸载方法包括：威胁模型和时延模型；

威胁模型用于描述安全任务卸载过程中所面临安全威胁的类型；假设大部分车辆是诚实的，但仍存在部分恶意行为，假设恶意的雾服务器不会伪造错误的计算结果；基站的计算组件CC可能被黑客进行攻击导致无法公平地发放奖励；此外，攻击者会拦截数据进而窃取车辆的敏感信息；

时延模型用于描述智能任务卸载过程中所涉及到的时延类型及其计算方法；