本文介绍了一篇关于区块链赋能的车载边缘计算（Vehicle Edge Computing, VEC）系统中安全稳定的任务卸载方案的研究论文。该论文由Zeng Jiahao、Shi Zhenkui、Hu Xiantao、Wang Changshuo、Wang Songping和Li Xianxian等作者共同完成，发表于《IEEE Transactions on Intelligent Transportation Systems》期刊，提交日期为2025年1月2日。

研究背景与动机

随着智能交通系统（Intelligent Transportation Systems, ITS）和智慧城市的发展，车载边缘计算（VEC）作为一种能够增强计算卸载和资源共享的技术，受到了广泛关注。然而，由于车辆的移动性和边缘节点的异构性，现有的VEC系统在安全性和稳定性方面面临诸多挑战。具体来说，车辆和边缘节点之间的任务卸载涉及大量数据传输，而这些节点可能不可信甚至恶意，增加了数据泄露和攻击的风险。此外，车辆移动性和信道状态的随机变化使得任务卸载和资源分配成为一个复杂的优化问题，难以在各种条件下保持系统的稳定性。

为了解决这些问题，本文提出了一种基于区块链的安全稳定任务卸载方案（Secure and Stable Task Offloading, SSTO）。该方案结合区块链技术设计了一个轻量级的共识机制和过滤算法，旨在减轻共识过程的时间消耗并过滤恶意车辆，防止恶意攻击，确保车辆的安全性。同时，为了在协作卸载过程中确保系统的稳定性并提高服务质量，本文将任务卸载问题建模为每时隙的混合整数非线性规划（Mixed-Integer Nonlinear Programming, MINLP）问题，并利用Lyapunov优化技术和深度强化学习（Deep Reinforcement Learning, DRL）来解决这一多阶段时隙调度问题，以满足VEC系统的所有长期约束。

研究流程与方法

本文的研究流程主要包括以下几个步骤：

1. 系统模型与问题建模：

   • 本文提出了一个基于区块链的VEC协作通信和计算框架，包含区块链层、车联网设备层和边缘服务器层。区块链层通过轻量级共识机制和恶意节点过滤机制确保数据不被篡改或伪造，车联网设备层通过无线网络连接到区块链和边缘服务器，边缘服务器层由一系列配备不同计算单元的路边单元（RSU）组成，提供低延迟的计算服务。
   • 本文将任务卸载问题建模为一个长期优化问题，目标是在满足系统队列稳定性的前提下，最小化系统的长期平均延迟和能耗。

2. 区块链模型与恶意节点过滤机制：

   • 本文设计了一个基于主观逻辑理论的信任管理机制，通过历史交互记录生成直接声誉值，并结合其他任务发布者的间接声誉值形成个人声誉评估。通过恶意节点过滤算法，能够排除那些声誉值异常的节点，确保只有可信节点参与共识和任务卸载过程。
   • 本文还设计了一个轻量级的区块链共识机制，通过高效的投票机制减少验证延迟，降低网络带宽消耗，提高系统效率和性能。

3. 基于Lyapunov优化的深度强化学习算法：

   • 本文提出了一种基于Lyapunov优化理论和深度确定性策略梯度（Deep Deterministic Policy Gradient, DDPG）算法的在线决策算法。该算法能够在不知道未来数据或复杂环境模型的情况下，根据当前系统状态信息做出最优的卸载决策，平衡系统效用和队列积压，确保系统的长期稳定性。
   • 该算法通过Lyapunov函数和Lyapunov漂移将长期优化问题转化为每帧确定性子问题，并结合DDPG算法进行求解，实现了在动态和不确定环境中的实时决策。

主要结果与贡献

通过仿真实验，本文验证了所提出的SSTO方案在系统安全性和稳定性方面的优越性能。具体结果如下：

1. 恶意节点过滤效果：

   • 仿真结果表明，本文提出的恶意节点过滤机制能够有效识别和排除恶意节点，确保只有诚实节点参与共识和任务卸载过程。随着恶意节点开始进行恶意行为，其声誉值逐渐下降，最终被系统过滤掉。

2. 系统性能优化：

   • 与传统的随机卸载、DQN、PPO和SAC等算法相比，本文提出的基于DDPG的卸载算法在任务完成率、平均延迟、平均奖励和平均队列积压等方面均表现出最优性能。特别是在处理连续动作空间时，DDPG算法表现出显著优势。

3. 系统稳定性与资源利用率：

   • 本文的方案能够在不同数量的车辆和RSU情况下保持系统的稳定性和高效性。随着RSU数量的增加，系统的任务处理效率和资源利用率显著提高，队列积压显著减少。

结论与意义

本文提出的SSTO方案通过结合区块链技术和Lyapunov优化理论，成功解决了VEC系统中的安全性和稳定性问题。该方案不仅能够有效过滤恶意节点，确保数据安全，还能够通过深度强化学习实现实时任务卸载决策，优化系统性能。仿真结果表明，该方案在确保系统安全的同时，能够显著提高任务处理效率和系统稳定性，具有重要的理论和应用价值。

研究亮点

1. 创新性：本文首次将区块链技术与Lyapunov优化理论结合，提出了一种全新的VEC任务卸载方案，解决了现有系统中安全性和稳定性的双重挑战。
2. 高效性：通过轻量级共识机制和恶意节点过滤算法，显著减少了共识过程的时间消耗，提高了系统效率。
3. 实用性：本文的方案在实际仿真中表现出优异的性能，能够有效应对动态和不确定的环境变化，具有广泛的应用前景。

本文的研究为车载边缘计算系统的安全性和稳定性提供了新的解决方案，具有重要的学术价值和实际应用意义。