只是想在看论文的时候做个记录~
原文地址:https://dl.acm.org/doi/10.1145/3416014.3424582
Abstract:为了解决车联网IoV分析计算海量视频时的安全和稳定性,提出利用MEC和Blockchain技术来优化数据传输,降低系统的时延。联合优化问题可以看作为马尔科夫决策过程,同时利用深度强化学习来解决这个问题。
Motivation:ITS技术的快速发展,海量的视频被捕获分析来提高交通的安全及运行效率,这也给车联网环境下的数据存储和共享带来了挑战。区块链作为一种分散式的数据存储技术,可以提供透明、安全、可扩展的隐私安全保护环境,可以在车联网中做到低成本的数据共享,同时MEC可以分散计算资源,减小数据传输的时延。此外,在具有MEC系统的blockchain-enabled的IoV中,网络、缓存和计算资源的动态分配对于提高IoV的性能就显得尤为重要,这种优化复杂网络问题可以利用DRL来解决。
Konwledge:Blockchain是一种分布式账本,可以促进去中心化的数据共享和安全管理。已经有很多研究者提出了在车联网中应用的架构,感兴趣可以看看Distributed Priority Based Management of Road Intersections Using Blockchain | IEEE Conference Publication | IEEE Xplorehttps://ieeexplore.ieee.org/document/8969653/references#references
Branch based blockchain technology in intelligent vehicle - ScienceDirecthttps://www.sciencedirect.com/science/article/pii/S1389128618308399
Vehicular Blockchain-Based Collective Learning for Connected and Autonomous Vehicles | IEEE Journals & Magazine | IEEE Xplorehttps://ieeexplore.ieee.org/document/9003305
对于IoV视频流的RA(Resource allocation)问题和传统优化方案不同,需要考虑频谱/带宽、功率、缓存资源以及计算能力,这属于NP-hard。还要考虑到车联网的拓扑变化非常快速,通信范围小、时变通道快等特点。
Main ideal:这篇文章主要提出了车联网场景下视频卸载决策的系统模型,包括生成交易的车联网网络、平台视频分析的 MEC 系统和处理交易的区块链系统。
具体的一些计算和变量,我用笔写了一下,首先计算MEC服务器完成视频分析任务的总时延,它由传输时延和计算时延组成。
接下来是区块链系统的性能,由delay to finality (DTF)来评估,DTF 包括块生成、传播和验证的时间。
基于深度强化学习的方法
Main contributions: 提出了一种新的视频分析框架,用于具有 MEC 场景的区块链 loV,其中制定了视频卸载和资源分配问题,以优化区块链系统的交易吞吐量并减少 MEC 系统的延迟。采用了基于A3C的强化学习算法来优化网络和计算资源,并进行了实验分析。
Algorithm:asynchronous advantage actor-critic (A3C)