打开主菜单

求真百科

基于分片区块链的网络基础设施调度系统

来自 搜狐网 的图片

基于分片区块链的网络基础设施调度系统近年来,区块链技术成功应用于金融和医疗领域。它可以为网络中的信息交换和价值转移提供可靠的机制。因此,将区块链引入网络可以增强网络的可扩展性、网络间协作能力、安全性和隐私能力。此外,区块链可以提供稳定的数据存储服务,确保数据的安全性、可靠性和透明可追溯性。网络中数据的匿名性和加密性极大地保护了用户的隐私。因此,将区块链引入网络可以提供扩展信任即服务(TaaS)解决方案,这使得将数字孪生[1]、联邦学习和其他前沿技术结合到 6G 网络中成为可能。

另外,在6G网络中,将利用分布式人工智能[2]、区块链、SDN、NFV等技术,建立可按需调整的分布式网络。分布式网络应灵活、安全、可靠,并具有自组织和进化的能力。通过多接入网络、海量终端、多样化业务、多模资源的协调,可以提高网络的性能和可靠性。同时,区块链可以隐藏和保护网络中的交易内容数据和用户特定信息,为对数据隐私有更高要求的应用程序提供定制化的安全服务。

目录

技术要点

1.1 6G网络体系架构设计

A. 核心节点

核心节点主要由云计算中心组成,负责系统的整体调度、管理和监督,并统领各分片链中作为主节点的边缘节点完成联邦学习,训练全局的网络设备调度模型。可以由多个运营商各自提供核心节点,实现跨网的网络设备智能调度与共享,节省成本,提高设备、资源的利用效率。核心云层承担的功能主要包括:

(1)节点注册:当新的网络设备(包括智能终端、网关设备以及服务器)进入网络时,首先要向最近的云计算中心提出注册申请,云计算中心在评估设备安全性后,在主链中发布准入交易,准入交易中包含该设备的注册ID和配置信息,配置信息将用于决定该设备在网络中的任务和分片。当该准入交易在主链中完成共识并上链后,云计算中心向注册设备发送注册成功消息,包含设备的注册ID及分片情况。

(2)联邦学习任务分配:每一轮联邦学习开始,云计算中心将从设备层网关和智能终端节点中选择一个设备子集参加这一轮的训练,云计算中心向设备子集中的网关节点分配联邦学习任务,并发送详细的配置信息,例如数据结构、共享状态和模型参数,联邦学习的目的是收集各分片内本地的数字孪生模型用于训练全局的网络设备调度模型便于实现网络设备的跨分片调度,例如可以使用联邦学习获取各个分片的业务流量情况和资源使用情况,以更好地优化区块链分片的方式或者更好地预测未来的网络使用情况,以提前调度好网络设备,提高服务的响应速度。设备层的网关节点和智能终端将根据接收到的配置信息及其数字孪生执行本地计算,并把模型更新送至云计算中心用于聚合。云计算中心收到足够更新模型后,将聚合结果和收集到的模型发布至主链保存。

B. 边缘节点

边缘节点由高性能的移动边缘计算节点MEC组成,边缘节点负责连接通信网络中的核心云层和设备层,主要任务是管理分片内部的分片链共识和中继联邦学习消息,还可以参与主链共识获取全局模型。MEC可利用无线接入网络就近提供云端计算功能,而创造出一个具备高性能、低延迟与高带宽的服务环境,加速网络中各项内容、服务及应用的快速下载,让消费者享有不间断的高质量网络体验,是系统能够实现兼顾全局和局部完成网络设备智能调度的核心。

C. 用户终端及接入设备

设备层由传感器、网关设备、智能终端、固定基站和移动基站组成,设备层是网络中用于决策和聚合模型的数据的来源,负责收集数据,下达决策和形成模型。设备层中有若干个分片,每一个分片内有若干个簇,这些簇将分片内的所有设备全部覆盖,每一个簇都有一个网关或智能终端作为簇头,负责接收传感器发送的数据(包括业务类别,网络状况等)并向移动基站下达相应指令,通常情况下分片中的所有设备会被一个固定宏基站的信号覆盖,但是分片区域内的某些位置可能出现时段性的移动通信网络使用高峰(如节日活动的举办现场,节假日期间的旅游景点),宏基站不能很好地满足用户的网络需求,移动基站可以抵达现场提供优质的网络服务。

设备层融合了数字孪生,每一个簇头都管理着一份分簇内部的数字孪生,并根据用户终端提供的实时数据更新数字孪生状态,进行分析、预测、判断和决策,最后完成对移动基站的调度。数字孪生的状态更新和实时数据的摘要将会上传至分片链进行共识并上链保存。

分片内的设备都有一个偏好列表,用来存储它偏好的簇头的身份,偏好由物理距离、误码率等决定。

1.2 区块链网络设计

本文的区块链采用分片设计,整个区块链系统由一个主链和若干个分片链组成。

A. 分片链

分片链由同一个分片的边缘云层中的移动边缘计算节点MEC与设备层中的簇头共同维护,主要存储的内容包括设备层中的各个分簇中维护的数字孪生模型以及由原始数据和对移动基站下达的指令组成的大量非结构化数据摘要。数字孪生模型作为结构化数据,可以直接存入区块链数据库中,而对于大容量的非结构化数据,如果直接上链,一方面使通信压力倍增,降低了区块链网络工作的效率,另一方面没有必要将大量未处理的原始数据上链保存,所以仅将原始数据的哈希值和簇头的身份信息作为数据的摘要进行上链操作,而原始数据则保存在本地簇头中,如有需要可以根据簇头的身份信息查询到相应原始数据,通过比对数据文件哈希值与链上存储的哈希值是否一致可以判断出原始数据文件是否被改动,一定程度上提高了信息的写入速度和查询速度,并保证了数据的可获取性和可追溯性。

B. 主链

主链由核心云层中的云计算中心和边缘云层中的MEC共同维护,负责管理区块链网络中的所有分片及节点,当有新的网络设备申请进入区块链网络时,由云计算中心验证其身份,新节点的注册信息将存入主链,由于边缘云的MEC同时参与主链与分片链的共识,所以整个系统中的所有拥有权限的节点都能获得新节点的注册信息。除此以外,主链还负责保存联邦学习的模型,完成联邦学习模型的聚合后,云计算中心将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识,实现立足全局,兼顾整体与局部的智能调度。

1.3 工作流程

本文设计的面向6G网络的高吞吐量区块链中的分片链与主链同时工作,融合了数字孪生和联邦学习,实现了兼顾全局和局部的网络基础设施高效智能调度部署,其大体工作流程。

当一个新的网络设备(包括传感器,智能终端、网关设备和服务器等)进入网络时,首先要向最近的云计算中心提出注册申请,完成注册后,将根据其配置信息决定该设备在网络中的任务和分片(step 1)。每个分簇的簇头不断地从分簇内的设备接收原始数据,当新的一轮工作周期开始,设备层的网关将在前一工作周期中收集到的物理空间的真实数据传送给数字孪生虚拟空间(step 2),虚拟空间根据收到的数据文件进行分析和预测,更新数字孪生状态(step 3),当网络中出现网络拥堵或者更高速率的网络服务请求的预兆,超出固定宏基站的服务能力时,根据更新后的模型向移动基站下达调度指令,为指定区域的用户提供临时的高速的网络服务,并更新数字孪生状态(step 4),这整个过程中,簇头们仍然在不停收集簇内设备发送的数据,为下一轮的工作周期做好准备。若当前工作周期中需要对网络基础设施进行调度,则在调度完成后,设备层将数字孪生的状态更新和当前工作周期所使用的数据文件摘要上传至分片链,分片内部完成数据和模型的共识(step 5)。在工作周期的开始,核心云中的云计算中心会完成工作周期负责人的选举,当前工作周期的负责人向网络中的各个分片分配联邦学习任务(step 6),各个分片根据分片链中共识的数字孪生状态更新完成本地模型的更新(step 7),被选为负责人的云计算中心收集足够的本地模型后(step 8),将本地模型进行聚合,将聚合后的全局模型和各分片的本地模型作为交易发布到主链网络中进行共识(step 9),完成共识后,当前的工作周期结束,开始进行下一轮工作周期。

整个系统通过轻量级、可拓展的区块链提供安全的分布式数据存储,实现了全程数据透明可追溯,同时区块链分为主链和分片链两层,分片链负责存储本分片管理区域内出现临时的网络使用高峰或高速网络服务需求时的网络基础设施调度情况及相关的数据文件摘要,主链负责收集各分片出现的临时网络服务需求和网络基础设施调度以及闲置的情况,并存储训练完成的全局模型,以便于未来的预测和全局的调度,两层区块链各司其职,缓解了通信压力,提高了共识效率,这些数据可以高效进出区块链,设备层根据这些数据进行分析和决策,完成对网络设备的高效智能调度;数字孪生根据数据生成和更新虚拟模型,为设备层提供智能预测;云层则根据这些数据进行联邦学习,生成全局模型,实现兼顾全局和局部的资源分配。

参考文献