摘要
低空生态的繁荣不断推动智能网络服务由平面向低空三维立体方向转变,低空业务呈现出规模化、协同化和智能化等演进态势,对低空智联网跨域设备协作能力、任务处理效率、数据安全性及操作可信性等提出了较严苛要求。集群式多设备联合计算协作可提升低空智联网中复杂化大规模任务的处理效率,然而现有模式仍存在跨域设备协作困难、安全可信性缺乏保障以及资源调度灵活性不足等问题。区块链具有数据及操作不可篡改、公开透明和集体维护等特性,尤为适合在多方参与的低空智联环境中建立高效协作信任。本文提出区块链增强的低空智联网可信协作架构,为低空多源异构智联设备提供链上跨域协作计算与状态同步渠道,并设计深度融合集群任务处理流程的多级共识协议,保障低空智联网协作集群式计算服务的安全性与可信性。针对低空智联网中协作集群链上同步状态的时效性开展分析,并据此提出一种基于排队模型的低空智联协作节点链上状态修正算法与高效集群构建策略,保障链上协作任务处理效率。仿真结果表明所提架构及方案可有效提升低空智联网中协作任务处理效率和资源利用率等性能。
低空智联网作为传统物联网在空天地海多维基础设施上的创新性延伸,是空天地一体化网络的重要组成部
低空智联网集群式协作通过低空智联设备形成自组织对等网络,使得复杂任务能够分散在网络中的对等节点上协作并行处理,能够支撑如无人机目标跟踪与地形勘探建模等资源密集型低空智联任务,提高了低空智联任务处理效
本文提出一种区块链增强的低空智联网可信协作架构,并设计深度融合集群任务处理流程的多级共识协议,为低空多源异构智联设备提供链上跨域协作计算与状态同步渠道。同时,对链上大量状态数据传递引发的服务状态报告“过时”现象开展多维分析,深入研究协作集群链上同步状态的时效性问题。最后,针对上述问题提出基于排队模型的低空智联协作节点链上状态修正算法与高效集群构建策略。本文的具体研究工作及创新点如下:
(1)提出了一种区块链增强的低空智联网可信协作架构,为低空多源异构智联设备提供链上跨域协作计算与状态同步渠道;设计一种多级区块链共识协议,在区块链流程不引入额外操作、时延开销的情况下,应用区块链机制保障集群边缘协作任务执行过程的可信性及安全性。
(2)通过分析低空智联节点链上服务状态信息年龄(Age of information,AoI),引入了服务质量摘要的链上“过时”概念,并提出基于AoI以及直接估计的任务开始前等候时长预测量;通过对两种任务开始前等候时长的关系分析,提出基于服务状态信息年龄的状态时效性,并对其与低空智联可信协作计算效率关联性进行分析。
(3)为降低协作任务的开始前等候时长,提出一种链上状态修正算法(On‑chain status correction algorithm,OSCA),该算法能够根据AoI及链上服务质量摘要,预测低空智联任务分片开始计算前的所需等候时长,有效提升低空智联协作集群任务处理效率。
(4)通过仿真验证所提协作架构及OSCA的有效性,及其对低空智联网中协作集群式任务处理服务效率、网络资源利用率等性能的影响。
针对低空智联网特性及安全可信的发展需求,本文设计一种区块链增强的低空智联网可信协作架构,如

图1 区块链增强的低空智联网可信协作架构
Fig.1 Blockchain-enhanced trustworthy low-altitude intelligent network collaboration architecture
(1) 实现低空智联网中的可信链上信息共享:所有BLIN的信息可以通过带有独特签名的智能合约在链上进行多方共享。共享信息的真实性及可信性可由网络中的所有参与节点快速验证。
(2) 在链上同步最新可靠的BLIN状态:BLIN的任务处理进度状态报告可通过区块链在BLIN间定期同步,由区块链保障这些状态报告的安全性与可靠性,对协作集群服务决策至关重要。
(3) 实现协作任务处理数据及进程的链上可信追踪:区块链用于记录低空智联任务数据的摘要、服务集群构成及任务分配等信息,这些信息可在整个低空智联区块链网络的BLIN节点间同步与验证。
(4) 在链上实现公平可信的低空智联协作任务计算收益分配:基于链上共享信息,区块链可自动核算每个协作BLIN节点工作量,并将公开可验证的收益自动转移至BLIN所属运营方的链上账户。
举例来说,在所提出的区块链增强的低空智联网可信协作架构下,若某一低空智联无人机需预测某空域一段时间内的飞行气象条件并进行航迹规划,其可向任意一个部署了区块链模块的BLIN发出协作计算任务请求,该请求需包括详细任务处理过程、待处理原始数据和任务协作集群规模等相关需求。随后,该接入源BLIN将负责解析请求,并选择符合任务需求的BLIN以构建链上协作计算服务集群,随后根据集群中BLIN的计算能力对任务进行分片分发。这一集群构建过程均由区块链模块完成,该模块可根据任务需求“无差别”式地选择来自多制造商或管理方的、支持多种模态的、拥有不同配置的多类型BLIN,从而为低空智联网大规模、高密集等类型任务提供可信安全、高效响应、联通协作的处理渠道。
针对区块链增强的低空智联网可信协作架构,本文提出一种深度融合集群任务处理流程的多级共识协议。此多级共识协议主要包含上、下两层区块链共识,整合协作集群选取、任务分片分配、并行任务执行以及任务合并过程,并使前述流程取代原生区块链消息验证过程。同时,协议引入区块链特性保障BLIN协作任务处理安全可信,并能够减少区块链增强协作集群功能所产生的各项支出。
多级共识协议的下层主要采用协作实用拜占庭容错(Collaborative processing‑practical Byzantine fault tolerance,CP‑PBFT)共识,利用架构中业务的单一特性,协调协作集群以同步完成协作任务,从而有效降低了上链的等待时间。在收到新的协作计算任务请求后,接入源BLIN将会响应请求并启动下层共识流程。CP‑PBFT共识协议流程如

图2 下层CP-PBFT共识协议流程
Fig.2 Lower‑layer CP-PBFT consensus protocol
(1) 任务分片分配:假设第个协作集群中的接入源BLIN(假设为)负责执行分片操作,每个任务分片包含相应BLIN所需执行的部分操作程序和原始数据。随后,这些任务分片被派发给协作集群内的其余个BLIN。
(2) 分片摘要交换:集群中其余个合作BLIN对其收到的任务分片生成哈希摘要,这些BLIN会附上自己的电子签名,并与集群内其他BLIN交换这些含签名的摘要。中除了的其他BLIN收到对应任务分片后,将分片哈希值与数字签名打包,与其他每个BLIN再次进行交换。
(3) 共识验证:内所有个BLIN广播在共识阶段2中收到的所有任务分片摘要及电子签名,以确认所有BLIN任务分配的一致性及完整性。在投票阶段,如果异常BLIN数量超过 ,本次CP‑PBFT共识协议流程需重新启动。
(4) 完成协作任务:共识验证阶段完成后,正式进入协作任务部署阶段。在本阶段内,内的所有BLIN需要每隔约秒提交一次服务质量摘要至上层共识协议。在所有任务分片完成后,接入源BLIN将收集任务反馈,整合后向低空智联设备返回最终的任务处理结果。本轮次CP‑PBFT共识协议正式结束。
多级共识协议上层主要应用状态报告实用拜占庭容错(Status report‑practical Byzantine fault tolerance,SR‑PBFT)共识协议,与CP‑PBFT共识协议并行执行,其目的在于处理CP‑PBFT中协作任务部署阶段产生的服务质量摘要。SR‑PBFT共识协议流程如

图3 上层SR-PBFT共识协议流程
Fig.3 Upper‑layer SR-PBFT consensus protocol
(1) 在第轮SR‑PBFT共识协议中,假设第个协作集群中的个BLIN分别在时间点生成份服务质量摘要。协作集群中随机产生一位领导BLIN,负责收集集群中的份服务质量摘要并验证其真实性。
(2) 在由个领导BLIN组成的SR‑PBFT共识网络中,将随机选出一位领导BLIN,该BLIN负责将收到的份服务质量摘要打包形成一个记录区块,并启动PBFT共识流程以验证该记录区块。该记录区块通过验证上链后会在个领导BLIN中分别存储,完成本步骤后轮次索引将递增。
(3) 协作集群中区块链低空智联节点从记录区块中获取所有服务质量摘要,并向下一协作集群中所有BLIN广播。随后,中的所有BLIN将服务状态信息更新到本地系统中,为后续的协作集群的决策提供依据。
如前文所述,在区块链增强的低空智联网可信协作架构下,协作集群的构建决策高度依赖于服务状态信息。然而,由于架构中引入了区块链多级共识协议,且存在异步工作时延,服务质量摘要在作为决策依据时可能已经“过时
如

图4 服务状态报告信息年龄随时间变化关系
Fig.4 Aging of service status reports over time
令为中连续两次服务质量摘要的生成时间间隔,且在上均匀分布,同步误差。服务质量摘要的时间跨度与无关且之间相互独立。由此,可定义、、和构成多个平稳随机过程。
综上所述,在时的服务质量摘要AoI可由
(1) |
式中为t时刻前收到来自最近的服务质量摘要时间。
在区块链增强的低空智联网可信协作架构下,BLIN在应用服务状态进行协作任务决策时,首先需对服务质量摘要的“过时”程度进行分析,接着应用服务质量摘要对BLIN任务开始前等候时长进行估算,最后通过服务决策算法对协作任务进行决策。因此,区块链增强的低空智联网可信协作架构中任务处理服务的效率不仅受AoI影响,还与任务开始前等候时长的估计和服务决策算法设计密切相关。本节首先介绍两个使用不同场景的任务开始前等候时长估计算法,并基于这两个算法给出服务质量摘要时效性指标。
由于SR‑PBFT服务质量摘要生成特性,任意BLIN可能遭遇无法被集群中其他BLIN观测到的意外事件。因此,BLIN服务系统可被建模为齐次队列,且假设节点的任务到达率为的泊松过程,且任务分片服务过程时间服从均值为的负指数分布。接收到来自服务质量摘要的AoI记为,为接收到用户请求的时间。由于队列存在时间齐次性,可记收悉最近服务状态为,为包含0及全体正整数的数集。假设,其中为链上最近服务质量摘要的取值。相对应地,节点中任务分片数的实时值记为,它是一个相对于服务质量摘要AoI值的随机过程,且观察节点无法直接获取该值。
为获取BLIN服务质量摘要的可信度,本节定义:(1)基于AoI的任务开始前等候时长预测量记为;(2)直接使用服务质量摘要的时间预测量记为。BLIN服务质量摘要的时效性指标可由上述指标的差值进行估计。设为接收到的任务分片数,时效性指标可表示为
(2) |
式中E[·]表示数学期望。
假设的服务队列状态空间为维,
(3) |
设存在个任务分片独立地存在于的服务等待队列中,此时的服务线程为全占用状态,此时新任务分片的平均任务开始前等候时长可等同于其他个独立任务分片消耗时间之和,由此可推导出
(4) |
(5) |
将式(
(6) |
为进一步化简,需分析在随机时刻,节点任务分片数为的概率,该概率与状态有关,可记为
(7) |
此外,节点的队列长度状态转移矩阵可由表示,令表示节点节最近链上服务质量摘要中记录的服务状态,时刻节点的服务状态概率向量可表示为。
设为一个维系数向量,。通过将和代入
(8) |
式中矩阵指数可表示为,并且。
在时效性指标得到具体量化后,本节将探讨这一指标如何影响BLIN在估算任务开始前等候时长及在协作任务处理效率方面的作用。服务质量摘要的实时时效性指标,即,反映了使用“过时”服务质量摘要的直接估计和基于服务质量摘要AoI的任务开始前等候时长预测两种度量间的差异程度。因此,时效性指标的正负反映了服务质量摘要的两种不同状态:
(1) 时:在这种情况下服务质量摘要未“过时”,BLIN中新任务分片的实际任务开始前等候时长可能等于甚至小于预期估计值,这意味着BLIN的最近链上服务质量摘要仍是新鲜可用的,因此BLIN可直接使用服务质量摘要对BLIN的服务状态和任务开始前等候时长进行评估。
(2) 时:在这种情况下服务质量摘要已“过时”,直接采用服务质量摘要可能会低估BLIN的任务开始前等候时长,延误整个用户任务请求的处理进程。在这种情况下,应采用基于状态AoI的链上状态修正算法。
算法1介绍了链上状态修正即OSCA的详细流程。该算法利用BLIN的实时AoI信息及服务质量摘要时效性来促进网络协作集群的构建。OSCA首先计算AoI的值,然后根据当前服务质量摘要实时时效性进行较为精确的等候时长估计。该算法在资源任务卸载及资源调配前,对网络中收集的服务质量摘要进行分析,可准确分析出服务质量摘要的可用性,同时提供了更准确、更可靠的任务开始前等候时长估计,提升最终协作任务的处理效率。
算法1 OSCA
输入:节点最新链上服务质量摘要中值,其中当前时间为
输出:全网BLIN等候时长集合
(1) for to do
(2) for to do
(3)
(4) 计算、、和
(5) if then
(6)
(7) else
(8)
(9) end if
(10) end for
(11) end for
当接入源BLIN接收到用户发起的计算任务卸载请求后,接入源BLIN将执行OSCA进行网络状态估算,从而获得更为精准的全网BLIN预期任务计算开始前的等候时长集合 ,以此辅助更为高效的任务分配及集群构建决策。当新任务请求被接收后,接入源BLIN将在执行CP‑PBFT共识前,使用OSCA的输出执行切割任务分片和构建协作集群两大关键操作:
(1)切割任务分片:为了充分利用集群的分布式计算优势,接入源BLIN将任务切割成多个解耦的独立执行子任务分片,以便任务在集群中的合理分配。假设协作的服务集群BLIN均来自同一设备制造商和运行商的同一型号,即其具有相同的芯片结构和处理能力,此时将任务请求切割为个子任务分片的“等分”方案将是服务集群BLIN间用户请求任务工作分配的最佳方案。
(2)构建协作集群:接入源BLIN通过OSCA的输出,也即任务开始前等候时长估计值集合,其中,以此确定最佳的满足任务需求的个协作BLIN,构建出协作服务集群。从等候时长估计值集合中,接入源BLIN可采用如下3种策略确定完成任务请求的BLIN集群。
① 随机选取策略:接入源BLIN无视网络中存在的服务状态以及所有服务质量摘要的自身“过时”等问题,直接从网络中所有个参与BLIN中随机选取个BLIN作为该任务请求的协作BLIN构成集群。
② 直接估计最优等候时长策略:根据网络中BLIN提供的服务质量摘要,不考虑“过时”情况,而直接根据值判别BLIN的任务开始前等候时长。接入源BLIN选择任务开始前,等候时长最低的个BLIN作为该任务请求的协作BLIN构成集群。
③ OSCA预测最优等候时长策略:采用OSCA获得预估任务开始前等候时长集合,接入源BLIN选取预估任务开始前,等候时长最少的个BLIN作为该任务请求的协作BLIN构成集群。
为评估OSCA的实际效用,本节针对4.2节中的直接估计法和OSCA协作策略进行仿真,
参数 | 说明 | 默认值 | 参数 | 说明 | 默认值 |
---|---|---|---|---|---|
服务质量摘要报告的数据包大小 | bit | BLIN节点针对服务质量摘要的处理频率 | 兆周期/s | ||
网络中BLIN节点间链路平均带宽 | Mbit/s | 区块中哈希与签名等必要信息大小 | bit | ||
节点最大并发服务线程数 | 区间均匀分布 | 单个服务集群中BLIN数量 | 个BLIN | ||
网络同步误差度 | 网络中BLIN服务集群总数 | 个协作集群 | |||
网络中BLIN节点总数 | 个BLIN | 区块时间 | s | ||
节点任务请求服务完成率 | 任务分片/s | 任务到达节点的请求强度 |
首先,

图5 不同子任务分片请求强度下的可信协作架构性能变化
Fig.5 Performance of trustworthy collaboration architecture under different subtask request intensities

图6 AoI与服务质量摘要时效性指标的关系
Fig.6 Relationship between AoI and the timeliness of service quality summary
从

图7 不同子任务分片到达强度和区块时间下直接估计与OSCA性能对比
Fig.7 Performance comparison between direct estimation and OSCA under different request intensities and block time

图8 不同参数对架构性能影响
Fig.8 Impact of different parameters on architecture performance
本文设计了一种区块链增强的低空智联网可信协作架构,通过CP‑PBFT和SR‑PBFT组成的多级共识协议,统筹调度异构设备,构建安全高效的并行化低空智联网链上可信协作计算服务集群,该协议同时确保了网络中协作任务的可信定期同步与服务决策。此外,本文采用信息年龄AoI工具分析由区块链共识导致的服务质量摘要的“过时”问题,并设计OSCA来构建高效服务集群,避免因网络中存在的“过时”问题导致的网络状态误判。仿真结果表明,考虑服务质量摘要“过时”的OSCA所构建的链上可信协作计算服务集群相比直接估计大幅提升服务效率,降低任务计算前的等候时长,在低空智联协作环境中维持高动态、高可用、低时延的计算资源统筹调度。在本文基础上,可进一步考虑针对低空智联网环境设计高效低能耗的区块链消息结构、智能合约等底层驱动机制,从而进一步提升可信协作架构的整体效率。
参考文献
吴启晖,董超,贾子晔,等.低空智联网组网与控制理论方法[J/OL].航空学报, (2023-05-15)[2024-02-01]. http://kns.cnki.net/kcms/detail/11.1929.V.20230512.1733.042.html. [百度学术]
WU Qihui, DONG Chao, JIA Ziye, et al. Networking and control mechanism for low‑altitude intelligent networks[J/OL]. Acta Aeronautica et Astronautica Sinica, (2023-05-15)[2024-02-01]. http://kns.cnki.net/kcms/detail/11.1929.V.20230512.1733.042.html. [百度学术]
ANDREWS J G, BUZZI S, CHOI W, et al. What will 5G be? [J]. IEEE Journal on Selected Areas in Communications, 2014, 32(6): 1065-1082. [百度学术]
LING X, WANG J, LE Y, et al. Blockchain radio access network beyond 5G[J]. IEEE Wireless Communications, 2020, 27(6): 160-168. [百度学术]
WANG J, LING X, LE Y, et al. Blockchain enabled wireless communications: A new paradigm towards 6G[J]. National Science Review, 2021, 8(9): 69. [百度学术]
JAVAID S, SAEED N, QADIR Z, et al. Communication and control in collaborative UAVs: Recent advances and future trends[J]. IEEE Transactions on Intelligent Transportation Systems, 2023, 24(6): 5719-5739. [百度学术]
王心一,陈志江,雷磊,等. 多无人机网络边缘智能计算卸载算法[J]. 数据采集与处理, 2023, 38(6): 1286-1298. [百度学术]
WANG Xinyi, CHEN Zhijiang, LEI Lei, et al. Computation offloading algorithm for multi-UAV network based on edge intelligence[J]. Journal of Data Acquisition and Processing, 2023, 38(6): 1286-1298. [百度学术]
TTRAN T X, HAJISAMI A, PANDEY P, et al. Collaborative mobile edge computing in 5G networks: New paradigms, scenarios, and challenges[J]. IEEE Communications Magazine, 2017, 55(4): 54-61. [百度学术]
QIAO G, LENG S, ZHANG K, et al. Collaborative task offloading in vehicular edge multiaccess networks[J]. IEEE Communications Magazine, 2018, 56(8): 48-54. [百度学术]
Du R, Gao Y. DTC: A dynamic trusted collaboration architecture for mobile edge computing[C]//Proceedings of Annual IEEE/IFIP International Conference on Dependable System Network Workshops. Baltimore, MD, US: IEEE, 2022: 182-185. [百度学术]
TSCHORSCH F, SCHEUERMANN B. Bitcoin and beyond: A technical survey on decentralized digital currencies[J]. IEEE Communications Surveys and Tutorials, 2016, 18(3): 2084-2123. [百度学术]
XUE H, CHEN D, ZHANG N, et al. Integration of blockchain and edge computing in Internet of things: A survey[J]. Future Generation Computer Systems, 2023, 144: 307-326. [百度学术]
吴诗平,陈谋,朱荣刚,等. 基于区块链的多先进战机协同作战资源自适应调度[J]. 南京航空航天大学学报, 2022, 54(6): 1021-1029. [百度学术]
WU Shiping,CHEN Mou,ZHU Ronggang,et al. Resource adaptive scheduling of cooperative combat for multi-advanced fighters based on blockchain[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2022, 54(6): 1021-1029. [百度学术]
郭永安,周沂,王全,等. 区块链辅助的多边缘服务器协作视频流缓存优化策略[J]. 数据采集与处理, 2023, 38(6): 1353-1368. [百度学术]
GUO Yongan, ZHOU Yi, WANG Quan, et al. Blockchain-based collaborative caching for multi-edge server video streaming[J]. Journal of Data Acquisition and Processing, 2023, 38(6): 1353-1368. [百度学术]
TANG Z, SUN Z, YANG N, et al. Age of information analysis of multi-user mobile edge computing systems[C]//Proceedings of IEEE Conference on Global Communications. Madrid, Spain: IEEE, 2021: 1-6. [百度学术]
LIU Y, CHANG Z, MIN G, et al. Average age of information in wireless powered mobile edge computing system[J]. IEEE Communications Letters, 2022, 11(8): 1585-1589. [百度学术]
ROVIRA-SUGRANES A, RAZI A. Optimizing the age of information for blockchain technology with applications to IoT sensors[J]. IEEE Communications Letters, 2020, 24(1): 183-187. [百度学术]
LEE S, KIM M, LEE J, et al. Is blockchain suitable for data freshness? An age-of-information perspective[J]. IEEE Network, 2021, 35(2): 96-103. [百度学术]