摘 要：邊緣緩存技術(shù)能夠?qū)狳c內(nèi)容提前放置在距離用戶較近的網(wǎng)絡(luò)邊緣，可以顯著降低傳輸時延、提高網(wǎng)絡(luò)效率。然而，不同的運營商各自部署邊緣設(shè)備，投入巨大且緩存內(nèi)容相互隔離，無法共享。針對此問題，改進了一種基于聯(lián)盟鏈的邊緣緩存系統(tǒng)架構(gòu)，運營商部署的邊緣設(shè)備間能夠打破內(nèi)容隔離，實現(xiàn)更大范圍的內(nèi)容共享。此外，設(shè)計了基于智能合約的內(nèi)容交易流程，使得不同運營商之間的合作變得可信、公平和可追蹤。最后，考慮到熱門內(nèi)容的流行程度、文件大小以及傳輸時延等，對熱點內(nèi)容進行定價，并以收益最大化為目標，通過貪婪算法確定緩存內(nèi)容放置的位置。仿真實驗表明，基于該架構(gòu)下的收益最大化緩存策略能夠有效增加邊緣緩存的收益。

關(guān)鍵詞：邊緣緩存； 聯(lián)盟鏈； 智能合約； 內(nèi)容共享； 協(xié)作緩存

中圖分類號：TN92文獻標志碼：A

文章編號：1001-3695（2023）08-032-2447-05

doi：10.19734/j.issn.1001-3695.2022.10.0633

Benefit maximization caching strategy in edge cache systembased on consortium blockchain

Yang Fan， Jiang Jing， Du Jianbo， Zhang Xuewei， Liu Meng， Ju Lei

（Shaanxi Key Laboratory of Information Communication Network amp; Security， Xi’an University of Posts amp; Telecommunications， Xi’an 710121， China）

Abstract：Edge caching technology places hotspots in advance on the edge of the network closer to the users， which can significantly reduce transmission delay and improve network transmission efficiency. However， different operators deploy edge devices independently， which requires a vast investment. The cached contents are isolated from each other and cannot be shared. Aiming at this problem， this paper improved the architecture of an edge cache system based on consortium chain， so that the edge devices deployed by different operators could break the content isolation and achieved a wider range of content sharing. In addition， this paper designed a content transaction process based on smart contract， making the cooperation between different operators credible， fair and traceable. Finally， considering the popularity of popular content， file size， transmission delay， etc.， it priced the hotspot content and determined the location of cache content by maximizing benefits. The simulation results show that the benefit maximization caching strategy based on this architecture can effectively increase the revenue of edge caching.

Key words：edge caching; consortium blockchain; smart contracts; content sharing; collaborative caching

0 引言

隨著移動業(yè)務(wù)的多樣化、終端數(shù)量的不斷增加以及用戶對服務(wù)質(zhì)量的更高追求，無線網(wǎng)絡(luò)數(shù)據(jù)呈現(xiàn)爆炸式增長［1］。傳統(tǒng)集中式數(shù)據(jù)中心將存儲資源部署在云計算平臺，導致數(shù)據(jù)傳輸端到端延遲長、回傳帶寬受限以及冗余傳輸?shù)葐栴}。移動邊緣計算（MEC）技術(shù)將存儲資源部署在網(wǎng)絡(luò)邊緣，用戶可以從附近的邊緣設(shè)備直接獲取數(shù)據(jù)，而無須經(jīng)過云計算中心，從而極大降低數(shù)據(jù)傳輸延遲，并且一定程度上減少了熱點內(nèi)容在回程鏈路上的重復傳輸，有效減輕了網(wǎng)絡(luò)的流量負載［2］。然而面對數(shù)量巨大的移動終端，邊緣設(shè)備的存儲容量十分有限，并且不同的運營商之間的邊緣緩存內(nèi)容相互隔離、互不共享，導致熱點內(nèi)容在不同運營商的邊緣設(shè)備上重復緩存，不能充分利用邊緣設(shè)備有限的存儲容量［3］。為了解決上述問題，基于區(qū)塊鏈技術(shù)的邊緣緩存新架構(gòu)得到了廣泛的研究與關(guān)注［4］。區(qū)塊鏈技術(shù)是一種高級的數(shù)據(jù)庫機制，存儲于其中的數(shù)據(jù)或者信息具有不可偽造、公開透明、集體維護等特征［5］。邊緣緩存技術(shù)與區(qū)塊鏈技術(shù)相結(jié)合，將熱點內(nèi)容分布式存儲在距離用戶較近的邊緣設(shè)備上，利用區(qū)塊鏈去中心化、不可竄改、可溯源、多方維護、公開透明等特點保證數(shù)據(jù)傳輸和訪問安全，通過共識機制同步網(wǎng)絡(luò)，讓各大運營商之間共享邊緣緩存基礎(chǔ)設(shè)施，分攤成本，能夠?qū)崿F(xiàn)運營商邊緣設(shè)備間更大范圍的內(nèi)容共享，提高緩存空間的利用效率，因而成為6G的研究熱點［6］。

基于區(qū)塊鏈與邊緣緩存技術(shù)的研究，文獻［7］提出了一種基于區(qū)塊鏈的物聯(lián)網(wǎng)節(jié)點選擇算法，能夠為熱點內(nèi)容的擁有者提供一種高命中率的內(nèi)容緩存策略。文獻［8］基于地域差異特性，提出了一種時延最小化的緩存協(xié)作策略，將緩存內(nèi)容放置在時延最小的節(jié)點上。文獻［9］考慮不同物聯(lián)網(wǎng)系統(tǒng)的異構(gòu)性以及集中化數(shù)據(jù)處理平臺單點故障等問題，提出一種基于區(qū)塊鏈技術(shù)的去中心化物聯(lián)網(wǎng)數(shù)據(jù)共享和存儲方案。以上研究主要針對于求解熱點內(nèi)容最佳的緩存位置，但是忽略了不同運營商之間內(nèi)容共享帶來的利益分配問題。針對此問題，本文考慮到熱門內(nèi)容的流行程度、文件大小以及傳輸時延等，對內(nèi)容進行定價，并以內(nèi)容交易獲取收益的方式鼓勵運營商積極進行內(nèi)容緩存。

另一方面，考慮到公有區(qū)塊鏈的節(jié)點惡意攻擊行為，文獻［10］考慮了重傳因素對靜態(tài)和移動用戶的影響。文獻［11］提出了一種基于聲譽的工作證明共識機制，根據(jù)邊緣設(shè)備的聲譽差異化實現(xiàn)可信的內(nèi)容共享。上述研究均針對公有區(qū)塊鏈的信任問題，公有鏈的運行機制會導致區(qū)塊鏈賬本的維護難以長期維護，并且由于任意節(jié)點都能接入系統(tǒng)當中，增加了惡意攻擊，使得服務(wù)不可控制［12］。而私有區(qū)塊鏈僅供單個組織或機構(gòu)使用，不適用于邊緣設(shè)備數(shù)量龐大的邊緣緩存系統(tǒng)［13］。而聯(lián)盟區(qū)塊鏈作為公有區(qū)塊鏈和私有區(qū)塊鏈的折中方案，只針對特定某個群體的成員和有限的第三方，由若干成員共同參與管理，因此已經(jīng)成為了區(qū)塊鏈技術(shù)發(fā)展的主要方向之一［14］，也非常適用于運營商建立并維護邊緣緩存系統(tǒng)。

文獻［15］提出了一種基于聯(lián)盟鏈的邊緣緩存系統(tǒng)架構(gòu)，并設(shè)計了一種基于內(nèi)容緩存的部分實用拜占庭容錯（pPBFT）共識機制，但是其僅考慮了計算節(jié)點的開銷，并未考慮到緩存內(nèi)容自身的屬性對運營商的價值。在此基礎(chǔ)上，本文對文獻［15］提出的架構(gòu)進行改進，利用聯(lián)盟鏈技術(shù)，實現(xiàn)不同運營商邊緣設(shè)備之間的內(nèi)容共享和定價交易，將有效提高緩存內(nèi)容利用率，降低運營商的邊緣設(shè)備建設(shè)及運行成本。因此，本文的主要貢獻如下：

a）在文獻［15］所提出的基于聯(lián)盟鏈的邊緣緩存架構(gòu)的基礎(chǔ)上，對架構(gòu)進行改進，該架構(gòu)由邊緣緩存層和聯(lián)盟鏈層組成，邊緣緩存層緩存熱點內(nèi)容，聯(lián)盟鏈層保存區(qū)塊信息并基于智能合約執(zhí)行內(nèi)容交付。

b）本文設(shè)計了一種基于智能合約的內(nèi)容共享流程，包括區(qū)塊結(jié)構(gòu)和內(nèi)容交易過程，考慮到內(nèi)容的流行程度、所需緩存空間以及傳輸時延等，對內(nèi)容進行定價，以邊緣設(shè)備收益最大化為目標求解緩存內(nèi)容最佳的緩存位置。

1 系統(tǒng)架構(gòu)

1.1 基于聯(lián)盟鏈的邊緣緩存系統(tǒng)框架

如圖1所示，基于聯(lián)盟鏈的邊緣緩存系統(tǒng)框架由邊緣緩存層和聯(lián)盟鏈層組成。

a）邊緣緩存層由具有緩存、計算和通信資源的邊緣設(shè)備組成，主要提供熱點內(nèi)容的緩存服務(wù)。

b）聯(lián)盟鏈層由區(qū)塊鏈控制節(jié)點（blockchain controllers，BC）組成，包含聯(lián)盟鏈賬本模塊以及內(nèi)容交易模塊。聯(lián)盟鏈賬本模塊用于保存區(qū)塊信息，并通過數(shù)字合同的形式保證參與交易的各方按照智能合約自動執(zhí)行內(nèi)容的交付，在共識機制下使所有的BC達成共識。內(nèi)容交易模塊負責執(zhí)行內(nèi)容交易服務(wù)，包括節(jié)點認證、內(nèi)容交易以及內(nèi)容更新。

1.2 基于內(nèi)容交易的區(qū)塊結(jié)構(gòu)

有別于現(xiàn)有區(qū)塊鏈應(yīng)用，本文設(shè)計了一種基于內(nèi)容交易的新型區(qū)塊結(jié)構(gòu)，如圖2所示。其中，區(qū)塊頭包含現(xiàn)有聯(lián)盟鏈應(yīng)用常見的內(nèi)容，例如版本號、時間戳、區(qū)盟鏈高度、父區(qū)塊哈希以及默克爾根哈希；同時增加了叔區(qū)塊哈希，叔區(qū)塊哈希是指由同一BC節(jié)點發(fā)布的上一個區(qū)塊的默克爾樹根哈希，用于快速定位某一BC節(jié)點的歷史信息［16］。

區(qū)塊體主要包含內(nèi)容目錄列表、交易列表以及內(nèi)容交易證明三個部分，具體說明如下：

a）內(nèi)容目錄列表是發(fā)布區(qū)塊的BC節(jié)點經(jīng)過基于收益最大化的緩存策略決策出緩存在該節(jié)點上的內(nèi)容的索引。

b）交易列表記錄了有關(guān)內(nèi)容共享交易的詳細信息，并生成默克爾樹根哈希記錄在區(qū)塊頭中，這一部分還記錄了BC節(jié)點的SBS地址。

c）內(nèi)容交易證明記錄了內(nèi)容交付成功的收據(jù)，由于系統(tǒng)中內(nèi)容交付與收益有關(guān)，所以添加內(nèi)容交易證明能夠防止欺詐和糾紛，驗證內(nèi)容交付的真實性。

1.3 內(nèi)容交易過程

在基于聯(lián)盟鏈的邊緣緩存系統(tǒng)當中，邊緣設(shè)備可以通過聯(lián)盟鏈發(fā)起內(nèi)容交易，如圖3所示，具體過程如下：

a）用戶發(fā)起內(nèi)容請求，鄰近的邊緣設(shè)備為用戶提供內(nèi)容服務(wù)。邊緣設(shè)備首先在本地查找用戶請求內(nèi)容，如果本地緩存命中，則邊緣設(shè)備直接進行內(nèi)容交付；如果本地緩存未命中，則邊緣設(shè)備通過聯(lián)盟鏈層向其他邊緣設(shè)備發(fā)起內(nèi)容交易請求。

b）BC節(jié)點將內(nèi)容交易請求通過聯(lián)盟鏈賬本模塊廣播到協(xié)作域中的邊緣設(shè)備上，具有共享能力的邊緣設(shè)備會反饋合作意向，待雙方合作達成后，聯(lián)盟鏈賬本模塊部署智能合約，對此次內(nèi)容交易請求進行處理；如果雙方合作未達成，采用宏基站交付方式。

c）提供內(nèi)容的BC節(jié)點根據(jù)智能合約中的合約地址，將內(nèi)容交付給請求內(nèi)容的BC節(jié)點，傳輸?shù)膬?nèi)容由接收者的公鑰加密，并只能由相應(yīng)的私鑰解密。

d）請求內(nèi)容的BC節(jié)點收到完整的內(nèi)容數(shù)據(jù)后會進行驗證，驗證無誤后會根據(jù)內(nèi)容定價向提供內(nèi)容的BC節(jié)點提供報酬。

e）提供內(nèi)容的BC節(jié)點收到報酬后會生成收據(jù)，并將收據(jù)上傳至區(qū)塊體中的內(nèi)容交易證明當中，之后使用哈希算法生成此次交易對應(yīng)哈希值并上傳至區(qū)塊體中的交易列表當中，通過共識機制在系統(tǒng)中更新區(qū)塊鏈，達成系統(tǒng)共識。內(nèi)容交付過程執(zhí)行完畢。

2 內(nèi)容定價模型

為了不同運營商之間能夠互相信任，公平地分配邊緣緩存帶來的收益，本章根據(jù)內(nèi)容的大小、緩存位置、流行程度以及邊緣設(shè)備的協(xié)作能力、傳輸時延，對內(nèi)容進行綜合定價。

2.1 內(nèi)容模型

2.2 內(nèi)容流行度模型

2.3 傳輸時延分析

2.4 內(nèi)容定價模型

3 基于收益最大化的內(nèi)容緩存策略

3.1 優(yōu)化問題建模

3.2 NPcomplete討論

3.3 使用貪婪算法求解緩存策略

4 仿真結(jié)果及分析

4.1 仿真設(shè)置

4.2 仿真結(jié)果分析

圖4描述了邊緣設(shè)備不同容量下的收益比較，邊緣設(shè)備的緩存容量為0～40。從圖上可以看出，隨著緩存容量的增加，緩存收益呈現(xiàn)增長的趨勢，但增長的速度會逐漸下降。這是因為隨著邊緣設(shè)備緩存容量的增加，更多的內(nèi)容能夠緩存在邊緣設(shè)備上，導致收益的增加，隨著本地緩存內(nèi)容越來越多，其需要通過聯(lián)盟鏈進行內(nèi)容共享的概率也會隨之降低，進而緩存收益中的通過內(nèi)容共享獲取到的收益會減少，導致收益增長的速度會逐漸下降。對比文獻［15］提出的pPBF算法，系統(tǒng)較小容量時，本文算法收益較高，而隨著系統(tǒng)容量的增加，pPBFT算法的收益較高，這是因為隨著系統(tǒng)容量的增加，pPBFT會重復緩存某些內(nèi)容，而本文所提出的基于聯(lián)盟鏈的邊緣緩存系統(tǒng)收益最大化的緩存策略為了避免惡意競爭，在協(xié)作區(qū)域內(nèi)的節(jié)點不會進行重復緩存。對比隨機緩存策略以及MPC緩存策略來說，本文所提出緩存策略帶來的收益明顯優(yōu)于其他兩種對比緩存方案，能夠顯著提高運營商邊緣緩存系統(tǒng)帶來的收益。

從圖5中可以看出，緩存命中率隨著邊緣基站緩存容量的增加而呈現(xiàn)增長趨勢，并且存在輕微的波動。這是因為隨著緩存容量的增加，更多的請求內(nèi)容可以緩存在邊緣設(shè)備中，從而通過宏基站的傳輸?shù)母怕蕰p少，使得用戶請求內(nèi)容的命中率增高，但是由于本文所提緩存策略的緩存位置并非僅靠內(nèi)容的流行度來選擇位置，而是選擇收益最大的緩存位置，所以導致命中率存在波動。對比其他兩種緩存策略，本文提出的基于聯(lián)盟鏈的邊緣緩存系統(tǒng)收益最大化的緩存策略在命中率上也優(yōu)于其他三種對比策略。因此在容量具有限制的情況下，本文提出的緩存方案優(yōu)于其他緩存方案，可以提高用戶請求內(nèi)容的命中率。

5 結(jié)束語

本文改進了一種基于聯(lián)盟鏈的邊緣緩存系統(tǒng)，并設(shè)計了一種基于智能合約的內(nèi)容共享流程，可以實現(xiàn)不同運營商邊緣設(shè)備間緩存內(nèi)容的共享和交易。為了公平合理地分配邊緣緩存系統(tǒng)帶來的收益，本文綜合考量內(nèi)容的各項屬性以及緩存位置，對內(nèi)容進行綜合定價，并以收益最大化為優(yōu)化目標，使用貪婪策略解決緩存內(nèi)容的放置問題。仿真結(jié)果表明，與隨機緩存策略以及MPC緩存策略相比，該策略可以有效提高邊緣緩存設(shè)備的收益和內(nèi)容的請求命中率也。在下一步工作中，將進一步考慮基于聯(lián)盟鏈的邊緣緩存系統(tǒng)的共識機制問題，對現(xiàn)有共識算法進行改進，從而降低共識開銷，使其更加適用于基于聯(lián)盟鏈的邊緣緩存系統(tǒng)。

參考文獻：

［1］王俊嶺， 胡敏， 黃宏程. 基于區(qū)域用戶需求感知的邊緣緩存策略研究 ［J］. 計算機應(yīng)用研究， 2021，38（2）： 544-548. （Wang Junling， Hu Min， Huang Hongchen. Research on edge cache strategy based on regional user demand perception ［J］. Application Research of Computers， 2021，38（2）： 544-548.）

［2］Sheraz M， Ahmed M， Hou Xueshi， et al. Artificial intelligence for wireless caching： schemes， performance， and challenges［J］. IEEE Communications Surveys amp; Tutorials， 2021，23（1）： 631-661.

［3］Batu E， Bennis M， Debbah M. Cacheenabled small cell networks： modeling and tradeoffs［C］//Proc of the 11th International Symposium on Wireless Communications Systems . Piscataway， NJ： IEEE Press， 2014： 649-653.

［4］You Xiaohu， Wang Chengxiang， Huang Jie， et al. Towards 6G wireless communication networks： vision， enabling technologies， and new paradigm shifts［J］. Science China： Information Sciences， 2021，64（1）： 5-78.

［5］袁勇， 王飛躍. 區(qū)塊鏈技術(shù)發(fā)展現(xiàn)狀與展望［J］. 自動化學報， 2016，42（4）： 481-494. （Yuan Yong， Wang Feiyue. Blockchain： the state of the art and future trends［J］. Acta Automatica Sinica， 2016，42（4）： 481-494.）

［6］Sun Wen， Li Sheng， Zhang Yan. Edge caching in blockchain empowered 6G［J］. China Communication， 2021，18（1）： 1-17.

［7］Wang Hongman， Li Yingxue， Zhao Xiaoqi， et al. An algorithm based on Markov chain to improve edge cache hit ratio for blockchainenabled IoT［J］. China Communications， 2020，17（9）： 66-76.

［8］王亞麗， 陳家超， 張俊娜. 移動邊緣計算中收益最大化的緩存協(xié)作策略［J］. 計算機應(yīng)用， 2022，42（11）： 3479-3485. （Wang Yali， Chen Jiachao， Zhang Junna. Cache collaboration strategies for maximizing revenue in mobile edge computing［J］. Journal of Computer Applications， 2022，42（11）： 3479-3485.）

［9］蔣宇娜， 葛曉虎， 楊旸， 等. 面向6G的區(qū)塊鏈物聯(lián)網(wǎng)數(shù)據(jù)共享和存儲機制［J］. 通信學報， 2020，41（10）： 48-58. （Jiang Yuna， Ge Xiaohu， Yang Yang， et al. 6G oriented blockchain based Internet of Things data sharing and storage mechanism［J］. Journal on Communications， 2020，41（10）： 48-58.）

［10］Krishnan S， Afshang M， Dhillon H S. Effect of retransmissions on optimal caching in cacheenabled small cell networks［J］. IEEE Trans on Vehicular Technology， 2017，66（12）： 11383-11387.

［11］Xu Yueqiang， Zhang Heli， Ji Hong， et al. Transaction throughput optimization for integrated blockchain and MEC system in IoT［J］. IEEE Trans on Wireless Communications， 2022，21（2）： 1022-1036.

［12］牛淑芬， 楊平平， 謝亞亞， 等. 區(qū)塊鏈上基于云輔助的密文策略屬性基數(shù)據(jù)共享加密方案［J］. 電子與信息學報， 2021，43（7）： 1864-1871. （Niu Shufen， Yang Pingping， Xie Yaya， et al. Cloud-assisted ciphertext policy attribute base data sharing encryption scheme on blockchain［J］. Journal of Electronics amp; Information Technology， 2021，43（7）： 1864-1871.）

［13］李子姝， 謝人超， 孫禮， 等. 移動邊緣計算綜述［J］. 電信科學， 2018，34（1）： 87-101. （Li Zishu， Xie Renchao， Sun Li， et al. A survey of mobile edge computing［J］. Telecommunications Science， 2018，34（1）： 87-101.）

［14］Zhang Ran， Yu F R， Liu Jiang， et al. Deep reinforcement learning （DRL）： based device-to-device （D2D） caching with blockchain and mobile edge computing［J］. IEEE Trans on Wireless Communications， 2020， 19（10）： 6469-6485.

［15］姜靜， 王凱， 許曰強， 等. 基于聯(lián)盟鏈的運營商最佳緩存策略［J］. 電子與信息學報， 2022，44（9）： 3043-3050. （Jiang Jing， Wang Kai， Xu Yueqiang， et al. Optimal caching strategy of operators based on consortium blockchain［J］. Journal of Electronics amp; Information Technology， 2022，44（9）： 3043-3050.）

［16］Zhang Ran， Yu F R， Liu Jiang， et al. Blockchain-incentivized D2D and mobile edge caching：a deep reinforcement learning approach［J］. IEEE Network， 2022，34（7）： 150-157.

［17］Chen Qi， Wang Wei， Yu F R， et al. Content caching oriented popularity prediction： a weighted clustering approach［J］. IEEE Trans on Wireless Communications， 2021，20（1）： 623-636.

［18］Yang Peng， Zhang Ning， Zhang Shan， et al. Content popularity prediction towards location-aware mobile edge caching［J］. IEEE Trans on Multimedia， 2019，21（4）： 915-929.

［19］Baek B， Lee J， Peng Y， et al. Three dynamic pricing schemes for resource allocation of edge computing for IoT environment［J］. IEEE Internet of Things Journal， 2020，7（5）： 4292-4303.

［20］Jiang Wei， Feng Gang， Qin Shuang. Optimal cooperative content caching and delivery policy for heterogeneous cellular networks［J］. IEEE Trans on Mobile Computing， 2017，16（5）： 1382-1393.

［21］胡琳琳， 寧愛兵， 黃飛， 等. 加權(quán)集合覆蓋問題的加權(quán)分治算法［J］. 小型微型計算機系統(tǒng)， 2016，37（5）： 987-991. （Hu Linlin， Ning Aibing， Huang Fei， et al. Weighted divide and conquer algorithm for weighted set coverage problems［J］. Small Microcomputer System， 2016，37（5）： 987-991.）

［22］Chen Zheng ， Lee J， Kountouris M. Cooperative caching and transmission design in cluster-centric small cell networks［J］. IEEE Trans on Wireless Communications， 2017，16（5）： 3401-3415.

［23］左亞兵， 王凱， 楊帆， 等. 基于用戶偏好的協(xié)作內(nèi)容緩存策略［J］. 計算機應(yīng)用究， 2022，39（1）： 123-127. （Zuo Yabing， Wang Kai， Yang Fan， et al. Collaborative content caching strategy based on user preferences［J］. Application Research of Computers， 2022，39（1）： 123-127.）

［24］Liu An ， Lau V K N. Exploiting base station caching in MIMO cel-lular networks： opportunistic cooperation for video streaming［J］. IEEE Trans on Signal Processing， 2015，62（1）： 57-69.

［25］黃永明， 鄭沖， 張征明， 等. 大規(guī)模無線通信網(wǎng)絡(luò)移動邊緣計算和緩存研究［J］. 通信學報， 2021，42（4）： 44-61. （Huang Yongming， Zheng Chong， Zhang Zhengming， et al. Research on mobile edge computing and caching in massive wireless communication network［J］. Journal on Communications， 2021，42（4）： 44-61.）