門瑞，樊書嘉，阿喜達，杜邵昱，樊秀梅*

物聯網中結合計算卸載和區(qū)塊鏈的綜述

門瑞1，2，樊書嘉3，阿喜達1，杜邵昱1，樊秀梅1*

（1.西安理工大學 自動化與信息工程學院，西安 710048； 2.隴東學院 數學與信息工程學院，甘肅 慶陽 745000； 3.清華大學 計算機科學與技術系，北京 100084）（ ? 通信作者電子郵箱xmfan@xaut.edu.cn）

隨著移動通信技術的快速發(fā)展和智能終端的普及，將終端設備的計算密集型任務卸載至邊緣服務器能夠解決終端設備算力不足的問題。然而，計算卸載技術分布式的屬性使終端設備和邊緣服務器面臨較大的安全隱患；同時，區(qū)塊鏈技術能為計算卸載系統(tǒng)提供安全的資源交易環(huán)境。以上兩個技術的結合可以解決物聯網中的資源不足和安全問題，因此對物聯網中計算卸載和區(qū)塊鏈技術結合應用的研究成果進行綜述。首先，分析了計算卸載技術和區(qū)塊鏈技術結合的應用場景和系統(tǒng)功能；其次，歸納了區(qū)塊鏈技術在計算卸載系統(tǒng)中解決的主要問題和使用的關鍵技術，并分類總結了區(qū)塊鏈系統(tǒng)中的計算卸載策略的制定方式、優(yōu)化目標及優(yōu)化算法；最后，提出了二者結合使用中存在的問題，并展望了未來的發(fā)展方向。

物聯網；計算卸載；資源管理；卸載決策；區(qū)塊鏈；共識算法

0 引言

隨著通信技術和網絡技術的迅速發(fā)展，接入網絡的終端設備數量呈指數級增長，終端設備中的許多應用，如虛擬現實、增強現實、高清地圖傳輸等，均為資源密集型且時延敏感型任務，而移動終端設備為了滿足便攜性和移動性的要求，計算資源和存儲資源有限，無法本地處理這類應用任務。云計算的出現使得終端設備可將應用數據傳輸到云端處理，但是存在通信時延過大的問題。邊緣計算的出現，為輕量級終端設備的資源密集型應用提供了一種新的計算范式［1-2］，終端設備將自身的計算任務卸載至鄰近邊緣服務器，邊緣服務器利用自身較豐富的資源，處理任務完成后，返回計算結果至終端設備，降低時延，提高用戶服務質量。然而，由于終端設備數量巨大，不同設備差異較大，安全等級不一，直接接入邊緣服務器執(zhí)行卸載任務會面臨諸多安全問題［3-4］，如：終端節(jié)點發(fā)送錯誤數據、偽造卸載請求等行為嚴重侵占服務器資源；邊緣服務器被攻擊者入侵后，以非法手段獲取終端節(jié)點的隱私數據；邊緣服務器篡改、偽造計算結果等。泛在接入邊緣網絡的海量異構設備及邊緣服務器之間互不信任的問題，保障計算卸載全生命周期的隱私和安全，成為目前學術界和產業(yè)界亟待解決的問題［5］。

從發(fā)布比特幣［6］到出現以太坊（Ethereum）［7］，比特幣底層采用的區(qū)塊鏈技術受到廣泛關注。區(qū)塊鏈系統(tǒng)是一個典型的分布式系統(tǒng)，其中每個節(jié)點維護一份本地區(qū)塊鏈數據，稱之為賬本，賬本由不斷增長的區(qū)塊利用哈希指針前后鏈接而成。存儲賬本的各節(jié)點利用區(qū)塊鏈共識機制，制定每個節(jié)點必須遵守的規(guī)則，保證分布式系統(tǒng)中各節(jié)點賬本數據的一致性。賬本中的數據只追加，不可刪除或篡改。這些特性使得區(qū)塊鏈系統(tǒng)能夠在沒有第三方管理機構的監(jiān)督下，通過分布式的節(jié)點維護一種可信的交易環(huán)境，在農產品溯源、智慧醫(yī)療系統(tǒng)、物流跟蹤、金融服務等眾多領域取得了良好的實施效果。區(qū)塊鏈的分布式特性，為解決物聯網領域的計算卸載安全問題提供了思路。物聯網中的終端設備海量異構，為了解決泛在接入網絡安全性的問題，可以利用區(qū)塊鏈技術使每個物聯網設備作為一個節(jié)點，參與區(qū)塊的產生、驗證和存儲。由于每個節(jié)點都有唯一一個由密碼學方法產生的地址，可以通過地址記錄設備的所有操作，且記錄可追溯、不可更改，既保證了設備的隱私性，又能營造可信的物聯網交易環(huán)境，防止惡意設備對物聯網節(jié)點的安全造成威脅［8］。在物聯網系統(tǒng)中，由于終端設備資源有限，無法部署高性能的硬件設施，而區(qū)塊鏈系統(tǒng)中常用的共識算法，如基于工作量證明（Proof of Work， PoW）、基于權益證明（Proof of Stake， PoS）和拜占庭容錯（Byzantine Fault Tolerance， BFT）等算法需要大量算力，區(qū)塊鏈的賬本數據只增不減。這些問題嚴重阻礙了區(qū)塊鏈技術在物聯網應用中的落地［9-10］。

通過以上分析可知，區(qū)塊鏈技術應用于物聯網環(huán)境時，存在終端設備資源不足的問題；計算卸載技術在解決計算密集型和時延敏感型應用與自身資源不足的矛盾時，又存在網絡環(huán)境不可信的問題。這兩種技術可以相互補充，結合使用，充分發(fā)揮兩者的優(yōu)勢，因此計算卸載和區(qū)塊鏈技術的結合十分必要。另外，這兩種技術具有一些共有的特性，如分布式結構、網絡邊緣設備資源的利用、P2P網絡結構等，決定了兩者之間的結合具有可行性。

結合計算卸載技術和區(qū)塊鏈技術可以實現對分布在邊緣的網絡資源、存儲資源和計算資源的可靠訪問，協調控制設備之間的交互行為，以安全的方式使用網絡邊緣服務器存儲和計算數據［11］，具有巨大的發(fā)展?jié)摿Α?/p>

目前尚未發(fā)現對計算卸載和區(qū)塊鏈技術結合系統(tǒng)較為全面的研究綜述，而且該系統(tǒng)在廣泛使用之前，仍然面臨一些亟待解決的問題。因此，本文梳理和分析了現有文獻，歸納整理了結合計算卸載技術和區(qū)塊鏈技術的應用領域、系統(tǒng)功能，分析兩種技術結合后可以解決的關鍵問題，指出了仍然存在的不足和可能的發(fā)展方向，以使相關領域的研究者能夠快速全面掌握該領域的研究現狀，為推動該領域的發(fā)展作出積極的貢獻。

本文的主要工作如下：梳理了計算卸載和區(qū)塊鏈技術結合使用的應用場景和系統(tǒng)功能；歸納了將區(qū)塊鏈技術融入移動邊緣計算（Mobile Edge Computing， MEC）卸載系統(tǒng)后需要解決的問題，分析了其中的關鍵技術；總結了計算卸載技術在物聯網區(qū)塊鏈系統(tǒng)中解決的關鍵問題及計算卸載技術目前的研究重點、難點；提出了二者結合使用中存在的問題和面臨的挑戰(zhàn)，并進行了展望。本文的第2～3章將計算卸載和區(qū)塊鏈技術的結合劃分為區(qū)塊鏈技術融入計算卸載系統(tǒng)，和計算卸載技術融入區(qū)塊鏈系統(tǒng)，這種劃分方式并不嚴謹，很多研究將兩者進行無主次區(qū)分的結合，用以解決某類問題，這種劃分方式的目的是更細致地切分兩種技術，剖析各自所能解決的問題和研究的重點，提升使用性能。

1 計算卸載和區(qū)塊鏈技術結合的應用場景及系統(tǒng)功能

1.1　應用場景

結合計算卸載和區(qū)塊鏈技術的系統(tǒng)最突出的優(yōu)勢是分布式的結構、節(jié)點公開的參與權限、交易記錄的不可篡改、靠近用戶側的豐富資源等，這些特點使它適用于多個場景，本節(jié)簡要分析二者結合使用的場景，并總結該場景下的主要研究成果。

1）車聯網。

為了促進智慧交通系統(tǒng)和智能網聯汽車的快速發(fā)展，搭載于汽車之上的應用（如避障、路徑規(guī)劃等安全類相關應用）層出不窮。這些應用需要計算和分析大量的傳感器數據，并且對時延有非?？量痰囊蟆Ｒ虼?，可以將數據卸載至路側單元（RoadSide Unit， RSU）、各類基站（Base Station， BS）或其他邊緣設備（如汽車、電腦等）等，并引入區(qū)塊鏈技術保障卸載和計算過程的安全性。文獻［12-17］中研究了車聯網環(huán)境下融合系統(tǒng)的相關問題。為了減小卸載任務執(zhí)行時延和服務器切換代價，增加邊緣服務器的可信程度，Liao等［12］使用智能合約實現任務的自動卸載，省去了計算卸載的決策過程，提高了卸載效率。計算卸載過程即資源的交易過程，為了保障交易請求者和交易信息的真實性，只有通過區(qū)塊鏈訪問控制機制的約束才能卸載計算任務，并且必須在共識過程中加入交易驗證信息［13］。利用區(qū)塊鏈技術記錄車聯網計算卸載中的資源交易情況時，可以根據具體場景改進共識算法，如基于效用證明（Proof of Utility， PoU）算法［14］和基于信譽證明（Proof of Credit， PoC）算法［15］等。效用是一個綜合的函數值，用于衡量邊緣節(jié)點的計算、處理能力和車輛的延遲需求。資源部署和任務遷移問題是車聯網計算卸載研究中的難點問題，為此，有學者設計了集成區(qū)塊鏈技術的容器化邊緣計算平臺，提出了啟發(fā)式集裝箱調度算法解決有向無環(huán)圖結構的任務遷移問題［16］。區(qū)塊鏈輔助的計算卸載技術可用于具體的車聯網應用，如智能拼車［17］，以支持條件隱私、一對多匹配、目的地匹配和數據可審計性的應用需求。

2）智能電網。

在智能電網中應用區(qū)塊鏈技術能夠保證能源交易實體之間安全的點對點交易，保護用戶隱私，實現局部能源系統(tǒng)的區(qū)域自治。然而，區(qū)塊鏈節(jié)點在共識過程中會產生大量的計算密集型任務，導致交易延遲較大。計算卸載技術能夠提高區(qū)塊鏈系統(tǒng)的計算能力，降低延遲。文獻［18］中將挖礦過程卸載至周邊節(jié)點或邊緣節(jié)點執(zhí)行；文獻［19］中為了保證用戶隱私和能源安全，使用群簽名和隱蔽通道授權技術保證用戶的有效性；文獻［20］中提出了一種雙向認證和密鑰協議，支持條件匿名和密鑰管理，實現了合理的安全保障。

3）智慧醫(yī)療。

智慧醫(yī)療系統(tǒng)利用先進的物聯網技術，實現患者與醫(yī)務人員、醫(yī)療機構、醫(yī)療設備之間的互動，使醫(yī)療系統(tǒng)信息化，包括針對行動不便、無法送往醫(yī)院進行救治病患的視訊醫(yī)療，對慢性病和老幼病患的遠程照護，對智障、殘疾、傳染病等特殊人群的家庭健康監(jiān)測系統(tǒng)等。智慧醫(yī)療系統(tǒng)需嚴格保障患者的隱私信息，且對時延要求高，通常使用區(qū)塊鏈技術實現醫(yī)患之間數據的透明傳輸，并使用計算卸載技術加快共識過程。文獻［21-22］中研究了醫(yī)療場景下融合系統(tǒng)的使用。其中，文獻［21］中設計了能夠在按需數據共享場景中支持低延遲、安全、匿名和始終可用的時空多媒體治療數據通信機制，以提供治療診斷；文獻［22］中構建了支持霧?云計算的區(qū)塊鏈架構，提出了一個基于多類協同的活動監(jiān)控與識別框架，提高視頻活動中的分類精度。智慧醫(yī)療中的計算卸載及區(qū)塊鏈技術以降低視頻傳輸時延、保護用戶隱私為主要研究目標。

4）電子商務。

文獻［23］中引入區(qū)塊鏈技術解決電子商務中存在的各類安全問題，采用遺傳算法（Genetic Algorithm， GA）、模擬退火（Simulated Annealing， SA）算法、人工蜂群（Artificial Bee Colony， ABC）算法、粒子群優(yōu)化（Particle Swarm Optimization， PSO）算法求解最優(yōu)卸載策略，對比分析各項性能，實驗結果驗證了該框架和算法的有效性，并證明了計算資源的下界是存在的，對服務提供商以最大收益和最小成本租用邊緣服務器具有指導意義。

5）工業(yè)物聯網。

為了保障工業(yè)物聯網的網絡安全，文獻［24］中將區(qū)塊鏈技術引入其中，記錄物聯網設備間的交互行為，將用戶數據處理任務和區(qū)塊挖掘任務通過多跳協同分布式卸載至邊緣服務器。為了實現工業(yè)物聯網設備間的高效傳輸數據，充分挖掘通信潛能，設計了基于區(qū)塊鏈技術的激勵機制。

6）智慧城市。

為了提高公共服務的透明度、信任度和公眾參與度，文獻［25］中提出了一種基于分布式混合賬本和邊緣計算模型的智慧城市數據管理體系結構。該體系結構為城市運行中生成和處理的數據提供了精細和安全的管理，將它應用到具體的用例中進行測試，結果表明，該體系結構具有可擴展性，并且能為公民參與城市管理提供安全和隱私保護的環(huán)境。在控制條件下，一個公民交易的平均注冊時間約為42 ms，而100個并發(fā)公民交易的驗證和結果編譯大約需要2.4 s。該研究成果為實現智慧城市提供了新思路，但仍然存在場景設置過于理想化的問題。

7）智能工業(yè)。

文獻［26］中提出了基于區(qū)塊鏈和邊緣計算的工業(yè)信息物理系統(tǒng)，該系統(tǒng)將智能物理機器的能力與實時數據分析相結合，以實現更好的系統(tǒng)效率和更快的反應。

8）開放制造。

文獻［27］中提出了一個跨企業(yè)框架，實現了制造生態(tài)系統(tǒng)中高層次的、開放的、可控的知識和服務共享的系統(tǒng)，支持知識和服務的交換，滿足制造生態(tài)系統(tǒng)的安全和分布式需求。

目前，結合了計算卸載和區(qū)塊鏈技術的系統(tǒng)在各類物聯網場景中研究較多，因此，本文后續(xù)分析均基于物聯網場景。

1.2　結合計算卸載和區(qū)塊鏈技術的系統(tǒng)功能

計算卸載和區(qū)塊鏈技術結合的網絡系統(tǒng)模型可表示為3層結構，這種架構形式在目前的文獻中較為常見［28-33］，通常稱為端?邊?云或邊?霧?云的架構。

文獻［14，34-35］中提出了區(qū)塊鏈與計算卸載融合系統(tǒng)，將系統(tǒng)的網絡模型分為兩層，底層為邊緣卸載系統(tǒng)，上層為區(qū)塊鏈系統(tǒng)，其中，邊緣卸載系統(tǒng)包含移動終端設備和邊緣服務器。終端設備將計算任務卸載至邊緣服務器，邊緣服務器除了為移動終端設備提供計算資源，還可作為區(qū)塊鏈全節(jié)點，構建區(qū)塊鏈網絡。文獻［14］中的邊緣層設置了中心權威機構以分配密鑰和證書。

區(qū)塊鏈計算卸載融合系統(tǒng)也可分為4層［36］，自下而上依次為用戶設備層、分布式單元層（基站）、邊緣節(jié)點層和中心網絡層；或根據功能分為物聯網設備層、用戶訂閱層、邊緣計算層和云層［37］。在用戶訂閱層，每個數據服務的訂閱者可以控制多臺物聯網設備，將設備原始數據過濾后發(fā)送至邊緣計算層進行計算，既保護了物聯網設備的數據隱私，也加快了計算任務的執(zhí)行速度。

上述文獻對系統(tǒng)功能闡述不夠詳細，特別是區(qū)塊鏈系統(tǒng)中的節(jié)點功能描述較粗略。本文設計了計算卸載和區(qū)塊鏈技術結合的3層網絡系統(tǒng)模型，分別為設備層、邊緣層和云層，如圖1所示。下文將分別從物聯網移動設備在區(qū)塊鏈系統(tǒng)中充當的角色和任務卸載過程進行闡述。

1.2.1區(qū)塊鏈系統(tǒng)中的節(jié)點角色

在物聯網移動設備組成的公共區(qū)塊鏈網絡（Public Blockchain Network， PBN）中，由于部分設備資源有限，節(jié)點需要根據實際情況選擇充當不同的區(qū)塊鏈角色［30］。例如，不存儲賬本，或只存儲部分賬本；不參與挖礦過程，或將挖礦過程卸載至其他設備、邊緣服務器。因此，區(qū)塊鏈節(jié)點可以分為兩類：一是區(qū)塊鏈用戶節(jié)點，二是全節(jié)點。區(qū)塊鏈用戶節(jié)點僅參與交易過程，而全節(jié)點產生區(qū)塊，參與共識過程，存儲全部賬本。在設備層中，部分資源充足的設備充當全節(jié)點角色，如圖1中的智能汽車、筆記本電腦、臺式機節(jié)點，即參與區(qū)塊鏈從區(qū)塊產生到上鏈的全過程，保存完整的賬本；部分資源受限的節(jié)點將共識過程中的挖礦任務卸載至其他設備或邊緣服務器處理；剩余節(jié)點充當區(qū)塊鏈用戶節(jié)點。邊緣層包含各類邊緣服務器，如RSU、BS等，邊緣服務器以全節(jié)點的身份參與區(qū)塊鏈系統(tǒng)。

1.2.2用戶任務卸載過程

物聯網移動設備既可以充當計算卸載系統(tǒng)的資源使用者，也可以充當資源的提供者。當用戶有卸載需求時（如用戶數據處理任務或區(qū)塊鏈共識任務），可以根據任務的屬性（如數據量大小、能容忍的最小時延、所需算力資源等）和周圍的環(huán)境信息（如周圍設備剩余資源情況、可用網絡帶寬、可訪問的邊緣服務器等），作出最優(yōu)的卸載決策（如是否卸載？卸載至何處？卸載多少？）。為了保障卸載系統(tǒng)的魯棒性和可擴展性，可將任務卸載至設備層有剩余資源的用戶，也可卸載至邊緣服務器，邊緣服務器之間通過有線鏈路連接，以實現負載均衡。若邊緣服務器無法滿足用戶的需求，可將任務卸載至云層進行計算。服務器完成任務的計算后，將計算結果回傳至卸載用戶。

圖1　計算卸載和區(qū)塊鏈結合系統(tǒng)的網絡結構

2 計算卸載系統(tǒng)中的區(qū)塊鏈技術

有線網絡中的區(qū)塊鏈技術以犧牲算力和存儲為代價，實現去中心化的結構、數據不可篡改等特性，取得了巨大的成功。然而，在無線移動網絡環(huán)境中，由于節(jié)點資源有限，限制了該技術的廣泛應用。計算卸載技術的出現彌補了物聯網移動設備資源不足的問題，促進了區(qū)塊鏈技術在無線網絡環(huán)境中的發(fā)展。

2.1　區(qū)塊鏈技術解決的主要問題

區(qū)塊鏈技術最初被用來解決數字貨幣流通中的隱私保護和數據篡改等安全類問題，比特幣中設計的獎勵機制可用于解決物聯網設備中的資源交易問題，以太坊的出現進一步拓展了區(qū)塊鏈技術。以太坊可以被視為一個去中心化的虛擬機，它能自動執(zhí)行程序化的智能合約，實現各類預定義的規(guī)則，可用于計算卸載中任務和服務的自動匹配。因此，為了更細致地研究區(qū)塊鏈技術在MEC系統(tǒng)中的作用，分類如下：1）解決MEC系統(tǒng)中的各類安全問題；2）利用區(qū)塊鏈系統(tǒng)中的獎勵機制實現MEC中的資源分配；3）基于區(qū)塊鏈的智能合約實現MEC系統(tǒng)的自組織功能。這種分類方法有助于研究人員細化目標，針對具體問題設計區(qū)塊鏈系統(tǒng)，從而攻破瓶頸問題。

2.1.1安全類問題

為了保護邊緣服務器的安全，使它能夠拒絕惡意用戶的非法卸載請求，可使用區(qū)塊鏈技術識別移動節(jié)點的身份［25］，移動節(jié)點只有通過基于區(qū)塊鏈訪問控制機制的審查后，才可以將它的計算任務卸載到云端或邊緣服務器，保證了服務器的訪問安全［13］。在任務卸載之前，通過區(qū)塊鏈技術驗證服務請求者和服務提供者的服務等級協議，實現按需訪問［38］。為了保證共識任務卸載過程中的用戶隱私安全，可以將礦工和服務提供商之間的交互過程建模為私有信息下的隨機Stackelberg博弈，用戶只根據服務價格決策自己的行為，而不觀察其他用戶的行為，保證了其他用戶的隱私安全［39］。在PBN中，當使用代理挖掘和云挖掘方法解決移動設備算力不足的問題時，可以通過競爭挖掘的方式排除可疑節(jié)點［40］。由于設備的移動性，在任務執(zhí)行過程中，當設備離開卸載服務器的通信范圍時，可能面臨遷移的問題，文獻［15］中設計了基于移動感知的卸載技術，通過引入區(qū)塊鏈技術，保證用戶卸載遷移過程中的數據安全。為了促進將隱私嵌入其中的物聯網設備及與邊緣服務器之間的通信安全，可在物聯網邊緣計算環(huán)境中設計區(qū)塊鏈模塊化聯盟架構［41］，單一用例設備被組合成私有區(qū)塊鏈或側鏈，再以模塊化的方式連接到聯盟網絡，側鏈網絡負責維護物聯網數據操作安全日志，聯盟網絡負責記錄物聯網數據的傳入訪問請求，保證系統(tǒng)的整體安全。

以上研究成果從用戶身份識別、區(qū)塊鏈中的數據安全、用戶的隱私保護等方面，提出了物聯網計算卸載過程中的安全問題解決方案；然而攻擊者仍然可以通過分析交易數據的關聯性、用戶的行為習慣等，獲取交易信息和用戶的隱私信息，降低區(qū)塊鏈網絡的安全性，這是目前研究的難點問題。

2.1.2資源分配方法問題

區(qū)塊鏈系統(tǒng)為了鼓勵參與節(jié)點貢獻自身資源以達到賬本共識的目的，設計了各種激勵機制，這些機制同樣可用于激勵計算卸載系統(tǒng)中的資源擁有者。計算卸載系統(tǒng)以個體用戶或系統(tǒng)整體獎勵最大化為目的，通過優(yōu)化方法得到最優(yōu)的資源分配策略［33，42］。目前較流行的優(yōu)化方法是基于深度強化學習的方法，文獻［42］中采用該方法，以信噪比、區(qū)塊鏈難度值標識網絡狀態(tài)，用戶和服務器的卸載關系作為網絡動作，用戶可以獲取的收益作為網絡獎勵建立學習模型，得到資源分配策略。邊緣計算和PBN環(huán)境下的資源分配問題也可以建模為博弈論問題，如聯盟博弈［28］、Stackelberg博弈［43］等。其中：文獻［28］中以系統(tǒng)效用最大化為目標組建聯盟博弈，將一定范圍內的移動設備相互連接，形成一個類似礦池的協同挖掘網絡，聯合挖礦，獲取獎勵，再對移動設備按比例分成；文獻［43］中將服務器資源管理過程描述為兩階段Stackelberg博弈，即定價過程和選擇購買過程，將定價過程分為統(tǒng)一定價和歧視性定價兩種方式，實驗結果展示了不同定價方式的優(yōu)勢。

區(qū)塊鏈中的獎勵機制能在一定程度上激勵資源擁有者積極參與卸載任務的執(zhí)行；然而這種獎勵方式使用范圍有限，對任務種類存在限制等，使得計算卸載過程仍然面臨節(jié)點參與度不高的問題。

2.1.3卸載的自組織問題

以太坊中的智能合約能夠實現各類預定義的規(guī)則，可用于計算卸載中任務和服務的自動匹配。為了優(yōu)化MEC和區(qū)塊鏈聯合系統(tǒng)的性能，文獻［44］中提出了自組織計算任務執(zhí)行的共識協議，使用智能合約驗證和處理交易，實現自適應的資源分配。研究人員利用智能合約中的預定義規(guī)則，通過權衡時延、能耗等計算卸載代價，實現服務請求者和服務提供者的匹配［45-46］。針對卸載系統(tǒng)的冷啟動和長返回問題，文獻［31］中設計了能自動執(zhí)行計算資源交易和貨幣借貸過程的智能合約，通過向邊緣節(jié)點提供貸款服務啟動卸載過程。也可以在計算卸載系統(tǒng)中構建虛擬貨幣，實現去中心化的卸載生態(tài)系統(tǒng)，通過獎懲機制，實現合作傳輸數據［24］，隔離自私節(jié)點［47］等功能。卸載自組織的實現能夠極大降低任務卸載成本，逐漸成為計算卸載領域的研究熱點，目前針對此方向的研究成果較少，且缺乏具體的可行性驗證方案。

2.2　區(qū)塊鏈中的關鍵技術

2.2.1共識算法

為了保障物聯網移動設備的安全，通常組建PBN，參與網絡數據傳輸的設備作為PBN節(jié)點，將設備之間的數據交互行為、服務的提供和使用行為記錄在區(qū)塊中。計算卸載系統(tǒng)中的區(qū)塊鏈經常使用安全性最高的PoW共識算法［48-50］，但PoW共識算法對算力要求較高，且隨著接入設備的數量劇增，達成共識所需的算力要求越來越高［51］，因此，研究人員設計了各種輕量級的共識算法，以減輕設備的算力需求。BFT和PoS［36］是兩種較常用的算法，但是BFT存在擴展性差和系統(tǒng)節(jié)點固定的問題，PoS也存在中心化傾向和效率低的問題。針對BFT的改進算法有實用BFT（Practice BFT， PBFT）、冗余BFT（Redundant BFT， RBFT）和代理BFT（delegate BFT， dBFT）［52］等，其中RBFT在PBFT進行區(qū)塊共識之前加入交易驗證信息，保證了交易請求者和交易信息的真實性［13］。針對PoS的改進算法有代理權益證明算法（Delegate PoS， DPoS）［53］、DPoS-PBFT結合的算法［34-44］等。其他共識算法如PoU［14］、PoC［15］、基于回聲時延對區(qū)塊鏈中的節(jié)點分簇、以簇的形式達成共識的算法BCBPT（Bitcoin Clustering Based Ping Tim）［28，54］等，均能在一定程度上降低共識所需的算力資源。

共識算法是區(qū)塊鏈中核心技術之一，決定了區(qū)塊鏈系統(tǒng)的性能及安全性。在實際使用中，性能和安全性不可兼得。研究人員需從出塊節(jié)點選舉機制和主鏈共識方法兩個步驟，根據具體應用場景權衡，并針對最新攻擊方式展開研究。

2.2.2區(qū)塊鏈的存儲可擴展性

在區(qū)塊鏈系統(tǒng)中，節(jié)點存儲完整的區(qū)塊鏈數據，通過高冗余增強數據的公開性和透明性，有效保障了區(qū)塊鏈的數據安全［55］，但大部分物聯網移動設備存儲資源有限，無法勝任存儲PBN完整賬本的任務（例如，截至目前，比特幣賬本的大小大約為340 GB，超出了大部分移動設備的存儲能力）。很多學者致力于研究區(qū)塊鏈存儲的可擴展性［56-58］，提出了各種方法應對物聯網移動設備資源不足的問題。其中，計算卸載系統(tǒng)中的區(qū)塊鏈技術采用了幾種有代表性的賬本存儲方案：一是基站作為計算卸載的管理機構［12］，接收用戶的卸載請求，將任務卸載到合適的霧節(jié)點（提供計算資源的車輛），監(jiān)督卸載任務的執(zhí)行，驗證卸載結果，對卸載雙方進行獎懲。一般地，基站可由注冊機構組件、計算組件和存儲組件這3個模塊組成，注冊機構組件負責為車輛分配數字證書，計算組件負責設計和執(zhí)行智能合約、區(qū)塊鏈賬本的共識，而賬本存儲在存儲組件中，其他節(jié)點無須存儲完整的交易賬本。二是邊緣服務器組成的礦工節(jié)點存儲完整賬本。由于物聯網移動設備存儲資源有限［29，31，34］，可以只存儲部分賬本，例如只存儲最新生成的若干個區(qū)塊。三是賬本存儲在云服務器、邊緣節(jié)點和有較多計算和存儲資源的物聯網設備（如電腦）中［30］，其他節(jié)點不存儲賬本。

孫知信等［59］詳細地總結了區(qū)塊鏈存儲的可擴展性，將解決方案分為鏈上存儲和鏈下存儲兩類，并剖析了兩類方法的原理與思路，為融合系統(tǒng)中區(qū)塊鏈賬本的存儲問題提供了可供選擇的解決方案。

3 區(qū)塊鏈系統(tǒng)中的計算卸載技術

計算卸載技術作為一種新的計算范式，引起了國內外學者的廣泛關注。較多文獻較為全面地總結了卸載策略中的關鍵技術，但是區(qū)塊鏈系統(tǒng)中的計算卸載技術，由于它的計算卸載任務不同、制定卸載決策時需考慮的因素不同，造成了卸載決策的制定方式、卸載策略的優(yōu)化目標及優(yōu)化算法不同，下文分別進行討論。

3.1　卸載決策的制定方式

根據不同的標準，卸載方式可以分為集中式和分布式、在線和離線方式、基于單個時間片的決策和基于長期的決策。其中：分布式決策的制定者一般是終端設備，終端設備收集決策相關的各類信息，如計算任務的數據量、容忍的最大延遲、設備自身算力、邊緣服務器算力、網絡帶寬資源等，并據此制定決策方案；集中式決策由中央決策單元收集以上信息，作出決策并將決策結果分發(fā)給終端設備。集中式和分布式的選擇，需根據終端設備擁有的資源量決定。離線方式，即在計算開始之前已知所有輸入數據，該方式適合計算量較大、計算時間長的應用場景；在線方式在開始計算之前并不需要知道所有輸入數據，可以邊計算邊收集，相比而言，該方式適合運行時間短、計算量小的應用場景。如基于機器學習算法的模型訓練，可采用離線方式提前訓練模型，決策時根據收集的實時數據計算?；趩蝹€時間片的決策即系統(tǒng)根據某一時刻收集的數據和此刻的優(yōu)化目標，制定卸載決策；而基于長期的決策，以系統(tǒng)長期的收益為目標制定卸載決策。

近年來，研究人員對各種卸載決策方式進行了深入的研究，取得了一定的進展。在具體應用中，需根據場景需求，選擇不同的決策方式，以最低的成本獲得最大的收益。

3.2　卸載策略的優(yōu)化目標

卸載目標的制定和優(yōu)化是計算卸載研究中的關鍵問題。移動用戶計算任務的卸載過程受到很多因素，如用戶的移動軌跡、服務請求設備的性能、任務的分布情況、無線網絡狀況等的影響。為了激勵有剩余資源的節(jié)點積極參與計算卸載服務，文獻［47，60］中提出了基于經濟收益的激勵機制，以用戶的收益最大化為卸載系統(tǒng)的優(yōu)化目標。引入區(qū)塊鏈技術后，制定卸載決策時，需考慮區(qū)塊鏈系統(tǒng)的相關性能，如挖礦過程所需的算力、區(qū)塊鏈系統(tǒng)的吞吐量、節(jié)點通過挖礦產生新區(qū)塊能夠獲得的獎勵等。因此，融合了區(qū)塊鏈技術的計算卸載系統(tǒng)優(yōu)化目標可分為以下3類：

1）以計算卸載系統(tǒng)的時延和能耗最小化為優(yōu)化目標，卸載任務包含了用戶的計算任務和區(qū)塊鏈的共識任務。文獻［9，12］中以用戶的計算任務和區(qū)塊鏈的共識任務作為卸載任務，以時延和能耗最小化為優(yōu)化目標。其中，文獻［9］中設計了一個多智能體、層次化且加入了專家系統(tǒng)的深度強化學習框架，解決傳統(tǒng)深度強化學習算法存在的收斂慢、缺乏魯棒性、性能不穩(wěn)定等問題。文獻［12］中利用區(qū)塊鏈和智能合約技術構建了保障隱私和公平的任務卸載框架，同時設計了基于主觀邏輯的信任度量化任務成功卸載的概率，減少了任務卸載至惡意邊緣服務器的可能，實現了在保證隱私、公平和安全的同時，最小化任務卸載延遲、排隊延遲和服務切換成本的卸載決策。

2）以區(qū)塊鏈系統(tǒng)的吞吐量或平均區(qū)塊產生時間制定優(yōu)化目標。文獻［18］中為了加快系統(tǒng)產生區(qū)塊的速度，可將共識過程卸載至周邊用戶或邊緣服務器，系統(tǒng)以提高區(qū)塊鏈系統(tǒng)的吞吐量、降低系統(tǒng)時延為目的，優(yōu)化卸載過程；文獻［34］中基于異構處理器資源和網絡資源的用戶效用函數和區(qū)塊鏈系統(tǒng)中區(qū)塊的生成效率最大化作為系統(tǒng)優(yōu)化目標；文獻［44］中以最大化區(qū)塊鏈系統(tǒng)的吞吐量和用戶的服務質量為優(yōu)化目標；文獻［52］中的優(yōu)化目標是使卸載系統(tǒng)的計算速率和區(qū)塊鏈系統(tǒng)的交易吞吐量最大化；文獻［61］中以最小化卸載系統(tǒng)的能耗和區(qū)塊鏈系統(tǒng)生成塊的時間為優(yōu)化目標。

3）使用區(qū)塊鏈的激勵機制調動資源提供者的積極性，從而形成一個交易系統(tǒng)，以該交易系統(tǒng)中單個用戶或全體用戶的利益最大化為目標。文獻［23］中提出在電子商務場景下使用區(qū)塊鏈技術，將共識過程卸載至邊緣服務器，以服務提供商的收益最大化和成本最小化作為優(yōu)化目標，制定卸載策略；文獻［29］中的優(yōu)化目標融合了單個設備的收益最大化和系統(tǒng)總體收益的最大化；文獻［31］中將聯合卸載問題表述為一個非合作博弈，以模擬移動設備之間的競爭關系，優(yōu)化目標是最小化每個移動設備在計算時間、能量和數字貨幣方面的成本，通過共識過程最大化產生區(qū)塊獲得的收益，實現每個移動設備的利潤最大化。

目前，卸載策略優(yōu)化目標的設置尚無統(tǒng)一標準，使得不同系統(tǒng)之間的對比較為復雜，后續(xù)研究可為不同行業(yè)制定特定優(yōu)化目標，促進卸載策略優(yōu)化算法的更快更好的發(fā)展。

3.3　卸載策略的優(yōu)化算法

制定卸載策略即根據不同的優(yōu)化目標，為卸載任務選擇卸載服務器，制定資源分配方案，可建模為混合整數非線性規(guī)劃問題（Mixed Integer NonLinear Programming， MINLP），這類問題通常較難求解。目前，國內外學者嘗試采用各種方法解決該問題，文獻［62］中總結了車聯網邊緣計算卸載技術優(yōu)化算法，本文在此基礎上進行改進和擴充，歸納為強化學習類方法、啟發(fā)式算法、博弈論方法和數學類方法。

3.3.1強化學習類方法

在移動物聯網環(huán)境下，制定卸載決策時需要考慮資源供給的不確定性、任務的不可預測性和無線信道的不穩(wěn)定性，強化學習擅長將許多復雜的環(huán)境因素抽象為映射問題，并從中進行策略學習，因此成為解決該類問題的首選方法。但是面對高度復雜的移動物聯網環(huán)境，強化學習也面臨高維狀態(tài)空間和動作空間帶來的收斂速度慢等問題，因此學者們提出了各種改進的強化學習方法，例如，文獻［35］中通過在深度強化學習模型中引入自適應GA提高收斂速度。文獻［9］中設計了一個基于多智能體深度強化學習的卸載決策框架，并引入聯盟學習提高收斂速度，提高系統(tǒng)的魯棒性。文獻［13，32，44］中擴展了深度強化學習中的DQN （Deep Q-Network）算法。文獻［18，52］中利用A3C（Asynchronous Advantage Actor-Critic）算法提高計算卸載決策的速度和可靠性。但是，面對復雜的、動態(tài)的、連續(xù)的環(huán)境變化，強化學習方法仍然面臨諸多挑戰(zhàn)，如隨著用戶數的急劇增加而產生的維數災難問題、強化學習模型的訓練時間過長需要較多的訓練數據，以及如何在強化學習框架中更好地表示卸載決策的狀態(tài)空間、動作空間以及獎勵函數的問題等。

3.3.2啟發(fā)式算法

啟發(fā)式算法以仿自然體算法為主，主要有PSO、ABC、GA和SA等，這類算法能在可接受的計算成本內搜尋最優(yōu)解，經常被用于求解復雜場景中的優(yōu)化問題。文獻［36］中將非支配排序遺傳算法（Non-dominated Sorting Genetic Algorithm， NSGA-Ⅲ）和簡單加性加權及多準則決策方法結合以求得最優(yōu)卸載策略，文獻［63］中使用SA算法求解最優(yōu)決策，文獻［23］中對比多種啟發(fā)式算法在求解最優(yōu)卸載策略的性能。這類算法通常需要在成本和收益之間折中，為了節(jié)省成本，可在算法中加入專家知識，幫助算法更快地收斂。

3.3.3博弈論方法

卸載決策問題即卸載系統(tǒng)的資源分配問題。由于網絡資源和計算資源的短缺，終端用戶之間需要競爭資源的使用權，故經常將該問題描述為一個非合作博弈過程，通過求解如何高效地達到納什均衡狀態(tài)而得到資源的分配方案［29，31］。也可以建模為Stackelberg博弈模型［49］，通過雙向公開競價的方式優(yōu)化資源分配?；诓┺恼摰馁Y源分配方式適用于靜態(tài)場景或動態(tài)場景下的瞬時決策場景，而在移動物聯網動態(tài)變化的場景下，若在每個時刻通過計算獲取當前時刻的最優(yōu)解，會對系統(tǒng)造成較大的計算負擔，且不一定能獲得長期最優(yōu)策略。

3.3.4數學類方法

MINLP直接求解難度較大，因此，可以首先簡化、松弛、解耦復雜問題，將問題轉換為可解問題后再求解。如文獻［34］中將卸載問題解耦為處理器調度問題和資源分配問題，使用拉格朗日對偶理論求解；文獻［33，48］中使用交替方向乘子法求解問題。另外，為了兼顧系統(tǒng)的穩(wěn)定性和長期收益，也可使用Lyapunov優(yōu)化方法獲得最優(yōu)方案［30］。這類方法由于模型固化、不能主動適應環(huán)境，只能用于解決特定場景下的特定問題，在可擴展性方面存在較大的局限性。

4 存在的問題及未來研究方向

將計算卸載技術和區(qū)塊鏈技術融入物聯網場景，有助于解決物聯網中移動設備性能不足的問題和泛在接入網的安全問題，加速“萬物互聯”時代的到來，二者的融合研究前景廣闊。目前針對計算卸載技術和區(qū)塊鏈技術的研究不斷突破它們各自的技術瓶頸問題，但二者的結合大多停留在表面。為了更好地推動二者的融合發(fā)展，本文總結了當前存在的主要問題及未來的研究方向。

1）現有的計算卸載技術和區(qū)塊鏈技術在物聯網中結合的研究大都只針對各自領域的關鍵技術，如卸載的決策問題、區(qū)塊鏈的共識算法問題，缺少深層次的研究，如將區(qū)塊鏈的共識任務和用戶的數據處理任務等同對待進行任務卸載、將物聯網設備采集到的環(huán)境數據和邊緣服務器的資源交易記錄等同對待存儲到區(qū)塊鏈中。然而，這兩者之間有本質的區(qū)別：首先，區(qū)塊鏈的共識任務和用戶數據處理任務的緊急程度、任務屬性、任務計算方式不同；其次，邊緣服務器需要處理的環(huán)境感知數據和資源的交易記錄數據無論是從數據內容還是數據量都相差甚遠；再者，不同的用戶和設備對系統(tǒng)的QoS要求不同，如更注重時延、更注重能耗或更注重數據安全等；最后，物聯網移動環(huán)境中接入設備數量多、差異大，邊緣資源分布不均勻。因此，在未來的研究中，必須針對具體的場景和用戶需求、不同的任務屬性，設計符合實際場景的系統(tǒng)模型，試圖建立通用的模型勢必引起系統(tǒng)過于復雜，從而使模型性能無法滿足實時性的需求。例如，可以嘗試設計復雜性較低的、適用于輕量級的區(qū)塊鏈節(jié)點設備的卸載決策方案，減小制定卸載決策的算力和時延需求等。

2）將區(qū)塊鏈技術引入物聯網中，構建物聯網PBN系統(tǒng)，以約束參與系統(tǒng)資源交易的設備行為，再利用計算卸載技術，使不具備共識能力的節(jié)點，將共識任務卸載至邊緣服務器，從而加入PBN系統(tǒng)。節(jié)點數量的增多，提高了惡意節(jié)點篡改數據的難度，增強了PBN系統(tǒng)的安全性，最終營造出一個安全可信的物聯網交互環(huán)境。然而，引入了計算卸載技術和區(qū)塊鏈技術的物聯網系統(tǒng)，仍然面臨來自PBN系統(tǒng)外部節(jié)點的威脅，如竊聽無線信道中傳輸的信息、根據數據傳輸模式推斷用戶所在的位置和使用習慣等隱私信息［64］。目前，結合了計算卸載技術和區(qū)塊鏈技術的系統(tǒng)針對該類安全問題研究較少。文獻［32］中將任務卸載的時延和能耗、用戶隱私保護級別和礦工利潤最大化作為聯合優(yōu)化問題，以最小化長期系統(tǒng)卸載代價、最大化所有區(qū)塊鏈用戶的隱私級別為目標，為這類安全問題提供了一種解決思路；但文獻中考慮的安全問題形式較單一，用戶的隱私級別定義不夠完善。未來對這類安全問題應進行更細致深入的研究。

3）區(qū)塊鏈的可擴展性是PBN系統(tǒng)研究中的難點。結合計算卸載技術和區(qū)塊鏈技術的物聯網系統(tǒng)大多以犧牲可擴展性來滿足移動設備的安全性和分布式需求，這將會對系統(tǒng)性能造成嚴重的影響。未來可以考慮從區(qū)塊鏈的交易驗證、共識算法、賬本存儲等方面著手，解決區(qū)塊鏈的可擴展性問題，如通過存儲與區(qū)塊鏈大小無關的少量數據完成驗證、存儲壓縮區(qū)塊鏈以節(jié)省存儲容量、以樹的形式存儲區(qū)塊、定期對賬戶樹進行修剪、刪除無用樹枝等方法，都可作為未來的發(fā)展方向深入研究。

4）如何激勵有剩余資源的邊緣節(jié)點貢獻自己的力量仍然是目前需要細化研究的問題。在現有大部分研究中，均默認邊緣服務節(jié)點會主動參與計算卸載，然而實際情況中，由于邊緣設備所屬權不同，各個設備的所有者從節(jié)省自身能耗的目的出發(fā)，不愿意無私地貢獻自己的算力資源或存儲資源［65］。為了解決這類問題，需要從計算卸載全生命周期對它本身產生的影響出發(fā)，確定哪些節(jié)點是自私節(jié)點，如何檢測自私節(jié)點，什么樣的激勵機制對減少自私節(jié)點更有用，還需深入分析節(jié)點計算能力和通信能力的評估方法，確定自適應的獎懲策略和任務調度算法對它制定激勵機制。

5 結語

本文總結了物聯網中計算卸載和區(qū)塊鏈技術結合研究的現狀，分析了二者結合的可行性和必要性，提出了融合系統(tǒng)研究的廣闊前景。首先，歸納了計算卸載和區(qū)塊鏈技術結合使用的場景，將本文的討論范圍限定于物聯網中計算卸載和區(qū)塊鏈技術的結合。對比了物聯網中二者結合的各種網絡架構，提出了包含“端?邊?云”的3層結構，并分析了這種架構中各種設備擔任的區(qū)塊鏈節(jié)點角色和計算卸載功能的實現過程。其次，從區(qū)塊鏈技術融入物聯網計算卸載系統(tǒng)的角度，將區(qū)塊鏈技術在其中能夠解決的問題分為安全類問題、資源分配方法類問題和卸載系統(tǒng)的自組織類問題，總結了區(qū)塊鏈中的關鍵技術。再從計算卸載技術融入物聯網區(qū)塊鏈系統(tǒng)的角度，分析了不同計算卸載策略的制定方式、優(yōu)化目標和優(yōu)化算法的使用場景和存在的缺陷。最后，分析了物聯網中區(qū)塊鏈技術和計算卸載技術結合研究存在的挑戰(zhàn)及未來的發(fā)展方向。

[1] JIAO L， FRIEDMAN R， FU X， et al. Cloud-based computation offloading for mobile devices： state of the art， challenges and opportunities［C］// Proceedings of the 2013 Future Network and Mobile Summit. Piscataway： IEEE， 2013： 1-11.

[2] FLORES H， HUI P， TARKOMA S， et al. Mobile code offloading： from concept to practice and beyond［J］. IEEE Communications Magazine， 2015， 53（3）：80-88.

[3] DANZI P， KAL?R A E， STEFANOVI??， et al. Delay and communication tradeoffs for blockchain systems with lightweight IoT clients［J］. IEEE Internet of Things Journal， 2019， 6（2）： 2354-2365.

[4] XU J， CHEN L X， LIU K， et al. Designing security-aware incentives for computation offloading via device-to-device communication［J］. IEEE Transactions on Wireless Communications， 2018， 17（9）： 6053-6066.

[5] JIAO Y， WANG P， NIYATO D， et al. Auction mechanisms in cloud/fog computing resource allocation for public blockchain networks［J］. IEEE Transactions on Parallel and Distributed Systems， 2019， 30（9）： 1975-1989.

[6] NAKAMOTO S. Bitcoin： a peer-to-peer electronic cash system［EB/OL］. ［2022-07-12］.https：//bitcoin.org/bitcoin.pdf.

[7] WOOD G. Ethereum： a secure decentralized generalized transaction ledger［EB/OL］. ［2022-07-12］.https：//ethereum.github.io/yellowpaper/paper.pdf.

[8] MINOLI D， OCCHIOGROSSO B. Blockchain mechanisms for IoT security［J］. Internet of Things， 2018， 1/2： 1-13.

[9] LI Z， XU M， NIE J， et al. NOMA-enabled cooperative computation offloading for blockchain-empowered internet of things： a learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2364-2378.

[10] SAMANIEGO M， DETERS R. Virtual resources & blockchain for configuration management in IoT［J］. Journal of Ubiquitous Systems and Pervasive Networks， 2017， 9（2）： 1-13.

[11] YANG R， YU F R， SI P， et al. Integrated blockchain and edge computing systems： a survey， some research issues and challenges［J］. IEEE Communications Surveys and Tutorials， 2019， 21（2）： 1508-1532.

[12] LIAO H， MU Y， ZHOU Z， et al. Blockchain and learning-based secure and intelligent task offloading for vehicular fog computing［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4051-4063.

[13] ZHENG X， LI M， CHEN Y， et al. Blockchain-based secure computation offloading in vehicular networks［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4073-4087.

[14] DAI Y， XU D， ZHANG K， et al. Deep reinforcement learning and permissioned blockchain for content caching in vehicular edge computing and networks［J］. IEEE Transactions on Vehicular Technology， 2020， 69（4）： 4312-4324.

[15] LAKHAN A， AHMAD M， BILAL M， et al. Mobility aware blockchain enabled offloading and scheduling in vehicular fog cloud computing［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4212-4223.

[16] CUI L， CHEN Z， YANG S， et al. A blockchain-based containerized edge computing platform for the internet of vehicles［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2395-2408.

[17] LI M， ZHU L， LIN X. Efficient and privacy-preserving carpooling using blockchain-assisted vehicular fog computing［J］. IEEE Internet of Things Journal， 2019， 6（3）： 4573-4584.

[18] XU S， LIAO B， YANG C， et al. Deep reinforcement learning assisted edge-terminal collaborative offloading algorithm of blockchain computing tasks for energy internet［J］. International Journal of Electrical Power and Energy Systems， 2021， 131： No.107022.

[19] GAI K， WU Y， ZHU L， et al. Permissioned blockchain and edge computing empowered privacy-preserving smart grid networks［J］. IEEE Internet of Things Journal， 2019， 6（5）： 7992-8004.

[20] WANG J， WU L， CHOO K K R， et al. Blockchain-based anonymous authentication with key management for smart grid edge computing infrastructure［J］. IEEE Transactions on Industrial Informatics， 2020， 16（3）： 1984-1992.

[21] RAHMAN M A， HOSSAIN M S， LOUKAS G， et al. Blockchain-based mobile edge computing framework for secure therapy applications［J］. IEEE Access， 2018， 6： 72469-72478.

[22] ISLAM N， FAHEEM Y， UD DIN I， et al. A blockchain-based fog computing framework for activity recognition as an application to e-Healthcare services［J］. Future Generation Computer Systems， 2019， 100： 569-578.

[23] DENG S， CHENG G， ZHAO H， et al. Incentive-driven computation offloading in blockchain-enabled e-commerce［J］. ACM Transactions on Internet Technology， 2021， 21（1）： No.9.

[24] CHEN W， ZHANG Z， HONG Z， et al. Cooperative and distributed computation offloading for blockchain-empowered industrial internet of things［J］. IEEE Internet of Things Journal， 2019， 6（5）： 8433-8446.

[25] KHAN Z， ABBASI A G， PERVEZ Z. Blockchain and edge computing-based architecture for participatory smart city applications［J］. Concurrency and Computation： Practice and Experience， 2020， 32（12）： No.e5566.

[26] BOUACHIR O， ALOQAILY M， TSENG L， et al. Blockchain and fog computing for cyberphysical systems： the case of smart industry［J］. Computer， 2020， 53（9）： 36-45.

[27] LIU L， FENG J， PEI Q， et al. Blockchain-enabled secure data sharing scheme in mobile-edge computing： an asynchronous advantage actor-critic learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2342-2353.

[28] TANG W， ZHAO X， RAFIQUE W， et al. A blockchain-based offloading approach in fog computing environment［C］// Proceedings of the 2018 IEEE International Conference on Parallel and Distributed Processing with Applications/ Ubiquitous Computing and Communications/ Big Data and Cloud Computing/ Social Computing and Networking/ Sustainable Computing and Communications. Piscataway： IEEE， 2018： 308-315.

[29] ZHAO N， WU H， CHEN Y. Coalition game-based computation resource allocation for wireless blockchain networks［J］. IEEE Internet of Things Journal， 2019， 6（5）： 8507-8518.

[30] WU H， WOLTER K， JIAO P， et al. EEDTO： an energy-efficient dynamic task offloading algorithm for blockchain-enabled IoT-edge-cloud orchestrated computing［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2163-2176.

[31] ZHANG Z， HONG Z， CHEN W， et al. Joint computation offloading and coin loaning for blockchain-empowered mobile-edge computing［J］. IEEE Internet of Things Journal， 2019， 6（6）： 9934-9950.

[32] NGUYEN D C， PATHIRANA P N， DING M， et al. Privacy-preserved task offloading in mobile blockchain with deep reinforcement learning［J］. IEEE Transactions on Network and Service Management， 2020， 17（4）： 2536-2549.

[33] LIU M， YU F R， TENG Y， et al. Distributed resource allocation in blockchain-based video streaming systems with mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2019， 18（1）： 695-708.

[34] 張平，李世林，劉宜明，等. 區(qū)塊鏈賦能的邊緣異構計算系統(tǒng)中資源調度研究［J］. 通信學報， 2020， 41（10）：1-14.（ZHANG P， LI S L， LIU Y M， et al. Resource management in blockchain-enabled heterogeneous edge computing system［J］. Journal on Communications， 2020， 41（10）： 1-14.）

[35] QIU X， LIU L， CHEN W， et al. Online deep reinforcement learning for computation offloading in blockchain-empowered mobile edge computing［J］. IEEE Transactions on Vehicular Technology， 2019， 68（8）： 8050-8062.

[36] XU X， CHEN Y， ZHANG X， et al. A blockchain-based computation offloading method for edge computing in 5G networks［J］. Software： Practice and Experience， 2021， 51（10）： 2015-2032.

[37] HE Y， WANG Y， QIU C， et al. Blockchain-based edge computing resource allocation in IoT： a deep reinforcement learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2226-2237.

[38] SHARMA P K， CHEN M Y， PARK J H. A software defined fog node based distributed blockchain cloud architecture for IoT［J］. IEEE Access， 2018， 6： 115-124.

[39] ASHERALIEVA A， NIYATO D. Learning-based mobile edge computing resource management to support public blockchain networks［J］. IEEE Transactions on Mobile Computing， 2021， 20（3）： 1092-1109.

[40] QIU C， YAO H， JIANG C， et al. Cloud computing assisted blockchain-enabled internet of things［J］. IEEE Transactions on Cloud Computing， 2022， 10（1）： 245-257.

[41] ALI M S， DOLUI K， ANTONELLI F. IoT data privacy via blockchains and IPFS［C］// Proceedings of the 7th International Conference on the Internet of Things. New York： ACM， 2017： No. 14.

[42] 林邦. 區(qū)塊鏈網絡中邊緣計算資源分配機制與優(yōu)化［D］. 北京：北京郵電大學， 2020： 9-32.（LIN B. Resource allocation mechanism and optimization of mobile edge computing in blockchain networks［D］. Beijing： Beijing University of Posts and Telecommunications， 2020： 9-32.）

[43] XIONG Z， FENG S， WANG W， et al. Cloud/fog computing resource management and pricing for blockchain networks［J］. IEEE Internet of Things Journal， 2019， 6（3）： 4585-4600.

[44] GUO F， YU F R， ZHANG H， et al. Adaptive resource allocation in future wireless networks with blockchain and mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2020， 19（3）： 1689-1703.

[45] SENG S， LUO C， LI X， et al. User matching on blockchain for computation offloading in ultra-dense wireless networks［J］. IEEE Transactions on Network Science and Engineering， 2021， 8（2）： 1167-1177.

[46] XU J， WANG S， BHARGAVA B K， et al. A blockchain-enabled trustless crowd-intelligence ecosystem on mobile edge computing［J］. IEEE Transactions on Industrial Informatics， 2019， 15（6）： 3538-3547.

[47] CHATZOPOULOS D， AHMADI M， KOSTA S， et al. FlopCoin： a cryptocurrency for computation offloading［J］. IEEE Transactions on Mobile Computing， 2018， 17（5）： 1062-1075.

[48] LIU M， YU F R， TENG Y， et al. Computation offloading and content caching in wireless blockchain networks with mobile edge computing［J］. IEEE Transactions on Vehicular Technology， 2018， 67（11）： 11008-11021.

[49] GUO S， DAI Y， GUO S， et al. Blockchain meets edge computing： Stackelberg game and double auction based task offloading for mobile blockchain［J］. IEEE Transactions on Vehicular Technology， 2020， 69（5）： 5549-5561.

[50] DOU W， TANG W， LIU B， et al. Blockchain-based mobility-aware offloading mechanism for fog computing services［J］. Computer Communications， 2020， 164： 261-273.

[51] 史錦山，李茹. 物聯網下的區(qū)塊鏈訪問控制綜述［J］. 軟件學報， 2019， 30（6）： 1632-1648.（SHI J S， LI R. Survey of blockchain access control in internet of things［J］. Journal of Software， 2019， 30（6）：1632-1648.）

[52] FENG J， YU F R， PEI Q， et al. Cooperative computation offloading and resource allocation for blockchain-enabled mobile-edge computing： a deep reinforcement learning approach［J］. IEEE Internet of Things Journal， 2020， 7（7）： 6214-6228.

[53] FENG J， YU F R， PEI Q， et al. Joint optimization of radio and computational resources allocation in blockchain-enabled mobile edge computing systems［J］. IEEE Transactions on Wireless Communications， 2020， 19（6）： 4321-4334.

[54] SALLAL M F， OWENSON G， ADDA M. Proximity awareness approach to enhance propagation delay on the Bitcoin peer-to-peer network［C］// Proceedings of the 37th International Conference on Distributed Computing Systems. Piscataway： IEEE， 2017： 2411-2416.

[55] 賈大宇，信俊昌，王之瓊，等. 存儲容量可擴展區(qū)塊鏈系統(tǒng)的高效查詢模型［J］. 軟件學報， 2019， 30（9）：2655-2670.（JIA D Y， XIN J C， WANG Z Q， et al. Efficient query model for storage capacity scalable blockchain system［J］. Journal of Software， 2019， 30（9）：2655-2670.）

[56] WANG X， ZHA X， NI W， et al. Survey on blockchain for internet of things［J］. Computer Communications， 2019， 136： 10-29.

[57] WANG Q， WANG H， ZHENG B. An efficient distributed storage strategy for blockchain［C］// Proceedings of the 2019 ACM Turing Celebration Conference - China. New York： ACM， 2019： No.54.

[58] LI R， SONG T， MEI B， et al. Blockchain for large-scale internet of things data storage and protection［J］. IEEE Transactions on Services Computing， 2019， 12（5）：762-771.

[59] 孫知信，張鑫，相峰，等. 區(qū)塊鏈存儲可擴展性研究進展［J］. 軟件學報， 2021， 32（1）：1-20.（SUN Z X， ZHANG X， XIANG F， et al. Survey of storage scalability on blockchain［J］. Journal of Software， 2021， 32（1）：1-20.）

[60] LI G， CAI J. An online incentive mechanism for collaborative task offloading in mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2020， 19（1）： 624-636.

[61] XU X， ZHANG X， GAO H， et al. BeCome： blockchain-enabled computation offloading for IoT in mobile edge computing［J］. IEEE Transactions on Industrial Informatics， 2020， 16（6）： 4187-4195.

[62] 李智勇，王琦，陳一凡，等. 車輛邊緣計算環(huán)境下任務卸載研究綜述［J］. 計算機學報， 2021， 44（5）：963-982.（LI Z Y， WANG Q， CHEN Y F， et al. A survey on task offloading research in vehicular edge computing［J］. Chinese Journal of Computers， 2021， 44（5）：963-982.）

[63] 劉通，唐倫，何小強，等. 融合區(qū)塊鏈與霧計算系統(tǒng)中基于網絡時延和資源管理的優(yōu)化任務卸載方案［J］. 電子與信息學報， 2020， 42（9）： 2180-2185.（LIU T， TANG L， HE X Q， et al. Optimal task offloading scheme based on network delay and resource management in joint blockchain and fog computing system［J］. Journal of Electronics and Information Technology， 2020， 42（9）：2180-2185.）

[64] HE X， LIU J， JIN R， et al. Privacy-aware offloading in mobile-edge computing［C］// Proceedings of the 2017 IEEE Global Communications Conference. Piscataway： IEEE， 2017： 1-6.

[65] SHAN A， FAN X M， WU C， et al. Quantitative study on impact of static/dynamic selfishness on network performance in VANETs［J］. IEEE Access， 2021， 9： 13186-13197.

Survey on combination of computation offloading and blockchain in internet of things

MEN Rui1，2， FAN Shujia3， SHAN Axida1， DU Shaoyu1， FAN Xiumei1*

（1，’，’710048，；2，，745000，；3，，100084，）

With the recent development of mobile communication technology and the popularization of smart devices， the computation-intensive tasks of the terminal devices can be offloaded to edge servers to solve the problem of insufficient resources. However， the distributed nature of computation offloading technology exposes terminal devices and edge servers to security risks. And， blockchain technology can provide a safe environment transaction for the computation offloading system. The combination of the above two technologies can solve the insufficient resource and the security problems in internet of things. Therefore， the research results of applications combining computation offloading with blockchain technologies in internet of things were surveyed. Firstly， the application scenarios and system functions in the combination of computation offloading and blockchain technologies were analyzed. Then， the main problems solved by blockchain technology and the key techniques used in this technology were summarized in the computation offloading system. The formulation methods， optimization objectives and optimization algorithms of computation offloading strategies in the blockchain system were classified. Finally， the problems in the combination were provided， and the future directions of development in this area were prospected.

internet of things; computation offloading; resource management; offloading decision; blockchain; consensus algorithm

1001-9081（2023）10-3008-09

10.11772/j.issn.1001-9081.2022091466

2022?10?08；

2023?02?07；

科技部外國專家項目（G2022041009L）；陜西省重點研發(fā)計劃項目（2021GY?072）；甘肅省教育廳高?？蒲袆?chuàng)新項目（2020A?117）；內蒙古自治區(qū)自然科學基金資助項目（2022MS06007）；內蒙古自治區(qū)教育廳高?？蒲许椖浚∟JZY22035）。

門瑞（1987—），女，甘肅寧縣人，講師，博士研究生，主要研究方向：車聯網、邊緣計算； 樊書嘉（1994—），女，北京人，博士研究生，主要研究方向：大數據、區(qū)塊鏈、教育元宇宙應用； 阿喜達（1980—），男（蒙古族），內蒙古呼倫貝爾人，副教授，博士，主要研究方向：協作通信技術、激勵機制； 杜邵昱（1999—），男，陜西藍田人，碩士研究生，主要研究方向：車聯網、區(qū)塊鏈； 樊秀梅（1967—），女，山西山陰人，教授，博士，主要研究方向：多智能體協同控制、資源管理、邊-霧計算。

TP391

A

2023?02?11。

This work is partially supported by Foreign Expert Project of Ministry of Science and Technology （G2022041009L）， Key Research and Development Program of Shaanxi Province （2021GY-072）， Scientific Research Innovation Project of Higher Education of Department of Education of Gansu Province （2020A-117）， Inner Mongolia Autonomous Region Natural Science Foundation （2022MS06007）， Scientific Research Project of Higher Education of Department of Education of Inner Mongolia Autonomous Region （NJZY22035）.

MEN Rui， born in 1987， Ph. D. candidate， lecturer. Her research interests include internet of vehicles， edge computing.

FAN Shujia， born in 1994， Ph. D. candidate. Her research interests include big data， blockchain， application of educational metaverse.

SHAN Axida， born in 1980， Ph. D.， associate professor. His research interests include collaborative communication technology， incentive mechanism.

DU Shaoyu， born in 1999， M. S. candidate. His research interests include internet of vehicles， blockchain.

FAN Xiumei， born in 1967， Ph. D.， professor. Her research interests include multi?agent cooperative control， resource management， edge?fog computing.