基于信任的激励机制与雾网络中的资源分配

《Computer Networks》：A trust-based incentive mechanism and resource allocation in fog networks

本文提出基于信任的双向拍卖机制TBMD，解决雾计算环境中任务卸载与资源分配问题，结合截止时间和双向信任约束，通过VCG规则实现社会 welfare最大化，并证明其满足真实性、个体理性等经济属性，仿真显示误差小于10%且成功率高达90%。

　　

作者：Branka Mikavica, Aleksandra Kostic-Ljubisavljevic

贝尔格莱德大学 - 交通与运输工程学院，Vojvode Stepe 305，11090，贝尔格莱德，塞尔维亚

摘要

雾计算是一种有前景的范式，它将云服务扩展到更接近物联网（IoT）设备的地方，从而支持实时应用程序的执行。将依赖截止时间和计算密集型任务从IoT设备卸载到附近的雾节点上可以提高网络性能。然而，雾环境的动态特性使其容易受到安全和隐私攻击。为了解决这些挑战，需要一个双向信任管理系统，允许雾节点和用户验证彼此的可靠性。本文探讨了在可信雾计算环境中进行任务卸载和资源分配的问题，并将其构建为一个双拍卖框架以最大化社会福利。首先，我们设计了一种基于Vickrey-Clarke-Groves（VCG）规则的最优机制，该机制满足信任和截止时间相关的约束。此外，我们提出了一种基于信任的最小延迟（TBMD）拍卖机制，该机制通过双向信任管理系统确保用户和雾节点之间的相互信任。本质上，TBMD是一种双拍卖激励机制，它将最受信任的用户与紧急任务匹配起来。因此，所提出的机制激励雾节点提供卸载服务并奖励可信实体。我们进行了理论分析，证明TBMD符合期望的经济属性，如真实性、个体理性和强预算平衡。与最优社会福利相比，TBMD的有效性得到了验证。广泛的仿真实验表明，所提出的TBMD能够接近最优解，偏差小于10%，成功率高达90%，且所有这些都在多项式时间内完成。

引言

随着连接的物联网（IoT）设备数量的不断增加，智能和自动化环境的创建得到了支持。到2030年，IoT连接数量将超过400亿个[1]。通常，IoT设备的资源有限，无法实时处理大量多样化的数据。云计算通过提供远程计算和存储能力来实现这些数据的处理和分析。然而，当前大多数IoT应用，包括智能交通系统（ITS）、智慧城市、虚拟现实、在线游戏等，都有严格的响应时间要求。此外，在远程云服务器上的数据处理会加重有限的网络带宽负担并引入高延迟。因此，云计算无法为依赖延迟和具有上下文意识的IoT应用提供高性能执行。为了克服这些挑战，雾计算应运而生。雾计算将数据处理和存储资源放置在接近IoT设备的位置，以减少延迟、降低带宽使用并提高服务可靠性。它被认为是云计算的补充计算范式，支持高移动性、位置感知和设备的异构性。此外，雾计算还支持任务卸载，即将计算密集型和依赖截止时间的任务托管在附近的雾节点上。任务卸载旨在优化网络性能和总成本[2]。

雾计算的动态特性使其极易受到安全和隐私违规的威胁[3]。除了与云相关的问题外，雾计算还引入了额外的挑战，特别是在信任管理方面。信任是指对参与者正确行为的保证程度。在雾环境中，通常可以区分两种类型的参与者：雾节点（可以由不同的提供商独立拥有、运营和维护）和生成任务卸载请求的用户。因此，在雾环境中，一个可信的参与者是指不违反任何安全政策的实体，同时满足服务质量（QoS）要求[4]。信任管理系统旨在检测和阻止恶意实体。恶意雾节点会伪装成合法节点；然而，它可能被入侵者或恶意用户篡改或替换。这样的雾节点可能会收集用户数据，提供损坏的服务，并可能发起安全攻击。恶意用户可以发起各种安全攻击或与其他恶意用户勾结以提高其可信度。信任管理系统可以通过使实体能够评估其他实体的可信度来促进可信雾环境的创建。因此，它在任务卸载过程中提供了可靠性、完整性、隐私和决策支持。

由于相关的开销和能源成本，通过任务卸载服务共享空闲的雾资源是昂贵的。因此，需要一种激励机制来激励雾节点提供任务卸载服务，并相应地确定这些服务的适当价格。在设计此类激励机制时，会出现几个挑战。首先，在具有多个雾节点的雾计算系统中，重要的是要识别能够确保所选任务卸载性能得到保证的合适雾节点。需要一个可信的环境来确定任务和雾节点之间的适当匹配。应使用户能够验证可靠的雾节点。此外，卸载应仅在可信的雾节点上进行。此外，雾节点应验证用户的合法性。其次，卸载服务的估值对用户和雾节点来说都是私人信息。用户可能会故意误报任务信息以增加他们的效用，而雾节点可能会误报服务成本。因此，适当的卸载机制必须真实、公平和高效，为雾节点提供足够的激励。同时，它应有助于创建一个可信的雾环境，确保用户可以安全地卸载他们的任务。第三，高效的卸载机制应在考虑雾节点和用户的多样化需求的同时优化资源管理并最大化社会福利。最后，由于任务执行延迟和信任显著影响雾环境中的资源分配，激励机制必须共同解决这些约束，而这在文献中经常被忽视。因此，我们需要一个在可信雾环境中的高效任务卸载机制。因此，我们的主要研究问题是：如何在可信雾环境中开发一个真实的卸载机制，为相关实体提供适当的激励并最大化社会福利？以及如何设计一个能够满足截止时间和信任要求的有效激励机制？

卸载技术常用于IoT和云应用。许多研究讨论了边缘计算、移动边缘计算和雾计算环境中的计算卸载和资源分配[[5], [6], [7]]。尽管有大量关于任务卸载问题的有价值贡献的文献，但我们发现了几个与基于信任的资源分配和任务卸载相关的研究挑战和差距：

(i)

尽管广泛讨论了延迟最小化，但只有少数研究明确强调了任务截止时间[[8], [9], [10]]。然而，这些研究工作没有涉及参与卸载过程的激励措施。

(ii)

基于拍卖的机制在实现最优分配策略方面表现突出，同时保证了服务器和用户设备之间的相互满意。然而，大多数提出的拍卖机制由于涉及实体的不同个人偏好而未能充分利用空闲资源[11]。因此，建立基于激励的拍卖机制至关重要，这些机制可以满足实体之间的冲突利益并提供参与资源交易的激励。

(iii)

一些最近的研究提出了基于截止时间的拍卖激励机制，包括[[12], [13], [14]]。尽管[14]将雾节点声誉作为信任的衡量标准，但这种声誉仅用作排名标准；声誉较高的节点会被优先考虑，但没有设定阈值。我们没有发现任何在截止时间感知分配中整合双向信任阈值的机制。

(iv)

尽管有关于激励参与信任管理系统的研究[15,16]，但它们没有分析基于信任的卸载环境中的社会福利，在这种环境中，相互信任直接构成了可行的交易集合。

受到上述挑战的启发，我们提出了一种新颖的、基于信任的真实双拍卖机制，用于雾计算网络，该机制整合了双向信任可行性、任务截止时间和社会福利最大化。我们考虑了一个具有异构任务和多个雾节点的雾网络，在这种网络中，只有当双方都满足相互信任阈值并且可以保证任务截止时间时，才会进行资源分配。采用不同的算法在这些约束下匹配雾节点和用户。为了确保真实性，我们使用Vickrey-Clarke-Groves（VCG）拍卖进行资源分配，该拍卖已被证明可以优化社会福利[[17], [18], [19], [20]]。与之前的方法（如TDATO [14]）不同，后者仅将雾节点声誉用作排名因素（即，较高的声誉会增加分配的机会，但低声誉永远不会排除一个节点），TBMD在分配和支付过程中强制执行明确的双向信任阈值作为可行性约束。这种设计产生了不同的福利结果，并确保了用户和雾节点之间的相互责任。

本文的主要贡献可以总结如下：

(i)

我们将雾网络中的社会福利最大化问题与双向信任管理表述为一个整数线性问题（ILP）。该模型在满足信任和截止时间约束的同时提供了最优社会福利。

(ii)

此外，我们提出了一种基于双拍卖的机制，即基于信任的最小延迟（TBMD），该机制将双向信任阈值和截止时间要求作为可行性约束。在TBMD中，只有满足这些条件的实体之间才能进行任务卸载，因此在分配之前排除了不可信或不可行的配对。通过信任和截止时间定义可行性，TBMD修改了可接受的匹配和实体之间的竞争，从而影响福利结果，同时确保雾节点提供具有最小延迟的卸载服务。

(iii)

我们证明了TBMD符合期望的经济属性：真实性、个体理性和强预算平衡。

(iv)

进行了广泛的仿真实验以证明TBMD的有效性和性能。

本文的其余部分组织如下。第2节提供了相关工作的详细回顾。第3节介绍了系统模型，讨论了雾网络中激励机制的期望属性，并制定了优化问题。第4节提供了TBMD机制的设计和相关算法。此外，还证明了TBMD的经济属性，并进行了时间复杂性分析。第5节提供了性能评估和仿真结果的讨论。最后，第6节提供了结论性意见和未来研究方向。

相关工作

由于IoT设备的资源有限，雾计算环境中的任务卸载被认为是应对日益增长的需求的有希望的解决方案，特别是对于依赖延迟的应用程序。在本节中，我们观察到了两个与任务卸载相关的重要问题，包括资源分配和信任管理。

系统模型和问题表述

在本节中，雾网络中的任务卸载问题被建模为一个真实的双拍卖。首先，我们描述了所有相关实体的角色和活动，以及所提出的激励机制的各个阶段。还定义了这种机制的期望经济属性，包括真实性、个体理性和强预算平衡。

所提出的TBMD激励机制

所提出的TBMD双拍卖激励机制的设置如算法1所示。它包括两个模块：赢家声明和匹配（算法2）和基于VCG的支付确定（算法3）。首先，TBMD使用赢家声明和匹配模块确定获胜买家和卖家的集合，并进行适当的匹配，如算法2所示。之后，基于VCG的支付确定模块确定卖家的总支付额，

性能评估

我们使用Python 3.10.11进行了一系列仿真，以证明所提出的激励机制的有效性。所有执行都在配备AMD Ryzen 3 GHz CPU和16 GB内存的Windows PC上进行。统计分析也在Python 3.10.11中进行。对于每个设置，我们计算了描述性统计（社会福利、效用、系统效率和运行时间），并报告了平均值的95%置信区间。

我们使用

结论

在本文中，我们提出了一种新颖的基于信任的激励机制TBMD，用于雾网络中的任务卸载。TBMD本质上是一个真实的双拍卖，它激励雾节点（卖家）提供空闲计算资源以进行任务卸载服务，用户（买家）为这些服务出价。该机制旨在在截止时间和可信性约束下最大化社会福利。此外，TBMD优先考虑紧急任务的卸载，并采用双向信任

CRediT作者贡献声明

Branka Mikavica：概念化；撰写 - 原稿；撰写 - 审稿与编辑；软件；方法论。Aleksandra Kostic-Ljubisavljevic：监督；验证

数据可用性：文章描述的研究没有使用任何数据。

CRediT作者贡献声明

Branka Mikavica：撰写 – 审稿与编辑，撰写 – 原稿，软件，方法论，概念化。Aleksandra Kostic-Ljubisavljevic：验证，监督。