論文の概要: Deep Reinforcement Learning and Permissioned Blockchain for Content
Caching in Vehicular Edge Computing and Networks
- arxiv url: http://arxiv.org/abs/2011.08449v2
- Date: Thu, 19 Nov 2020 15:24:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:40:03.497916
- Title: Deep Reinforcement Learning and Permissioned Blockchain for Content
Caching in Vehicular Edge Computing and Networks
- Title（参考訳）: 車両エッジコンピューティングとネットワークにおけるコンテンツキャッシングのための深層強化学習と許可ブロックチェーン
- Authors: Yueyue Dai, Du Xu, Ke Zhang, Sabita Maharjan (Senior Member, IEEE) and
Yan Zhang (Fellow, IEEE)
- Abstract要約: 車両の高モビリティと動的無線チャネル条件は、最適なコンテンツキャッシングポリシーを設計することを困難にしている。
深層強化学習(Deep Reinforcement Learning, DRL)は、高次元・時間的特徴を持つ問題解決手法である。
本稿では、DRLとブロックチェーンを車載ネットワークに統合し、インテリジェントでセキュアなコンテンツキャッシングを行う。
- 参考スコア（独自算出の注目度）: 2.3966513096296547
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vehicular Edge Computing (VEC) is a promising paradigm to enable huge amount
of data and multimedia content to be cached in proximity to vehicles. However,
high mobility of vehicles and dynamic wireless channel condition make it
challenge to design an optimal content caching policy. Further, with much
sensitive personal information, vehicles may be not willing to caching their
contents to an untrusted caching provider. Deep Reinforcement Learning (DRL) is
an emerging technique to solve the problem with high-dimensional and
time-varying features. Permission blockchain is able to establish a secure and
decentralized peer-to-peer transaction environment. In this paper, we integrate
DRL and permissioned blockchain into vehicular networks for intelligent and
secure content caching. We first propose a blockchain empowered distributed
content caching framework where vehicles perform content caching and base
stations maintain the permissioned blockchain. Then, we exploit the advanced
DRL approach to design an optimal content caching scheme with taking mobility
into account. Finally, we propose a new block verifier selection method,
Proof-of-Utility (PoU), to accelerate block verification process. Security
analysis shows that our proposed blockchain empowered content caching can
achieve security and privacy protection. Numerical results based on a real
dataset from Uber indicate that the DRL-inspired content caching scheme
significantly outperforms two benchmark policies.
- Abstract（参考訳）: Vehicular Edge Computing(VEC)は、大量のデータとマルチメディアコンテンツを車両に近接してキャッシュできるようにする、有望なパラダイムである。
しかし、車両のモビリティと動的無線チャネル条件は、最適なコンテンツキャッシングポリシーを設計することを困難にしている。
さらに、非常に機密性の高い個人情報により、車両は信頼できないキャッシュプロバイダにコンテンツをキャッシュする意思がないかもしれない。
深層強化学習(drl)は,高次元および時間的特徴によって問題を解決する新たな手法である。
permission blockchainは、セキュアで分散化されたピアツーピアトランザクション環境を確立することができる。
本稿では、DRLとブロックチェーンを車載ネットワークに統合し、インテリジェントでセキュアなコンテンツキャッシングを行う。
まず、車両がコンテンツキャッシングを行い、基地局がパーミッション化されたブロックチェーンを維持する、分散型コンテンツキャッシングフレームワークを提案する。
そこで我々は,モビリティを考慮した最適なコンテンツキャッシュ方式を設計するために,高度なDRLアプローチを利用する。
最後に,ブロック検証プロセスの高速化を目的としたブロック検証手法であるProof-of-Utility (PoU)を提案する。
セキュリティ分析の結果,提案するブロックチェーンによるコンテンツキャッシングによって,セキュリティとプライバシ保護が実現可能であることが分かりました。
Uberの実際のデータセットに基づく数値結果は、DRLにインスパイアされたコンテンツキャッシング方式が2つのベンチマークポリシーを大幅に上回っていることを示している。
関連論文リスト
- Artificial Intelligence for Secured Information Systems in Smart Cities: Collaborative IoT Computing with Deep Reinforcement Learning and Blockchain [0.8906214436849204]
IoT(Internet of Things)の急速な拡張は、特にスマートシティやスマートマニュファクチャリングのようなインフラストラクチャにおいて、プライバシ、セキュリティ、データの整合性に関連する問題を引き起こしている。
本稿では,IoTを活用したスマートシティにおけるモバイルトランスミッションとセキュアなデータ交換を最適化するためのブロックチェーンと深層強化学習の統合について検討する。
論文 参考訳（メタデータ） (2024-09-24T20:25:20Z) - Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問題に対処するための、有望なソリューションとして登場した。
本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
論文 参考訳（メタデータ） (2024-07-03T21:19:01Z) - Enhancing Data Integrity and Traceability in Industry Cyber Physical Systems (ICPS) through Blockchain Technology: A Comprehensive Approach [0.0]
本研究では,産業サイバー物理システム(ICPS)におけるデータの整合性とトレーサビリティ向上におけるブロックチェーンの可能性について検討する。
ICPSは製造業、電力網、輸送網といった重要なインフラを管理する上で重要である。
この研究は、サプライチェーン管理、品質管理、コントラクト管理、データ共有など、ICPSのさまざまなブロックチェーンアプリケーションを発掘する。
論文 参考訳（メタデータ） (2024-05-08T06:22:37Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。
ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。
グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
論文 参考訳（メタデータ） (2024-03-20T01:58:38Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - DynamiQS: Quantum Secure Authentication for Dynamic Charging of Electric Vehicles [61.394095512765304]
Dynamic Wireless Power Transfer (DWPT)は、電気自動車を運転中に充電できる新しい技術である。
量子コンピューティングの最近の進歩は、古典的な公開鍵暗号を危険にさらしている。
動的ワイヤレス充電のための第1量子後セキュア認証プロトコルであるDynamiQSを提案する。
論文 参考訳（メタデータ） (2023-12-20T09:40:45Z) - Enabling Data Confidentiality with Public Blockchains [5.749927436954179]
相互運用アプリケーション(MARTSIA)のためのトランザクションシステムに対するマルチオーソリティアプローチ
MARTSIAは、メッセージ部分のレベルで共有データの読み取りアクセス制御を可能にする。
Multi-Authority Attribute-Based Encryption (MA-ABE)に基づいて、MARTSIAはメッセージ部分のレベルで共有データの読み取りアクセス制御を可能にする。
論文 参考訳（メタデータ） (2023-08-04T13:21:48Z) - When Quantum Information Technologies Meet Blockchain in Web 3.0 [86.91054991998273]
我々は、分散データ転送と支払いトランザクションのための情報理論セキュリティを提供する、量子ブロックチェーン駆動のWeb 3.0フレームワークを紹介します。
Web 3.0で量子ブロックチェーンを実装するための潜在的なアプリケーションと課題について論じる。
論文 参考訳（メタデータ） (2022-11-29T05:38:42Z) - Secure Vehicle Communications Using Proof-of-Nonce Blockchain [0.0]
提案する車両通信は、Proof-of-Nonce(PoN)ブロックチェーンアルゴリズムに基づいて実装される。
本稿では,PoNアルゴリズムと機密容量を欠いた物理層セキュリティを実現しつつ,よりセキュアな車両通信方式を提案する。
論文 参考訳（メタデータ） (2020-11-16T10:31:42Z) - Reinforcement Learning for Caching with Space-Time Popularity Dynamics [61.55827760294755]
キャッシングは次世代ネットワークにおいて重要な役割を果たすと想定されている。
コンテンツをインテリジェントにプリフェッチし、保存するためには、キャッシュノードは、何といつキャッシュするかを学ばなければならない。
本章では、近似キャッシングポリシー設計のための多目的強化学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-19T01:23:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。