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
- 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) - Enabling Data Confidentiality with Public Blockchains [6.092714083639697]
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) - Online Safety Property Collection and Refinement for Safe Deep
Reinforcement Learning in Mapless Navigation [79.89605349842569]
オンラインプロパティのコレクション・リファインメント(CROP)フレームワークをトレーニング時にプロパティを設計するために導入する。
CROPは、安全でない相互作用を識別し、安全特性を形成するためにコストシグナルを使用する。
本手法をいくつかのロボットマップレスナビゲーションタスクで評価し,CROPで計算した違反量によって,従来のSafe DRL手法よりも高いリターンと低いリターンが得られることを示す。
論文 参考訳(メタデータ) (2023-02-13T21:19:36Z) - 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) - Blockchain-based Secure Client Selection in Federated Learning [18.001794899303626]
ブロックチェーン技術を使って、フェデレートラーニングのための検証可能なクライアント選択プロトコルを提案しています。
本プロトコルでは,クライアントのランダムな選択を強制し,サーバが選択プロセスの判断で制御できないようにする。
この攻撃に対して当社のプロトコルが安全であることを示すセキュリティ証明を提示する。
論文 参考訳(メタデータ) (2022-05-11T16:28:12Z) - A lightweight blockchain-based access control scheme for integrated edge
computing in the internet of things [4.308257382729074]
We propose a attribute-based encryption and access control scheme (ABE-ACS) for the Edge-Iot network。
高リソース消費と既存のブロックチェーンプラットフォームのデプロイが困難な問題に対して、私たちは軽量ブロックチェーン(LBC)を設計しています。
6つのスマートコントラクトは、ABACとペナルティメカニズムを実現するように設計されている。
論文 参考訳(メタデータ) (2021-11-12T02:56:09Z) - Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge
Caching [91.50631418179331]
MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。
分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
論文 参考訳(メタデータ) (2021-10-20T02:48:27Z) - Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。
量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文 参考訳(メタデータ) (2021-06-11T23:39:25Z) - Privacy-Preserved Blockchain-Federated-Learning for Medical Image
Analysis Towards Multiple Parties [5.296010468961924]
この記事では、フェデレーション付き学習とブロックチェーンに基づくプライバシ保護フレームワークを設計する。
最初のステップでは、カプセルネットワークを使用してローカルモデルをトレーニングして、COVID-19画像のセグメンテーションと分類を行います。
第2のステップでは、同型暗号方式により局所モデルを確保します。
論文 参考訳(メタデータ) (2021-04-22T07:32:04Z) - 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。