无线 MEC 网络中动态资源分配的安全深度强化学习

本文提出了一个基于区块链安全的深度强化学习优化框架，用于分散的无线移动边缘计算网络中的数据管理和资源分配。通过设计低延迟的声誉股权证明共识协议，选择高可靠的区块链启用的基站，保证数据安全存储和防止篡改攻击。通过将移动边缘计算资源分配优化建模为约束的马尔可夫决策过程，平衡处理延迟和拒绝服务概率。使用移动边缘计算汇总特征作为深度强化学习的输入，有效减少了剩余服务处理时间的高维输入。通过约束深度强化学习，实现适应动态拒绝服务要求的最佳资源分配。仿真结果和分析验证了该框架在安全性、可靠性和资源利用率方面优于基准区块链共识协议和移动边缘计算资源分配算法。