区块链赋能的边缘计算多目标优化卸载框架BICRA：基于EigenTrust-TW信誉模型与RBFT-SMaRt共识协议的高效安全协同机制

针对移动边缘计算(MEC)中资源分配效率低、任务卸载安全性差等挑战，西安电子科技大学团队创新性提出BICRA框架，集成EigenTrust-TW动态信誉模型与RBFT-SMaRt两阶段区块链共识协议，开发MaOEA-FT多目标进化算法，实现时延降低74.85%、吞吐量提升60.75%的突破性性能，为复杂工作流应用提供安全高效的协同计算方案。

　　

随着物联网(IoT)和5G技术的迅猛发展，智能医疗、自动驾驶等数据密集型应用对实时计算提出严苛要求。尽管移动终端设备硬件性能不断提升，但受限于电池容量和计算能力，复杂工作流应用仍面临执行效率低下、隐私泄露等严峻挑战。移动边缘计算(MEC)通过将服务器节点(ENs)下沉至网络边缘，虽能缓解核心网拥塞，却暴露出三大痛点：异构资源分配失衡、工作流模型过于简化、任务卸载过程存在安全风险。现有研究往往顾此失彼——或如Chen等仅优化DAG依赖任务卸载策略，或如Cui等设计的MaOEECCO模型忽视任务收益，更普遍的是缺乏对区块链性能的针对性优化，导致PoW耗时、PoS易受攻击、PBFT延迟高等问题持续制约MEC系统效能。

西安电子科技大学的研究团队在《Future Generation Computer Systems》发表的研究中，构建了区块链集成的多目标优化边缘-终端协同计算资源分配(BICRA)框架。该研究通过三阶段技术路线实现突破：首先开发RBFT-SMaRt共识协议，采用模块化双阶段架构将交易延迟降低至传统PBFT的1/4；其次设计EigenTrust-TW三权重信誉模型，融合时空特征动态评估节点可靠性；最后提出MaOEA-FT进化算法，同步优化执行时间、能耗、负载均衡和任务收益四维目标。研究团队特别构建了包含依赖/独立工作流的混合模型，更真实模拟智能医疗等复杂场景。

BICRA关键设计与方法
研究团队创新性地将区块链SMaRt框架与BFT共识结合，RBFT-SMaRt协议通过"请求-执行"分离机制，使吞吐量达到1587TPS，较传统方案提升60.75%。共识组采用蒙特卡洛法动态调整规模，在100节点网络中可将确认延迟控制在1.2秒内。

基于EigenTrust-TW的智能合约
扩展经典EigenTrust模型，引入时效性权重ω_t
、交互频率权重ω_f
和地理相似度权重ω_g
，构成三维评价体系。实验显示该模型能有效识别90%以上的恶意节点，且信誉更新耗时仅增加18ms。

复杂工作流资源分配
MaOEA-FT算法采用自适应交叉变异策略，在ZDT系列测试函数上收敛速度提升近60%。针对急诊监护工作流测试表明，该方案能使任务完成时间缩短31.7%，同时保持ENs负载标准差低于0.35。

安全分析与性能验证
RBFT-SMaRt可抵御双花攻击等5类安全威胁，拜占庭容错阈值达33%。在100节点模拟环境中，系统吞吐量稳定在1500TPS以上，较PoW提升两个数量级。医疗影像分析案例显示，BICRA框架使CT三维重建任务延迟从4.3s降至1.1s。

该研究首次实现区块链性能优化与多目标资源分配的协同突破，EigenTrust-TW模型为动态MEC环境提供可靠信任基础，RBFT-SMaRt协议重新定义了边缘计算场景的共识效率标准。特别值得注意的是，MaOEA-FT算法开创性地将任务收益纳入优化目标，使资源分配策略更契合商业落地需求。这项工作不仅为6G时代超低延迟应用奠定技术基础，其提出的混合工作流模型更为后续研究提供了重要范式参考。