结合共识机制的雾节点信任评估技术及其应用

《IEICE Communications Express》：Fog Node Trust Evaluation Technology Combined with a Consensus Mechanism and its Application

　　

摘要：为解决雾计算网络中的节点可信性问题，该研究提出了一种融合共识机制的雾节点信任评估技术。论文采用创新性的兴趣证明算法（PoIA，proof of interest algorithm）共识机制，以实现轻量级验证。其核心方法包括基于公式的声誉评估算法，用于量化节点行为与经济激励，以及通过保证金机制提高攻击成本。实验研究表明，即使在恶意节点占比较高的情况下，该技术仍可维持93.2%的可用性。应用该技术后，雾计算网络的吞吐量达到985TPS，时延降低至125 ms，能耗下降26.8%。实验进一步证实，该技术通过动态声誉评估与PoIA轻量级共识的协同创新，显著提升了恶意行为检测准确性与资源分配效率，为大规模雾计算部署提供了可靠解决方案。

该文发表于《IEICE Communications Express》，围绕雾计算环境中的节点可信治理与资源调度问题，提出了一种融合区块链与轻量级共识机制的雾节点信任评估方案。研究背景在于，随着物联网（IoT，Internet of Things）设备数量快速增长以及边缘侧计算需求持续上升，雾计算通过将计算、存储与网络服务下沉到靠近数据源的位置，有效缓解了云中心负载并降低了传输时延。然而，雾计算网络具有分布式、异构性强、节点动态变化频繁等特征，导致节点恶意行为、资源约束与信任管理困难等问题尤为突出。传统集中式信任管理机制难以适应高动态雾环境，且存在单点故障与透明性不足的问题。虽然区块链因其去中心化、不可篡改和可追溯特性为可信治理提供了新思路，但现有区块链共识机制如委托权益证明（DPoS，Delegated Proof of Stake）和实用拜占庭容错（PBFT，Practical Byzantine Fault Tolerance）在雾计算场景中面临计算与通信开销过高、静态选举机制难以适配网络动态变化等限制。同时，既有研究在信任评估维度上较为单一，缺乏对节点历史行为、实时性能与经济激励的深度耦合，因而难以有效应对女巫攻击（Sybil attack）与开关攻击（On-Off attack）。基于上述问题，开展轻量化、高适应性并具有经济约束的可信评估研究具有明确必要性。

研究人员据此设计并实现了一个融合区块链技术的雾节点信任评估模型，在端—雾—云三层服务框架下，将智能合约驱动的资源分配、动态声誉管理和PoIA共识机制进行集成。该研究的核心在于，将节点历史行为、实时任务处理表现以及代币经济约束纳入统一的公式化声誉评估框架，并通过押金与保证金机制提高恶意攻击代价。结果表明，该方案在高比例恶意节点存在时仍能维持较高系统可用性，同时在吞吐量、时延与能耗方面优于对比基线模型。论文的意义在于构建了一个较完整的去中心化可信治理方案，为大规模雾计算部署提供了兼顾安全性、效率与可扩展性的技术路径。

从技术方法看，研究主要使用了四类关键方法。其一，构建端—雾—云三层区块链服务框架，将数据服务订阅者（DSS，data service subscriber）与雾服务节点（FSN，fog service node）统一建模为链上交易节点。其二，提出动态声誉模型，基于任务传输完成时间、任务处理结束时间、理论处理时长、资源分配比例等指标迭代更新节点信誉。其三，设计PoIA轻量级共识机制，通过雾验证节点（FVN）分组、概率化账本管理节点（BM）选择及分片式双重验证降低验证开销。其四，利用智能合约实现资源自动分配、全过程监督、信誉更新和资金清结算。实验数据来源于公开的FogBus2数据集与Google Cluster数据集，测试对象包括200个雾节点与500个用户节点。

以下对论文主体研究结果按原文结构进行概括。

一、Introduction
引言部分指出，雾计算在医疗、智慧城市等关键场景中应用不断扩大，但节点不可信会引发数据泄露和服务中断等严重后果，因此亟需建立高效信任评估机制。研究人员明确提出，目标是设计一个融合区块链技术的雾节点信任模型，并通过PoIA共识实现轻量级验证。该部分还概述了研究贡献，即将动态声誉评估、智能合约资源分配和经济激励深度结合，构建可实际部署的去中心化治理方案。

二、Related Work
相关工作部分从信任管理、资源分配优化、安全与隐私架构、区块链及共识机制创新四个方面综述既有研究。通过系统回顾，研究人员指出已有工作虽在实时信任评分、任务调度、隐私增强与区块链集成等方面取得进展，但仍普遍存在三方面不足：信任评估维度单一，难以抑制On-Off attack；传统共识机制与雾节点资源受限之间存在根本矛盾；智能合约驱动的资源分配与信任监管自动化程度不足。该综述为后续提出动态声誉模型和PoIA共识提供了问题依据与方法定位。

三、Technical Framework
技术框架部分是全文核心。研究人员首先提出端—雾—云三层服务框架。用户设备层负责生成原始数据与任务集合_i={D_i,c_i}，其中D_i表示任务数据量，c_i表示完成任务所需CPU周期数。雾服务层由多类雾服务器组成，云层则承担大规模任务存储与补充处理功能。区块链在整个架构中承担可信去中心化平台角色，将任务卸载与资源分配流程建模为链上交易。

在交易流程中，DSS提交任务请求并预缴押金，智能合约实时收集FSN资源信息并给出资源分配策略；FSN按要求提交保证金并根据策略准备服务；随后DSS向指定FSN传输带数字签名的任务数据，FSN进行处理或转发至云端；处理完成后，系统根据链上记录的时间戳、服务表现和任务信息调用声誉算法，更新节点信誉并完成区块共识、交易上链和资金返还或罚没。该流程形成了“任务请求—资源分配—执行监督—信誉更新—共识存证—经济清算”的闭环治理机制。

在“3.2.1 Node Reputation Model”中，论文详细定义了节点声誉模型。对于FSN，信誉值V^k被划分为不可信节点与可信节点两大类，并进一步区分恶意节点、懈怠节点、低效率可信节点和高质量节点。研究人员以实际任务处理时间ΔT_i^k=t_i,end^k,comp-t_i,end^k,trans为基础，将其与理论任务处理时间T_i^k,comp比较，构建服务质量度量M_i^k。在声誉迭代公式中，引入周期遗忘系数λ、计算力折扣因子α以及任务卸载决策ω_i^k等参数，实现对节点历史参与度、当前性能和资源贡献的联合刻画。该机制的结论是：表现稳定、处理及时的节点信誉缓慢累积，而存在不可信行为或显著拖延的节点将被快速降权，从而抑制On-Off attack。

对于DSS，研究人员采用不同于服务节点的评估逻辑，将其信誉主要与其任务规模及资源需求占比相关联，即通过c_i和D_i在当前轮所有申请任务中的占比来更新V_i(τ)。这一设计的结论在于，较高质量且积极参与任务卸载的用户节点可促进网络交易活跃度和资源利用，从而提升系统中可信活跃节点比例。

该部分还引入押金d_i与保证金d^k机制。DSS发起请求时需预存押金，FSN提供服务前需缴纳保证金，金额与任务计算量、节点信誉等级等相关。若节点实施恶意行为，其链上预存代币将被扣除，并大部分补偿给受害节点。由此得出的结论是，经济机制与声誉机制联动后，能够有效提高大规模攻击成本并增强合法节点利益保护。

在“3.2.2 PoIA Consensus Mechanism”中，研究人员以传统DPoS为基础进行改造，提出PoIA共识机制。该机制根据节点信誉排名选出雾验证节点组，并在满足最低信誉阈值V_Thr的前提下，通过概率模型确定BM。其核心公式在传统p_DPoS(BM)基础上增加了与V_FVN及组内平均信誉V_FVN相关的调节项，使高信誉节点获得更高账本管理概率。与传统DPoS不同，PoIA省略了代理投票环节，并使用规模更大的FVN组来适应雾网络中节点数量多且互不完全信任的环境。

PoIA最关键的创新在于轻量级区块验证。BM不会要求所有FVN验证整个候选区块，而是将区块交易划分为多个交易组Tr_s，分发给不同FVN分别验证。每个FVN在本地验证后，再与另一随机FVN进行一次交互式双重验证；若正反馈比例超过51%，则该区块通过验证并上链，否则丢弃区块并惩罚BM。研究人员进一步给出PoIA与DPoS的验证时延模型，指出PoIA通过分组并行验证和有限交互显著降低了验证延迟与计算负担。由此可见，该共识机制针对雾环境资源受限、时延敏感的特点进行了专门优化。

四、Test
测试部分通过FogBus2与Google Cluster公开数据集开展综合实验，涵盖性能测试、鲁棒性测试、实用性测试、消融测试、可解释性测试、可扩展性测试和成本效益测试，并在动态节点加入/退出环境下进一步验证适应性。所有测试均重复10次取平均。

“4.2 Test Results”显示，在性能测试中，该模型在500节点、20%恶意节点环境下实现平均任务时延125 ms、系统吞吐量985TPS、共识时延0.45 s，优于DPoS、PBFT及机器学习基线。由性能测试得出的结论是，PoIA分片验证与智能合约自动调度共同降低了验证与调度开销。

在鲁棒性测试中，当恶意节点比例提升至30%时，系统可用性仍保持93.2%。这一结果说明，动态声誉模型结合押金/保证金惩罚，能够较快识别并隔离恶意节点，有效缓解高恶意比例场景下的系统退化。

在实用性测试中，该模型CPU利用率达到88.5%，总能耗为12.3 kWh，代币经济效率为8.9 tasks/token。该结果表明，智能合约驱动的精准资源匹配和经济激励机制有助于提高资源利用率并减少冗余计算，进一步实现能耗下降。

在消融测试中，移除PoIA共识后吞吐量下降25.6%，是影响最大的组件；移除声誉模型、押金机制和智能合约监管后，性能分别下降22.3%、18.7%和20.1%。这一结果验证了轻量级共识、行为调控、经济约束和去中心化调度均为系统性能的重要支撑。

在可解释性测试中，基于1000条历史交易记录的SHAP分析表明，任务处理及时性和资源贡献稳定性是影响声誉得分的最主要因素，历史信誉趋势、参与频率和代币质押比例也具有一定贡献。这说明声誉模型的评估依据与系统设计目标保持一致，并提升了模型透明性。

在可扩展性测试中，节点规模由100增加至1000时，该模型吞吐量由1000TPS降至952TPS，衰减幅度明显小于DPoS。该结果说明PoIA验证成本随节点增长呈更可控的变化趋势，更适用于大规模雾网络。

在成本效益测试中，该模型发动同等破坏性攻击所需代币成本达到9500 tokens，显著高于DPoS和PBFT。结论是，押金、保证金与信誉惩罚形成了更高的攻击经济门槛。

在动态环境适应性测试中，面对每轮10%节点随机离网和10%新节点加入的场景，该模型在系统可用性、信誉评估误差和共识稳定性方面均优于基线，说明其较好适应了节点频繁变动的真实雾环境。

五、Discussion与Conclusion总结
讨论部分认为，该模型之所以在性能、鲁棒性、实用性和可扩展性上取得优势，根本原因在于三者协同：动态声誉模型实现节点行为实时刻画，PoIA分片式验证降低计算通信开销，代币经济机制提高恶意行为成本。文中同时指出，该方案仍依赖全局信誉同步机制，可能引入通信时延，且代币经济模型对初始代币分配较为敏感。

研究结论可译为：通过集成区块链技术与PoIA共识机制，论文实现了雾节点的实时信任评估和高效资源分配，为大规模雾计算部署提供了可靠解决方案。通过构建融合区块链技术的端—雾—云三层服务框架和PoIA共识机制，研究人员成功实现了雾节点的高效信任评估与资源优化分配。测试结果表明，平均任务时延降低至125 ms，系统吞吐量提升至985TPS，并且在30%恶意节点攻击下系统仍维持93.2%的可用性。同时，该模型能耗约降低26.8%，显著优于传统DPoS和PBFT模型。这些成果主要得益于动态声誉模型对节点行为的精确量化、轻量级分片验证机制对计算开销的优化，以及智能合约驱动的自动化监管流程。然而，该研究仍依赖全局信誉同步机制，可能引入通信时延，且代币经济模型对初始分配敏感。未来工作将探索跨链信誉共享机制以降低同步开销，集成轻量级加密技术以增强隐私保护，并进一步适配异构设备的动态特性。