在移动社交网络中实现安全且注重预算的边缘缓存：一种动态优化方法

《Journal of Parallel and Distributed Computing》：Secure budget-aware edge caching in mobile social networks: A dynamic optimization approach

　　扎赫拉·塞耶迪|汉塔·塞德加尼|贾科莫·韦尔蒂卡莱|毛罗·帕萨坎坦多|达尼洛·阿尔达尼亚•一种基于斯塔克伯格博弈的框架，能够在保持边缘设备参数精确估计的同时大幅降低通信开销。•一种实用的预算约束优化模型，为现实世界的边缘缓存部署设置了明确的内容级和设备级支付上限。•一种安全的主题受欢迎度计算机制，可防止自私的边缘设备操纵指标，确保公平的支付分配。•全面的性能评估表明，在动态网络条件下，该方案在成本效率、可扩展性和稳定性方面均有显著提升。

引言
随着移动社交网络成为当今数字世界的核心，低延迟且不间断的内容访问需求前所未有[1]。当数十亿人共享多媒体内容、玩实时游戏并在各种社交平台上互动时，全球移动数据流量预计到2030年将增长17%，每月将达到约470艾字节[2]。然而，在这种环境下，一个重大挑战是如何处理对热门内容的重复请求。这会浪费大量带宽并造成令人烦恼的延迟，因为数据查询及其响应必须在远处的内容提供商和移动用户之间传输。因此，将热门内容存储在靠近移动用户的地点，将极大提升用户体验并改善网络运行状况[3]。为满足这些需求，边缘缓存已成为一种基本策略，它允许内容提供商通过基站和本地服务器等边缘缓存设备，将热门数据存储在更靠近移动用户的地点。这项技术能够减少网络拥堵、降低延迟，并提升体验质量[4]。

尽管边缘缓存通过优化移动用户和内容提供商的内容传递过程，在移动社交网络中具有明显优势[5]，但其实际部署仍面临诸多挑战。通常由理性个体运营的边缘缓存设备可能会出于个人利益考虑而采取自私行为，优先缓存虚假或被操纵的内容[6]。这种自私行为，再加上边缘缓存设备的开放访问特性，使它们容易受到中间人攻击和分布式拒绝服务攻击等威胁，这些攻击会降低网络性能，并让用户面临恶意内容如恶意软件的威胁[7]。此外，越来越多的移动用户竞争有限的资源，如带宽和能源，往往会导致体验质量不稳定，有些用户会遇到延迟或服务中断的问题[8]。这些问题凸显了需要建立强大、安全且值得信赖的缓存机制，以确保边缘节点的数据完整性和可靠的内容传递[7]、[9]、[10]。

博弈论为解决此类问题提供了强大的框架[11]、[12]。近期有许多研究应用了博弈论技术，如拍卖、定价策略和声誉系统，来模拟内容缓存场景[13]。然而，这些方法大多忽视了一个关键的现实挑战：网络和缓存模型的若干私有参数，并非内容提供商和边缘缓存设备能够轻易获取的。

为解决这一问题，徐等人[14]提出了一种基于Q学习的方法，用于为内容提供商制定最优支付策略，为边缘缓存设备制定安全策略，尤其是考虑到在动态网络环境中，边缘缓存设备的成本参数是私有的，内容提供商无法知晓。虽然该方法旨在保护内容安全并遏制边缘缓存设备的自私行为，但它存在若干严重缺陷，影响了其有效性。首先，该方法效率极低：内容提供商必须与所有边缘缓存设备进行多次交互，经过多次迭代才能了解和估算它们的私有成本参数。这一复杂过程只能得到近似值而非精确数值。相比之下，集中式方法可以避免大部分迭代开销，从而降低通信成本和计算负担。其次，该模型忽略了内容提供商的预算限制——实际上，内容提供商的财务资源本就有限，这一假设并不现实[15]。第三，该框架缺乏保护内容受欢迎度指标安全的机制，使得系统容易受到自私的边缘缓存设备操纵，这些设备试图抬高自己的支付金额。综上所述，这些缺陷凸显了需要一种更为实用、高效且安全的移动社交网络缓存策略。

在本研究中，我们提出了一种强大的边缘缓存框架，通过注重实用性、效率和安全性和，解决了上述问题。与[14]中计算量和通信量都很大的Q学习方法不同，我们的方法采用了一种轻量级、考虑预算限制的优化模型，能够在尊重内容提供商财务限制的同时大幅降低系统开销。我们设想了一种场景：内容提供商在附近提供缓存服务的边缘缓存设备的帮助下，向移动用户传递多种内容。每种内容都对应一定的预算，内容提供商会为每项服务设定支付上限。此外，我们还引入了一种安全的受欢迎度报告机制，可保护受欢迎度指标的完整性，从而确保边缘缓存环境的安全性和防篡改性。我们的主要贡献如下：

1. 我们基于斯塔克伯格博弈开发了一种集中的博弈论框架，取代了[14]中资源消耗大的Q学习方法。我们的方法使内容提供商无需大量交互就能准确估算边缘缓存设备的成本参数，大幅降低了计算和通信开销。

2. 我们设计了一种成本效益高的优化模型，明确考虑了内容提供商的预算限制。通过为内容级和设备级支付设置上限，我们的方法确保了在财务资源有限的现实世界边缘缓存系统中能够得到实际应用。

3. 我们整合了一种安全的主题受欢迎度计算机制，可保护边缘缓存设备报告的指标完整性。该机制能够防止自私设备的操纵，从而保障支付分配的公平性和可靠性。

4. 我们从成本效率、可扩展性、系统与实体交互的效率以及动态网络条件下的稳定性等方面，对我们提出的方案进行了全面性能评估，尤其是与[14]中的Q学习方法进行了比较。结果表明，与[14]相比，我们的方案在内容提供商与边缘缓存设备之间达成均衡状态的交互效率至少高出500倍。

本文的其余结构如下：第3节介绍我们的系统模型，详细阐述网络、内容和威胁模型。第4节介绍问题的建模方式。第5节详细分析通过博弈解获得的最优策略。第6节介绍我们提出的安全主题受欢迎度计算方法。第7节对我们的方案进行评估。最后，第2节回顾相关研究，第8节总结全文。

相关研究
边缘缓存已成为现代数据存储和内容分发系统的核心，通过将高频访问的内容存储在更靠近最终用户的地点，有效降低了延迟并缓解了回程网络拥堵问题[4]。本节将回顾边缘缓存领域的关键发展，重点介绍安全机制和博弈论模型。

边缘缓存策略通常分为两类：编码缓存和非编码缓存[16]。在编码缓存中，

系统模型
本节我们将概述系统模型，介绍网络和架构以及内容模型，随后探讨威胁模型。这些模型是在[14]的基础上改进而来的，增加了对预算限制以及内容受欢迎度操纵这一特定威胁的应对措施。本文使用的符号说明见附录中的符号表。

问题的建模
在网络环境中，当边缘缓存设备提供高质量的安全缓存服务时，移动用户的体验质量就会提升，这反过来又有利于内容提供商，因为它能吸引更多移动用户访问其内容，从而增加收入。因此，内容提供商和移动用户有着共同的利益。为了激励边缘缓存设备提供高质量的安全缓存服务并抑制其自私行为，内容提供商会采用支付机制来补偿这些设备的努力。基于这种支付机制，每个边缘缓存设备都会决定服务质量。

斯塔克伯格博弈
根据第(7)–(10)式中定义的内容提供商的优化问题，该主体必须选择最优的支付策略gi,m，以最大化其净效用，同时确保所有内容都能得到安全缓存，并且满足每项内容的预算限制。另一方面，根据第(11)–(12)式，每个边缘缓存设备必须找到最优的qi,m，以最大化自身利润。鉴于内容提供商和边缘缓存设备都具有自身的利益诉求，而且边缘缓存设备的决策会依据内容提供商的选择而做出，

安全的内容受欢迎度报告
本节我们提出了一种SPR机制，旨在安全高效地计算每种内容项的受欢迎度，用fm表示。我们将首先详细定义SPR结构，然后全面阐述该机制的工作原理。

实验结果
本节通过全面的数值分析来评估所提出方法的性能。首先介绍实验设置（第7.1节），接着详细讨论数值结果和性能分析（第7.2节）。第7.3节在真实用户移动轨迹的情况下评估该方法，第7.4节分析其通信和计算开销。所有实验都在配备M1芯片的MacBook Air上完成，该电脑拥有8核CPU。

结论
本文提出了一种针对移动社交网络的边缘缓存框架，解决了效率、安全性和实用性方面的关键问题。与基于Q学习的方法相比，我们的方法采用集中式架构，大大降低了计算和通信开销，同时还能够准确计算边缘缓存设备的成本参数，这对于高效解决内容提供商的优化问题至关重要。此外，本研究还考虑了内容提供商的预算限制，以此来保证

CRediT作者贡献声明
扎赫拉·塞耶迪：写作——审稿与编辑，写作——初稿撰写，可视化，验证，方法论，形式化分析，数据整理，概念构建。汉塔·塞德加尼：写作——审稿与编辑，写作——初稿撰写，验证，项目管理，方法论，数据整理，概念构建。贾科莫·韦尔蒂卡莱：写作——审稿与编辑，验证，方法论，研究调查，资金筹集，概念构建。毛罗·帕萨坎坦多：写作——审稿与编辑，验证，利益冲突声明。作者声明他们不存在任何可能影响本文研究成果的已知财务利益或个人关系。扎赫拉·塞耶迪于2018年在伊朗德黑兰的阿尔扎赫拉大学获得数学学士学位，2021年和2025年分别在同一城市的阿米尔卡比尔理工大学获得应用数学硕士和博士学位。目前，她是米兰理工大学的科研助理，研究兴趣包括安全、密码学和博弈论。