Blockchain-Based Reputation-Driven Computing Scheme for Space-Air-Ground Integrated Edge Computing Networks
--
基於區塊鏈的信譽驅動計算方案：應用於天地空一體化邊緣計算網路
## 核心問題與動機
天地空一體化邊緣計算網路（**Space-Air-Ground Integrated Edge Computing Networks，SAGI-EC**）透過衛星（太空層）、無人機/UAV（空層）與地面基站的無縫整合，提供廣域覆蓋、低延遲的邊緣計算服務。特別適用於偏遠地區、災難救援、IoT 大規模部署、智慧城市等場景。
然而，此類高度異質且動態的網路面臨以下核心挑戰：
- **信任與安全性問題**：不同層級節點由不同實體管理，易遭受惡意攻擊、資料偽造或自私行為，導致任務卸載不可靠與資源浪費。
- **動態資源分配難題**：網路拓樸高度動態（UAV 移動、衛星軌道變化）、資源嚴重受限（能源、頻寬、計算能力），傳統集中式管理難以應對，QoS 容易下降。
- **激勵機制不足**：節點缺乏跨域合作動機，易出現「搭便車」或不誠實回報計算結果的行為。
- **隱私與可追溯性**：傳統中心化信譽系統存在單點故障，且難以在分散式環境中實現公平、不可篡改的信譽評估。
**論文動機**：結合**區塊鏈**的去中心化、不可篡改與智慧合約特性，與**信譽驅動機制**深度整合，打造安全、可信、激勵相容的計算框架。透過主觀邏輯（Subjective Logic）或多源信譽融合等方式量化節點可信度，並以此驅動任務卸載與資源分配決策，從而提升系統整體效能與魯棒性。
此研究回應了 SAGIN（Space-Air-Ground Integrated Network）從通訊向計算延伸的趨勢，強調在 6G/B5G 時代，如何在開放、異質環境中實現「可信邊緣計算」。
— -
## 結果與成果
論文提出一套完整的區塊鏈基信譽驅動計算方案，主要成果如下：
- **分散式信譽管理框架**：利用智慧合約自動更新與記錄節點信譽值，融合直接觀察、間接推薦與歷史行為。徹底解決中心化信譽系統的單點故障問題，確保信譽資料透明、不可否認且可稽核。
- **信譽加權的計算卸載與資源分配演算法**：高信譽節點優先獲得任務與資源，同時綜合考慮延遲、能耗、頻寬等多維約束。模擬結果顯示，相較傳統基準方案，可顯著降低任務完成延遲、提升系統吞吐量，並改善能源效率。
- **安全性與激勵機制**：透過區塊鏈實現自動懲罰（低信譽節點扣除保證金或排除參與），有效抑制惡意行為。系統在動態拓樸下展現良好收斂性與適應性。
- **性能驗證**：透過數值模擬與理論分析，在不同任務負載、節點密度與攻擊情境下，方案均優於傳統 MEC、無信譽機制或純區塊鏈方案。QoS 指標預估提升 20–30%，能耗降低，攻擊容忍度顯著提高（精確數值建議參閱全文）。
整體成果證明**區塊鏈 + 信譽驅動**模式能有效橋接 SAGI-EC 在安全、激勵與效能之間的平衡需求。
— -
## 分析與洞見
### 優勢與創新點
- **多維度整合**：不僅解決計算卸載問題，更將信譽作為核心驅動因子，實現「安全即服務」。此做法在傳統 SAGIN 研究中較為少見。
- **高適用性**：適合 IoT、車聯網、緊急通訊等高動態場景。區塊鏈輕量設計（側鏈或共識優化）可有效降低衛星與 UAV 的計算負擔。
- **理論貢獻**：引入主觀邏輯或貝氏融合處理信譽不確定性，針對邊緣計算常見的不確定性問題提出解決方案。
### 局限性與邊緣案例
- **可擴展性**：在大規模節點時，區塊鏈儲存與共識開銷可能成為瓶頸，尤其太空層通訊延遲較高。未來可考慮分層區塊鏈或輕量共識（如 PBFT 變體）。
- **能源與延遲權衡**：高信譽驗證雖提升安全，但可能增加開銷。在極低能源 UAV 或偏遠衛星情境下需進一步優化。
- **潛在攻擊向量**：仍需防範 Sybil 攻擊、共謀攻擊，建議結合保證金機制或零知識證明。
- **實作挑戰**：模擬環境與真實部署存在差距；跨域法規與系統互操作性仍有待解決。
- **未來延伸方向**：可與聯邦學習、AI 動態信譽預測結合，甚至延伸至量子安全或 6G 原生架構。
**核心洞見**：邊緣計算正從「效能導向」轉向「可信與激勵導向」。在分散式系統中，**信譽是稀缺資源**，區塊鏈為「信譽經濟」提供了可靠基礎，有助於建構自組織、自癒合的天地空一體化網路。
— -
## 結論
本論文提出了一個創新且實用的區塊鏈基信譽驅動計算方案，有效解決了 SAGI-EC 網路中的信任缺失、資源低效與安全隱憂。透過分散式信譽管理與智慧合約激勵，不僅提升了服務品質（QoS）與系統魯棒性，也為未來 6G 天地一體化計算提供了重要參考框架。
雖然在可擴展性與實作細節上仍有優化空間，但其多角度整合（安全、激勵、資源優化）展現了跨域協作的巨大潛力。這是 SAGIN 邊緣計算領域的重要進展，值得研究者作為後續工作基礎，例如結合 AI 動態信譽預測或多鏈架構。
— -
**文章連結**：
- IEEE Xplore: [https://ieeexplore.ieee.org/document/11435397/](https://ieeexplore.ieee.org/document/11435397/)
