一种基于区块链和演化博弈的数据共享激励方法技术

本发明专利技术属于数据共享激励机制技术领域，具体涉及一种基于区块链和演化博弈的数据共享激励方法；该方法包括：构建数据共享激励模型；根据数据共享激励模型计算用户采用不同策略的期望收益；根据用户采用不同策略的期望收益计算复制动态力学方程；根据复制动态力学方程求解演化稳态点并根据演化稳态点分析稳态条件，得到共享激励方案；本发明专利技术可以实现用户参与率的提高。与率的提高。与率的提高。

【技术实现步骤摘要】
一种基于区块链和演化博弈的数据共享激励方法


[0001]本专利技术属于数据共享激励机制
，具体涉及一种基于区块链和演化博弈的数据共享激励方法。

技术介绍

[0002]近年来，大量的研究者对MEC系统中的计算卸载，资源分配等方面进行了广泛地研究。由于新兴的智能优化算法，如强化学习(RL)和深度学习(DRL)等，使得MEC与智能算法的结合能够实现数据的实时处理，同时在动态环境中提供一些有效和智能的服务。此外，许多研究中提出云边协同的计算架构可以为MEC服务器提高计算能力和缓解计算负载。因此，许多研究提出在边缘计算中可结合云边协同和深度强化学习。集体强化学习(collective reinforcement learning，CRL)算法和区块链(blockchain)的结合就是其中一种，集体强化学习通过在不同的智能体之间共享训练结果，提升传统机器学习的训练效率。但是，目前这种方法从实际实现的角度来看，各个智能体节点(MEC服务器)进行数据共享的意愿不强烈，因为相互缺乏信任并且缺少相应的激励机制和利益驱动。目前，区块链技术可以用来解决数据共享过程中的安全和可靠性问题。利用区块链的去中心化，数据的防篡改等特性可为解决此类问题提供了新的解决思路。
[0003]综上所述，亟需一种分布式场景下安全可靠的训练数据共享激励机制。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术提出了一种基于区块链和演化博弈的数据共享激励方法，该方法包括：
[0005]S1：构建数据共享激励模型；/>[0006]S2：根据数据共享激励模型计算用户采用不同策略的期望收益；
[0007]S3：根据用户采用不同策略的期望收益计算复制动态力学方程；
[0008]S4：根据复制动态力学方程求解演化稳态点并根据演化稳态点分析稳态条件，得到共享策略。
[0009]优选的，数据共享激励模型包括：多个参与数据共享的用户构成的集合P、所有用户构成的集合N，用户的策略空间S＝(s1,s2)和用户的收益策略U；其中，s1表示用户参与共享，s2表示用户不参与共享。
[0010]优选的，计算用户采用不同策略的期望收益的过程包括：设置直接收益函数和协作收益函数；在用户与其他用户进行博弈下根据直接收益函数和协作收益函数计算用户选择参数共享的期望收益以及用户选择不参数共享的期望收益。
[0011]进一步的，所述直接收益函数和协作收益函数分别为：
[0012]Z＝μln(1+R)
[0013]Y＝kμln(1+R)
[0014]其中，Z表示直接收益，Y表示协作收益，k表示协作收益系数，μ表示缩放系数，R表
示直接收益参数。
[0015]进一步的，用户选择参数共享的期望收益和用户选择不参数共享的期望收益分别为：
[0016]u(s1,x)＝x[kμln(1+R)+I
i
‑
τ]+(1
‑
x)[μln(1+R)+I
i
‑
τ][0017]u(s2,x)＝x(μln(1+R))+(1
‑
x)μln(1+R)
[0018]其中，u(s1,x)表示用户选择参数共享的期望收益，u(s2,x)表示用户选择不参数共享的期望收益，x表示用户选择参与数据共享的概率，I
i
表示共享激励，τ表示数据共享成本。
[0019]优选的，复制动态力学方程表示为：
[0020]F(x)＝x(1
‑
x)
·
[u(s1,x)
‑
u(s2,x)][0021]其中，x表示用户选择参与数据共享的概率，u(s1,x)表示用户选择参数共享的期望收益，u(s2,x)表示用户选择不参数共享的期望收益。
[0022]优选的，所述演化稳态点包括第一演化稳态点、第二演化稳态点和第三演化稳态点；三个演化稳态点分别为：x1＝0、x2＝1和其中，I
i
表示共享激励，τ表示数据共享成本，k表示协作收益系数，μ表示缩放系数，R表示直接收益参数。
[0023]优选的，所述共享激励方案为：判断参与数据共享的初始用户比例是否小于第三演化稳态点，若小于，则增加共享激励I
i
直到I
i
＞τ
‑
(k
‑
1)x
*
μln(1+R)；其中，τ表示数据共享成本，k表示协作收益系数，μ表示缩放系数，R表示直接收益参数，x
*
表示参与数据共享的初始用户比例。
[0024]本专利技术的有益效果为：本专利技术通过区块链的智能合约技术采用演化博弈的激励方法保证了数据的安全性；本专利技术激励节点共享训练结果，这有利于分布式强化学习加快智能算法模型的收敛，减少单个智能节点的计算资源浪费，实现数据价值和资源利用最大化；本专利技术的演化博弈激励方法可在实现用户参与率的提高的同时保证数据共享的稳定性。
附图说明
[0025]图1为本专利技术中基于区块链和演化博弈的数据共享激励方法流程图；
[0026]图2为本专利技术中多MEC服务器的云边协同分布式场景模型图；
[0027]图3为本专利技术中数据共享激励模型的演化稳定策略趋势图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]本专利技术提出了一种基于区块链和演化博弈的数据共享激励方法，如图1所示，所述方法包括以下内容：
[0030]S1：构建数据共享激励模型。
[0031]如图2所示，本专利技术适用于多MEC服务器的云边协同分布式场景，本专利技术使用演化
博弈算法建立激励机制，依托区块链技术封装博弈模型，使能智能体集群在区块链网络中分享自身训练数据，同时区块链网络的去中心化特点也保障了分享数据的隐私。
[0032]在多MEC服务器环境场景下，构建数据共享激励模型，该模型可表示为一个四元数组G＝(P,N,S,U)；P表示多个参与数据共享的用户构成的集合P，N表示所有用户构成的集合，S＝(s1,s2)表示用户的策略空间，U表示用户的收益策略(收益矩阵)；其中，s1表示用户参与共享，s2表示用户不参与共享，用户为系统中的智能边缘节点。
[0033]对该模型存在的相关参数进行说明：
[0034](1)演化博弈的两个参与方属于同一主体，即数据共享社区的用户。这些用户具有相同的策略空间S＝(s1,s2)。
[0035](2)用户在数据共享阶段，用户节点需要花费一定的数据共享成本，记为τ，其与区块链共识阶段所消耗的CPU周期数有关。
[0036](3)假定在博弈的初级阶段，所有用户节点所组成的集合N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区块链和演化博弈的数据共享激励方法，其特征在于，包括：S1：构建数据共享激励模型；S2：根据数据共享激励模型计算用户采用不同策略的期望收益；S3：根据用户采用不同策略的期望收益计算复制动态力学方程；S4：根据复制动态力学方程求解演化稳态点并根据演化稳态点分析稳态条件，得到共享激励方案。2.根据权利要求1所述的一种基于区块链和演化博弈的数据共享激励方法，其特征在于，所述数据共享激励模型包括：多个参与数据共享的用户构成的集合P、所有用户构成的集合N，用户的策略空间S＝(s1，s2)和用户的收益策略U；其中，s1表示用户参与共享，s2表示用户不参与共享。3.根据权利要求1所述的一种基于区块链和演化博弈的数据共享激励方法，其特征在于，计算用户采用不同策略的期望收益的过程包括：设置直接收益函数和协作收益函数；在用户与其他用户进行博弈下根据直接收益函数和协作收益函数计算用户选择参数共享的期望收益以及用户选择不参数共享的期望收益。4.根据权利要求3所述的一种基于区块链和演化博弈的数据共享激励方法，其特征在于，所述直接收益函数和协作收益函数分别为：Z＝μln(1+R)Y＝kμln(1+R)其中，Z表示直接收益，Y表示协作收益，k表示协作收益系数，μ表示缩放系数，R表示直接收益参数。5.根据权利要求3所述的一种基于区块链和演化博弈的数据共享激励方法，其特征在于，用户选择参数共享的期望收益和用户选择不参数共享的期望收益分别为：u(s1，x)＝x[kμln(1+R)+I
i
‑
τ]+(1
‑
x)[μln(1+R)+I
i
‑
τ]u(s2，x)＝x(μln(1+R))+(1...

【专利技术属性】
技术研发人员：李云，喻世鑫，左琳立，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：