И технология блокчейн, и технология искусственного интеллекта нуждаются в поддержке сетевых ресурсов

Приложения для управления ресурсами

И технология блокчейн, и технология искусственного интеллекта нуждаются в поддержке сетевых ресурсов, поэтому их интеграция в приложения для управления ресурсами включает множество сценариев. Учитывая, что в процессе майнинга блокчейна потребляются большие вычислительные и энергетические ресурсы, Loung et al. предложил оптимальный механизм аукциона, основанный на глубоком обучении, для распределения периферийных вычислительных ресурсов.

В этом механизме поставщик услуг периферийных вычислений может поддерживать разгрузку задач майнинга с мобильных устройств (например, майнеров) в среде мобильной цепочки блоков. На основе аналитического решения оптимального аукциона авторы построили многослойную структуру нейронной сети. Сеть сначала реализовала монотонную трансформацию заявок на прогулы, а затем предоставила правила распределения и условной оплаты прогулов.

Оценка прогулов использовалась в качестве обучающих данных для настройки параметров нейронной сети, чтобы максимизировать функцию потерь. Аналогичным образом Ашералиева и соавт. провели исследование управления ресурсами и ценообразования в системах IoT и обсудили решения для управления ресурсами в сценариях блокчейн как услуга (BaaS) и мобильных граничных вычислений (MEC).

Feng et al. были нацелены на более полную оптимизацию системы блокчейнов, максимальное повышение безопасности и конфиденциальности MEC и решение проблемы разгрузки задач MEC. Авторы взяли скорость вычислений системы граничных вычислений и пропускную способность системы цепочки блоков в качестве общей цели оптимизации. Чтобы удовлетворить требования к производительности системы, были совместно оптимизированы совместное принятие решений о разгрузке, распределение энергии, размер блока и интервал между блоками.

Ориентируясь на динамические характеристики беспроводных каналов и доступных ресурсов, задача оптимизации была смоделирована как проблема процесса марковского процесса принятия решений, и был предложен алгоритм глубокого обучения с подкреплением, который может стабильно обучать нейронные сети.