面向邊緣人工智能計(jì)算的區(qū)塊鏈技術(shù)綜述

方俊杰 ，雷 凱

1.北京大學(xué)信息工程學(xué)院深圳市內(nèi)容中心網(wǎng)絡(luò)與區(qū)塊鏈重點(diǎn)實(shí)驗(yàn)室，深圳518055

2.北京大學(xué)互聯(lián)網(wǎng)研究院（深圳），深圳518055

區(qū)塊鏈作為比特幣的底層支撐技術(shù)，能在泛中心環(huán)境下以安全可驗(yàn)證的方式構(gòu)建分類賬，因而得到了廣泛關(guān)注.在區(qū)塊鏈中，網(wǎng)絡(luò)中的任何節(jié)點(diǎn)都可以進(jìn)行事務(wù)的驗(yàn)證和轉(zhuǎn)發(fā).所有節(jié)點(diǎn)共同維護(hù)包含事務(wù)的區(qū)塊有序鏈接的分類賬，從而構(gòu)建了一個(gè)無法篡改的、全網(wǎng)一致的狀態(tài)記錄[1].因此，除了應(yīng)用于數(shù)字貨幣領(lǐng)域外，區(qū)塊鏈技術(shù)也正在改變著各種無信任環(huán)境下的交易模式[2].區(qū)塊鏈可用于記錄交易、消息傳遞、身份認(rèn)證和訪問控制管理等，在建立更安全的系統(tǒng)上具有相當(dāng)大的潛力[2-3].雖然區(qū)塊鏈技術(shù)呈現(xiàn)出極具潛力的應(yīng)用需求，但考慮到區(qū)塊鏈本身的特性和限制因素，針對其實(shí)際應(yīng)用領(lǐng)域的探索工作也是學(xué)界的研究重點(diǎn).

2017年出現(xiàn)的云-邊緣人工智能系統(tǒng)的概念[4]，催生出邊緣人工智能計(jì)算的研究方向和發(fā)展.隨著物聯(lián)網(wǎng)和移動(dòng)計(jì)算的普及，分散的終端設(shè)備產(chǎn)生的海量數(shù)據(jù)存儲(chǔ)在大量的邊緣節(jié)點(diǎn)上，為人工智能應(yīng)用提供數(shù)據(jù)來源.然而，傳統(tǒng)的以云計(jì)算為主的架構(gòu)面臨著數(shù)據(jù)收集的成本問題、終端敏感數(shù)據(jù)的隱私保護(hù)問題、終端數(shù)據(jù)與云計(jì)算交互的時(shí)延問題等，越來越無法滿足當(dāng)前人工智能的數(shù)據(jù)需求.因此，將中心的計(jì)算和存儲(chǔ)下放到邊緣網(wǎng)絡(luò)的新型人工智能范式逐漸成為一個(gè)具有重要意義的研究方向[5-7].

區(qū)塊鏈天然的泛中心分布式可信特性為設(shè)計(jì)邊緣人工智能計(jì)算的框架與范式提供了新的思路.在邊緣人工智能計(jì)算中，運(yùn)行人工智能算法的多個(gè)設(shè)備分散在邊緣網(wǎng)絡(luò)中.為了協(xié)作完成人工智能計(jì)算任務(wù)或聯(lián)合進(jìn)行智能群體決策，這些設(shè)備之間需要頻繁通信.然而，無論是設(shè)備本身還是設(shè)備間的通信都面臨著多種網(wǎng)絡(luò)安全攻擊的威脅，如設(shè)備有可能發(fā)生故障或存有惡意，在這種情況下傳輸?shù)男畔⒖赡苄孤痘虮淮鄹?區(qū)塊鏈作為一種由密碼學(xué)支撐的、可驗(yàn)證的、不可篡改的分類賬，可以通過事務(wù)記錄和對事務(wù)記錄有效性的分布式共識(shí)來保障分散不可信環(huán)境中的安全交互，正好可以在邊緣人工智能計(jì)算的場景下發(fā)揮作用.同時(shí)，區(qū)塊鏈的共識(shí)機(jī)制與激勵(lì)機(jī)制配合智能合約天然適合構(gòu)建一個(gè)經(jīng)濟(jì)市場，可以有效激勵(lì)邊緣人工智能計(jì)算中信息的共享與交互.

在現(xiàn)有的文獻(xiàn)中，有研究人員對區(qū)塊鏈、邊緣計(jì)算與人工智能分別進(jìn)行了綜述，也有研究人員著眼于區(qū)塊鏈與邊緣計(jì)算[8]的結(jié)合或區(qū)塊鏈與人工智能的結(jié)合[9].不過就區(qū)塊鏈在邊緣人工智能計(jì)算環(huán)境下的作用而言，到目前為止還缺乏探索性研究和綜述工作.為此，本文從區(qū)塊鏈技術(shù)的架構(gòu)出發(fā)，概述了區(qū)塊鏈方向的相關(guān)研究成果；結(jié)合人工智能和邊緣計(jì)算的發(fā)展，介紹了邊緣人工智能計(jì)算的概念和發(fā)展需求；面向邊緣人工智能計(jì)算的需求，詳細(xì)分析并討論了區(qū)塊鏈技術(shù)與邊緣人工智能計(jì)算相結(jié)合的需求及其發(fā)展方向；總結(jié)出區(qū)塊鏈技術(shù)在邊緣人工智能計(jì)算領(lǐng)域的應(yīng)用優(yōu)勢和探索方向.

1 區(qū)塊鏈及其研究概述

1.1 區(qū)塊鏈技術(shù)背景

自2008年中本聰發(fā)表比特幣白皮書[1]以來，區(qū)塊鏈作為比特幣的底層技術(shù)得到了廣泛的關(guān)注與討論[10].簡單來說，區(qū)塊鏈?zhǔn)且粋€(gè)開放的、分布式的數(shù)字賬本，以可驗(yàn)證且不可篡改的方式有效地記錄各方之間的交易.與傳統(tǒng)的中心化賬本系統(tǒng)相比，區(qū)塊鏈系統(tǒng)中的所有參與節(jié)點(diǎn)通過共識(shí)算法共同維護(hù)分布式分類賬.區(qū)塊鏈中的區(qū)塊對其數(shù)據(jù)結(jié)構(gòu)有嚴(yán)格的規(guī)范要求，其中所有的區(qū)塊頭都記錄其先前區(qū)塊的加密散列值，以確保歷史事務(wù)記錄的完整性與一致性.

從更廣泛的意義上來說，區(qū)塊鏈也可以作為一種底層框架.區(qū)塊鏈框架可以細(xì)分為網(wǎng)絡(luò)層、數(shù)據(jù)層、應(yīng)用層[2]，如圖1所示.數(shù)據(jù)層一般會(huì)給出區(qū)塊鏈的數(shù)據(jù)記錄類型和數(shù)據(jù)結(jié)構(gòu).數(shù)據(jù)記錄也被稱作事務(wù)(transaction)，這些事務(wù)是特定時(shí)間發(fā)生的節(jié)點(diǎn)之間特定交互動(dòng)作的證據(jù)，比如比特幣中事務(wù)記錄的是資金的轉(zhuǎn)移.從數(shù)據(jù)結(jié)構(gòu)的角度來看，以比特幣為代表的典型區(qū)塊鏈?zhǔn)且幌盗胁粩嘣鲩L的含有事務(wù)的區(qū)塊的鏈表.如圖2中的(a)所示，一個(gè)區(qū)塊通常由區(qū)塊頭和包含一系列事務(wù)的區(qū)塊體組成.每個(gè)區(qū)塊包含一組新的事務(wù)，以及前一個(gè)塊的散列值，以便將當(dāng)前塊鏈接到前一個(gè)塊.散列值和時(shí)間戳的設(shè)計(jì)使得修改記錄變得困難，因?yàn)槊恳粋€(gè)區(qū)塊都依賴于前一個(gè)區(qū)塊和當(dāng)前時(shí)間.除了鏈?zhǔn)浇Y(jié)構(gòu)之外，近年來出現(xiàn)了基于有向無環(huán)圖(directed acyclic graph, DAG)的新型數(shù)據(jù)結(jié)構(gòu)[11].如圖2(b)所示，基于DAG 結(jié)構(gòu)的區(qū)塊鏈消除了區(qū)塊的概念，這樣每個(gè)交易都是分布式賬本中鏈接的單個(gè)節(jié)點(diǎn).這些節(jié)點(diǎn)不受單一主鏈的約束，它們之間的關(guān)系就像一張糾纏的網(wǎng).

圖1 區(qū)塊鏈框架Figure 1 Blockchain framework

圖2 區(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)Figure 2 Blockchain data structure

網(wǎng)絡(luò)層則泛指整個(gè)應(yīng)用區(qū)塊鏈的交互環(huán)境，除了包括分布式點(diǎn)對點(diǎn)網(wǎng)絡(luò)和在該網(wǎng)絡(luò)運(yùn)行的網(wǎng)絡(luò)協(xié)議（如常見的TCP/IP 協(xié)議）以及最重要的用于分布式網(wǎng)絡(luò)生成新區(qū)塊的共識(shí)機(jī)制外，還包括在用戶之間更新和分發(fā)區(qū)塊鏈的協(xié)議設(shè)計(jì).網(wǎng)絡(luò)協(xié)議并不僅僅局限于當(dāng)前的TCP/IP 協(xié)議.已有一些研究在未來新型網(wǎng)絡(luò)架構(gòu)的協(xié)議下部署區(qū)塊鏈，比如命名數(shù)據(jù)網(wǎng)絡(luò)(named data networking, NDN)[12].共識(shí)機(jī)制或共識(shí)算法是區(qū)塊鏈系統(tǒng)的關(guān)鍵組成部分，由于沒有中心節(jié)點(diǎn)來確保分布式節(jié)點(diǎn)上的賬本都是相同的，區(qū)塊鏈就需要一些協(xié)議來確保不同節(jié)點(diǎn)中的存儲(chǔ)副本是一致的[3].

工作證明(proof of work, PoW)是在比特幣網(wǎng)絡(luò)[1]中使用的一種共識(shí)算法，該算法要求網(wǎng)絡(luò)中的每個(gè)節(jié)點(diǎn)都計(jì)算一串特定的哈希散列值.如果計(jì)算出的目標(biāo)散列值的正確性得到了其他所有節(jié)點(diǎn)的驗(yàn)證，則該節(jié)點(diǎn)將會(huì)獲得產(chǎn)生新區(qū)塊的權(quán)利.整個(gè)工作證明的過程被稱為挖礦，計(jì)算散列值的節(jié)點(diǎn)被稱為礦工.礦工們不得不進(jìn)行大量的計(jì)算，然而這些計(jì)算除了挑選出一個(gè)記錄事務(wù)的節(jié)點(diǎn)外，并沒有其他實(shí)際意義，因而這種共識(shí)因浪費(fèi)太多的資源而被批判.以太坊提出的股權(quán)證明(proof of stake, PoS)[13]是PoW 的改進(jìn)，此時(shí)礦工改為證明貨幣數(shù)量的所有權(quán)，而不是利用自己的算力計(jì)算沒有特定含義的哈希散列值.相比之下減少了資源浪費(fèi)的現(xiàn)象，因此選出下一個(gè)生成區(qū)塊節(jié)點(diǎn)的過程也更高效.文獻(xiàn)[14]使用的股權(quán)委托證明(delegated proof of stake, DPoS)是PoS 的改進(jìn)形式.DPoS 被認(rèn)為是一種代議制民主，由節(jié)點(diǎn)投票選擇出特定數(shù)目的代理節(jié)點(diǎn)來生成并驗(yàn)證區(qū)塊.因?yàn)轵?yàn)證塊的節(jié)點(diǎn)數(shù)明顯減少，所以加快了區(qū)塊的確認(rèn)速度，使事務(wù)得到了更快的確認(rèn).實(shí)用拜占庭容錯(cuò)算法(practical Byzantine fault tolerance, PBFT)是可以容忍拜占庭故障的算法，整個(gè)共識(shí)過程分為預(yù)準(zhǔn)備、準(zhǔn)備和響應(yīng)3 個(gè)階段.在每個(gè)階段，如果一個(gè)節(jié)點(diǎn)獲得了所有節(jié)點(diǎn)中2/3 以上的投票就可以進(jìn)入下一個(gè)階段.因?yàn)橐獮楣?jié)點(diǎn)投票，所以網(wǎng)絡(luò)中的節(jié)點(diǎn)被要求掌握其他所有節(jié)點(diǎn)的信息并與之進(jìn)行通信，可見該算法不太適用于網(wǎng)絡(luò)規(guī)模較大的情況.PBFT 更多地用于節(jié)點(diǎn)數(shù)量較少的聯(lián)盟鏈或者私有鏈，比如Hyperledger Fabric[15].表1比較了這4 種常見的共識(shí)算法，而最近又出現(xiàn)了許多改進(jìn)的共識(shí)算法和全新的共識(shí)算法.

表1 4 種典型共識(shí)算法比較Table 1 Comparison of four typical consensus algorithms

應(yīng)用層提供了各種應(yīng)用程序.區(qū)塊鏈最常見的應(yīng)用是以比特幣為代表的數(shù)字加密貨幣，而另一個(gè)廣泛的應(yīng)用是智能合約.智能合約的引入標(biāo)志著區(qū)塊鏈進(jìn)入了2.0 時(shí)代[16].智能合約依托區(qū)塊鏈的分散共識(shí)機(jī)制，允許相互不信任的用戶在不需要任何第3 方可信的授權(quán)和監(jiān)管下完成數(shù)據(jù)交換或交易.以太坊是目前使用最廣泛的支持智能合約的區(qū)塊鏈，多種多樣的智能合約應(yīng)用是基于以太坊進(jìn)行開發(fā)的[13].當(dāng)前，區(qū)塊鏈作為一種可行解決方案可用于增強(qiáng)系統(tǒng)的可信性和安全性[17-22]，包括物聯(lián)網(wǎng)(Internet of Things, IoT)、金融經(jīng)濟(jì)、云計(jì)算和邊緣計(jì)算等.自從區(qū)塊鏈用于比特幣等加密貨幣以來，隨著工業(yè)界和學(xué)術(shù)界對其技術(shù)和應(yīng)用的不斷探索，人們對區(qū)塊鏈的興趣一直在增加[2-3].與此同時(shí)，學(xué)術(shù)界也在不斷地改進(jìn)區(qū)塊鏈技術(shù)的數(shù)據(jù)層和網(wǎng)絡(luò)層，以獲得更好的性能為上層應(yīng)用提供服務(wù).

1.2 區(qū)塊鏈技術(shù)研究簡述

針對區(qū)塊鏈的研究可以簡單地分為兩類：一類是對區(qū)塊鏈自身加以改進(jìn)，另一類則是將區(qū)塊鏈作為一種解決方案應(yīng)用于各種場景.

1.2.1 區(qū)塊鏈自身改進(jìn)

改進(jìn)區(qū)塊鏈自身的研究具體分為三部分：一是提出新的區(qū)塊鏈共識(shí)算法以改進(jìn)現(xiàn)有共識(shí)算法的不足，二是解決區(qū)塊鏈的可拓展性問題，三是針對區(qū)塊鏈系統(tǒng)的攻擊問題給出解決方案.

在PoW 算法中，各節(jié)點(diǎn)所計(jì)算出的都是一串具有特殊前綴的散列值，這樣的計(jì)算不但沒有附加價(jià)值，而且浪費(fèi)了太多的資源.因此，文獻(xiàn)[23]提出將各節(jié)點(diǎn)計(jì)算無意義的哈希散列值改為計(jì)算額外的具有潛在科學(xué)價(jià)值的特殊素?cái)?shù)，且使用這樣的特殊素?cái)?shù)可以保持PoW 的一些重要特性，如被其他節(jié)點(diǎn)有效驗(yàn)證、不可重用、難度可調(diào)整.在PoW 算法中，每個(gè)區(qū)塊的產(chǎn)生都要等待一個(gè)散列值的計(jì)算和驗(yàn)證，且一個(gè)區(qū)塊因大小限制而導(dǎo)致包含的事務(wù)有限，因此系統(tǒng)吞吐量并不太高.為了在保障區(qū)塊鏈系統(tǒng)安全性不受影響的前提下提升系統(tǒng)吞吐量，文獻(xiàn)[24]提出將共識(shí)過程解耦為兩個(gè)操作：一是選舉產(chǎn)生新區(qū)塊的領(lǐng)導(dǎo)者，二是將事務(wù)序列化添加到區(qū)塊鏈中.這種算法不太頻繁地隨機(jī)選出領(lǐng)導(dǎo)者，并由領(lǐng)導(dǎo)者單方面主導(dǎo)將該時(shí)期內(nèi)的事務(wù)添加到區(qū)塊鏈中.與此類似，文獻(xiàn)[25]引入可驗(yàn)證隨機(jī)函數(shù)(variable random function,VRF)來選舉產(chǎn)生新區(qū)塊的領(lǐng)導(dǎo)者.VRF 的特性保證了下一個(gè)領(lǐng)導(dǎo)者節(jié)點(diǎn)不可被預(yù)測，且隨機(jī)產(chǎn)生的領(lǐng)導(dǎo)者可以被其余節(jié)點(diǎn)所驗(yàn)證.

區(qū)塊鏈可拓展性問題可以分為3 類：吞吐量問題、成本問題、容量問題[26].具體描述如下：1）比特幣作為一種交易系統(tǒng)，目前每秒處理的事務(wù)大約是7 筆，遠(yuǎn)落后于Visa 系統(tǒng)每秒處理的上萬筆[27].由于塊大小的限制，區(qū)塊鏈存在等待事務(wù)被包含到塊中的問題.如果為此縮短生成區(qū)塊的間隔時(shí)間，就可能造成區(qū)塊鏈分叉的問題.2）根據(jù)比特幣和以太坊的現(xiàn)有機(jī)制，用戶創(chuàng)建一個(gè)事務(wù)需要向礦工付費(fèi)，這是成本問題.3）節(jié)點(diǎn)需要存儲(chǔ)自創(chuàng)世區(qū)塊以來全部的區(qū)塊副本，如果所有的事務(wù)都存儲(chǔ)在一個(gè)鏈中，那么這個(gè)鏈的賬本容量就會(huì)變得太大而無法維護(hù)，這是容量問題.目前以太坊的區(qū)塊存儲(chǔ)大小是444.06 GB，已經(jīng)是一個(gè)較大規(guī)模的體量[28].

第1 種提高可拓展性方案的思路是更改比特幣區(qū)塊鏈的數(shù)據(jù)結(jié)構(gòu)或交易確認(rèn)方式.文獻(xiàn)[11]提出了基于有向無環(huán)圖的結(jié)構(gòu)，并將其稱之為Tangle.鏈?zhǔn)浇Y(jié)構(gòu)的區(qū)塊鏈要求將新事務(wù)附加到主鏈之前對其進(jìn)行驗(yàn)證，以保證節(jié)點(diǎn)之間同步的一致性.與之不同的是，Tangle 采用了異步一致的方式，在提交新事務(wù)之前節(jié)點(diǎn)必須驗(yàn)證兩個(gè)以前的事務(wù).這兩個(gè)被驗(yàn)證的事務(wù)已附加到有向無環(huán)圖中但沒有得到網(wǎng)絡(luò)中其他節(jié)點(diǎn)規(guī)定次數(shù)的確認(rèn)，之后節(jié)點(diǎn)運(yùn)行PoW 算法將這兩個(gè)新的事務(wù)捆綁在一起廣播到網(wǎng)絡(luò)中.每個(gè)新事務(wù)以后都將由其他更新的事務(wù)進(jìn)行驗(yàn)證.每個(gè)事務(wù)都有一個(gè)稱為權(quán)值的度量，它與事務(wù)的驗(yàn)證次數(shù)成正比，權(quán)值越大，交易越難被篡改.理論上，這樣的數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)和交易確認(rèn)機(jī)制可以提高網(wǎng)絡(luò)吞吐量和系統(tǒng)響應(yīng)時(shí)間.權(quán)益證明協(xié)議(proof of property)[29]的提出可以在新事務(wù)中添加與當(dāng)前系統(tǒng)狀態(tài)有關(guān)的部分，這樣其他節(jié)點(diǎn)無需存儲(chǔ)完整的區(qū)塊鏈也可以完成驗(yàn)證.

不改變區(qū)塊鏈鏈?zhǔn)浇Y(jié)構(gòu)的性能提升方案進(jìn)一步細(xì)分為鏈上解決方案、鏈下解決方案和跨鏈解決方案.對于鏈上解決方案，最簡單的方法是調(diào)整區(qū)塊的大小和生成區(qū)塊的間隔時(shí)間[30]，另外比較有代表性的是分片技術(shù)[31].分片技術(shù)可以類比于分布式數(shù)據(jù)庫，其關(guān)鍵思路是將一個(gè)大型網(wǎng)絡(luò)劃分成一些小的委員會(huì)，每個(gè)委員會(huì)通過運(yùn)行PBFT這樣效率更高的共識(shí)算法來處理一組互不關(guān)聯(lián)的事務(wù).分成多組委員會(huì)處理不同的事務(wù)不僅可以減少每個(gè)節(jié)點(diǎn)的負(fù)擔(dān)，而且可以通過并行處理來提高整個(gè)系統(tǒng)吞吐量.一個(gè)典型的鏈下解決方案是閃電網(wǎng)絡(luò)[32].閃電網(wǎng)絡(luò)主要用來提升比特幣等電子支付系統(tǒng)的可拓展性，它的核心思想：不是每一筆交易事務(wù)都有必要放到區(qū)塊中通過PoW 共識(shí)得到全網(wǎng)確認(rèn)，而是允許將一部分交易的記錄和確認(rèn)放到鏈下完成.跨鏈解決方案提出可以通過多條相同類型或不同類型的區(qū)塊鏈之間的相互合作來提供更豐富的功能和更強(qiáng)的性能，目標(biāo)是將另一個(gè)區(qū)塊鏈的功能引入當(dāng)前的區(qū)塊鏈，主要關(guān)注的是如何在多個(gè)區(qū)塊鏈系統(tǒng)之間實(shí)現(xiàn)有效的通信和高效的數(shù)據(jù)傳輸[33-34].

大多數(shù)區(qū)塊鏈面臨的特有安全攻擊是針對比特幣網(wǎng)絡(luò)的[10].51%攻擊是指具有全網(wǎng)一半以上的算力就可以操縱新區(qū)塊的生成.自私攻擊是指為了獲得不適當(dāng)?shù)莫?jiǎng)勵(lì)而浪費(fèi)誠實(shí)礦工的計(jì)算能力[35].攻擊者不廣播挖掘到的區(qū)塊而是私下持有，之后自私的攻擊者們會(huì)在這條私有鏈上繼續(xù)進(jìn)行挖礦，并試圖保持一條比公共鏈更長的私有分支.邊界網(wǎng)關(guān)協(xié)議(border gateway protocol, BGP)劫持攻擊[36]是一種劫持路由延遲網(wǎng)絡(luò)消息的攻擊，因?yàn)橐恍┍忍貛诺V池高度集中，所以BGP 劫持攻擊的攻擊者可以使比特幣網(wǎng)絡(luò)分叉，或者延遲塊傳播的速度.僵尸網(wǎng)絡(luò)攻擊[37]是由具有不同IP 地址范圍的機(jī)器人發(fā)起的，通過獨(dú)占受害者的輸入輸出信道將受害者節(jié)點(diǎn)與網(wǎng)絡(luò)其他節(jié)點(diǎn)隔離，從而使受害者節(jié)點(diǎn)接收不到區(qū)塊鏈的最新信息.活躍攻擊[38]則是針對以太坊網(wǎng)絡(luò)的，該攻擊能夠盡可能地延遲目標(biāo)事務(wù)的確認(rèn)時(shí)間.針對安全攻擊問題，現(xiàn)有的主要解決方案是提出新的礦池[39].

1.2.2 典型區(qū)塊鏈應(yīng)用

區(qū)塊鏈的應(yīng)用大致可以分為以下幾類：金融和市場領(lǐng)域應(yīng)用、聲譽(yù)系統(tǒng)、安全和隱私增強(qiáng)[3].區(qū)塊鏈在金融和市場領(lǐng)域最廣泛而知名的應(yīng)用就是以比特幣[1]、以太坊[13]等為代表的電子加密貨幣，除此之外在構(gòu)建點(diǎn)對點(diǎn)金融市場、跨域金融資產(chǎn)的清算結(jié)算、供應(yīng)鏈流程追溯管理[40]方面也有大量的應(yīng)用.對于構(gòu)建聲譽(yù)系統(tǒng)[41]，區(qū)塊鏈可以解決電子商務(wù)聲譽(yù)方案中利用注冊大量的虛假客戶以獲得高聲譽(yù)的問題.聲譽(yù)信息因?yàn)榇鎯?chǔ)在區(qū)塊鏈上，所以無法篡改，且所有聲譽(yù)變化都很容易檢測.針對安全增強(qiáng)問題，區(qū)塊鏈可以解決重要的中心節(jié)點(diǎn)的單點(diǎn)故障問題.由于可以減小公私鑰分發(fā)設(shè)備受到攻擊的影響，區(qū)塊鏈甚至可以幫助構(gòu)建更加可靠的公私鑰基礎(chǔ)設(shè)施[42].針對隱私保護(hù)，基于區(qū)塊鏈構(gòu)建的數(shù)據(jù)存儲(chǔ)系統(tǒng)可以在確保用戶擁有數(shù)據(jù)所有權(quán)的同時(shí)保障用戶的匿名性[43].

將區(qū)塊鏈應(yīng)用到物聯(lián)網(wǎng)、車聯(lián)網(wǎng)、邊緣計(jì)算等場景時(shí)，會(huì)面臨一個(gè)常見的問題：網(wǎng)絡(luò)中存在大量資源受限的設(shè)備.這些受限設(shè)備的存儲(chǔ)計(jì)算處理能力十分有限，很難存儲(chǔ)完整的區(qū)塊鏈賬本或運(yùn)行較耗費(fèi)計(jì)算資源的PoW 共識(shí)算法.因此，當(dāng)區(qū)塊鏈應(yīng)用在這些場景時(shí)，通常會(huì)考慮將路由器、邊緣服務(wù)器等納入考慮范圍來設(shè)計(jì)系統(tǒng)框架.以邊緣計(jì)算為例，終端設(shè)備被認(rèn)為是資源受限的設(shè)備，其存儲(chǔ)計(jì)算處理能力十分有限，不適合部署區(qū)塊鏈.因此，只在邊緣服務(wù)器層和云服務(wù)器層部署區(qū)塊鏈，而終端設(shè)備通過與邊緣服務(wù)器通信連接獲取區(qū)塊鏈上的信息[44-45].文獻(xiàn)[46-47]則考慮讓終端設(shè)備和邊緣服務(wù)器都參與到區(qū)塊鏈中.文獻(xiàn)[48-49]定義了3 種類型的節(jié)點(diǎn)：輕量級節(jié)點(diǎn)、標(biāo)準(zhǔn)節(jié)點(diǎn)和交換級節(jié)點(diǎn).其中：類似終端設(shè)備的輕量級節(jié)點(diǎn)保留一個(gè)帶有區(qū)塊鏈地址和余額的錢包，只執(zhí)行提出交易等任務(wù)；標(biāo)準(zhǔn)節(jié)點(diǎn)保存部分區(qū)塊鏈的副本信息，主要是收集輕量級節(jié)點(diǎn)的交易或相應(yīng)輕量級節(jié)點(diǎn)的查詢；交換級節(jié)點(diǎn)則保存了區(qū)塊鏈的完整副本記錄并可以提供區(qū)塊鏈的分析服務(wù).文獻(xiàn)[46-47]均考慮使用聯(lián)盟鏈管理物聯(lián)網(wǎng)虛擬資源，并將物聯(lián)網(wǎng)虛擬資源(代碼或數(shù)據(jù)) 存儲(chǔ)在區(qū)塊中.與此同時(shí)，在聯(lián)盟鏈中注冊的多個(gè)用戶可以定義和部署自己的虛擬系統(tǒng)，并對區(qū)塊進(jìn)行讀寫.

2 邊緣人工智能計(jì)算

2.1 人工智能概要

根據(jù)《人工智能—一種現(xiàn)代方法》[50]一書的定義，人工智能是一種被人類設(shè)計(jì)出來的可以將感知信息映射到行動(dòng)的智能體，它可以根據(jù)環(huán)境采取理性的行為并做出決策.人工智能一詞雖然在近些年來得到了社會(huì)各界的廣泛關(guān)注，但不是一個(gè)新的術(shù)語，而是經(jīng)過了數(shù)十年的起起落落發(fā)展的研究領(lǐng)域[51].人工智能之所以重新崛起，得益于硬件水平發(fā)展的支撐以及機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面取得的新突破[52].

機(jī)器學(xué)習(xí)是一門不需要明確編程就能讓計(jì)算機(jī)運(yùn)行的技術(shù).在過去的十幾年里，機(jī)器學(xué)習(xí)使得物聯(lián)網(wǎng)、智慧城市、智慧醫(yī)療、自動(dòng)駕駛汽車、語音識(shí)別以及人類基因組等諸多方面得到了更深入的研究[53-58].許多研究人員認(rèn)為，機(jī)器學(xué)習(xí)技術(shù)是向高水平的人工智能發(fā)展的最佳途徑[51].然而，傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)處理原始數(shù)據(jù)的能力有限，構(gòu)造一個(gè)機(jī)器學(xué)習(xí)系統(tǒng)通常需要擁有豐富專業(yè)知識(shí)的專家?guī)椭O(shè)計(jì)一個(gè)特征提取器，以便將原始數(shù)據(jù)轉(zhuǎn)換成機(jī)器學(xué)習(xí)系統(tǒng)內(nèi)合適的表示方式或者特征向量[52].深度學(xué)習(xí)方法是一種具有多層表示的表示學(xué)習(xí)方法，允許向機(jī)器輸入原始數(shù)據(jù)并自動(dòng)學(xué)習(xí)出所需的表示.它通過組合簡單但非線性的模塊來完成這一任務(wù)，其中每個(gè)模塊將一個(gè)級別的表示轉(zhuǎn)換為一個(gè)更高的、更抽象的表示[52].正因?yàn)檫@樣的特性，深度學(xué)習(xí)在發(fā)現(xiàn)高維數(shù)據(jù)中的復(fù)雜結(jié)構(gòu)方面表現(xiàn)得非常出色，在科學(xué)、商業(yè)和政府的許多應(yīng)用領(lǐng)域均取得了重大進(jìn)展.

卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)、長短期記憶(long short-term memory, LSTM)網(wǎng)絡(luò)和去噪自編碼器(de-noising auto encoder,DAE)是目前廣泛應(yīng)用的深度學(xué)習(xí)方法.其中，CNN 是最為常見的深度學(xué)習(xí)架構(gòu)之一，常用于圖像處理方面.它包含3 種不同的模塊（又可稱為層），分別為卷積層、池化層和全連接層.最常見的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)有GoogLeNet[59]、VGGNet[60]、AlexNet[61]、ResNet[62]等.RNN 主要用來識(shí)別序列輸入，比如語音、文本等信息，它利用循環(huán)的連接結(jié)構(gòu)并根據(jù)循環(huán)計(jì)算處理輸入數(shù)據(jù).相較于CNN，RNN 會(huì)區(qū)分不同時(shí)間的輸入[63].隨著時(shí)間的推移，它的輸出會(huì)進(jìn)入下一個(gè)時(shí)間段，而不是在同一時(shí)間段內(nèi)進(jìn)入下一層，這樣之前的所有輸入數(shù)據(jù)就可以和當(dāng)前的輸入數(shù)據(jù)一起共同計(jì)算最后的輸出.LSTM 網(wǎng)絡(luò)可以被看成一種拓展的循環(huán)神經(jīng)網(wǎng)絡(luò)，它通常包含輸入門、輸出門和遺忘門3 個(gè)核心模塊，可以控制何時(shí)讓輸入信息進(jìn)入神經(jīng)元并在多大程度上將前一個(gè)時(shí)間段中計(jì)算的內(nèi)容納入當(dāng)前計(jì)算的考慮范疇.LSTM 可用于文字、語音序列識(shí)別和圖像處理等[64]，其主要優(yōu)點(diǎn)在于它的輸出是根據(jù)當(dāng)前時(shí)間的輸入來決定的.DAE[65]是一種用于從噪聲數(shù)據(jù)集中學(xué)習(xí)特征的非對稱神經(jīng)網(wǎng)絡(luò)，主要由輸入層、編碼層和解碼層組成.

2.2 邊緣計(jì)算興起

邊緣計(jì)算是一個(gè)與云計(jì)算相對的概念.隨著用戶對服務(wù)質(zhì)量(quality of service, QoS)的要求不斷提升，為了解決從云到用戶中間長時(shí)間延遲的問題，文獻(xiàn)[66-67]提出云服務(wù)應(yīng)該被轉(zhuǎn)移到更靠近終端用戶的地方，即移動(dòng)網(wǎng)絡(luò)的邊緣節(jié)點(diǎn)，這就是所謂的邊緣計(jì)算.邊緣計(jì)算的概念涵蓋了多種不同領(lǐng)域的技術(shù)，包括軟件定義網(wǎng)絡(luò)(software-defined networking, SDN)、面向服務(wù)計(jì)算（service-oriented computing, SOC）、計(jì)算機(jī)體系結(jié)構(gòu)等，其核心思想是將計(jì)算和通信資源從云轉(zhuǎn)移到網(wǎng)絡(luò)的邊緣節(jié)點(diǎn)上，從而為邊緣的用戶提供更快的服務(wù)與計(jì)算響應(yīng)，減少中間不必要的通信延遲和網(wǎng)絡(luò)擁塞.

邊緣計(jì)算一詞常與移動(dòng)邊緣計(jì)算（mobile edge computing,MEC）、霧計(jì)算(fog computing,FC）等概念混淆.移動(dòng)邊緣計(jì)算的概念由歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)于2014年提出[66]，具體定義為“在無線接入網(wǎng)(radio access network, RAN)中向移動(dòng)用戶提供IT 服務(wù)環(huán)境和云計(jì)算能力”的新平臺(tái).霧計(jì)算則被認(rèn)為是邊緣計(jì)算更一般化的概念，由思科公司在2012年提出[67]，是一種使得位于網(wǎng)絡(luò)邊緣的數(shù)十億連接設(shè)備運(yùn)行應(yīng)用程序成為可能的計(jì)算范式.值得注意的是：邊緣計(jì)算、霧計(jì)算和移動(dòng)邊緣計(jì)算的研究領(lǐng)域通常是重疊的，而且這幾個(gè)術(shù)語經(jīng)?？梢曰Q使用.為了避免混淆，本文將統(tǒng)一使用邊緣計(jì)算這一術(shù)語.

邊緣計(jì)算范式的建立基于網(wǎng)絡(luò)功能虛擬化(network function virtualization, NFV)、信息中心網(wǎng)絡(luò)(information-centric networking, ICN)和軟件定義網(wǎng)絡(luò)(software defined network,SDN)等方面研究的最新進(jìn)展[68-70].具體來說，網(wǎng)絡(luò)功能虛擬化使得單個(gè)邊緣設(shè)備能夠向多個(gè)移動(dòng)終端設(shè)備提供計(jì)算服務(wù)，這樣單個(gè)的邊緣設(shè)備可以創(chuàng)建多個(gè)虛擬機(jī)來同時(shí)執(zhí)行不同的任務(wù)或操作不同的網(wǎng)絡(luò)功能.信息中心網(wǎng)絡(luò)則為邊緣計(jì)算提供了一個(gè)端到端的服務(wù)識(shí)別范式，從以主機(jī)為中心轉(zhuǎn)換為以信息為中心而實(shí)現(xiàn)可以感知內(nèi)容的計(jì)算.同時(shí)，軟件定義網(wǎng)絡(luò)允許網(wǎng)絡(luò)管理員通過服務(wù)抽象來管理服務(wù)，以實(shí)現(xiàn)動(dòng)態(tài)的可伸縮的計(jì)算.邊緣計(jì)算對于系統(tǒng)中的移動(dòng)運(yùn)營商、服務(wù)提供商和終端用戶都是有利的[71].移動(dòng)運(yùn)營商能夠以更加靈活便捷的方式部署它們的服務(wù)，比如提供存儲(chǔ)資源、計(jì)算資源或者其他IT資源，同時(shí)根據(jù)所使用的服務(wù)進(jìn)行收費(fèi)而獲利.服務(wù)提供商們可以提供支持更高帶寬和更低時(shí)延的服務(wù)并從這種更好的服務(wù)中獲取利潤.對于終端用戶來說，由于與服務(wù)者的物理距離更短以及無線接入網(wǎng)更加密集，用戶體驗(yàn)可以得到有效提升，比如獲得更高吞吐量的瀏覽、更快的視頻緩存和更及時(shí)的域名系統(tǒng)相關(guān)服務(wù)等.

2.3 邊緣人工智能計(jì)算(edge AI computing)

2.3.1 人工智能與邊緣計(jì)算結(jié)合趨勢

近年來，一種被稱作邊緣人工智能計(jì)算或邊緣智能（edge AI/edge intelligence）的研究正獲得越來越多的關(guān)注.2017年，美國加州大學(xué)伯克利分校發(fā)布的有關(guān)人工智能的白皮書中就提出云-邊緣人工智能系統(tǒng)是一個(gè)重要研究方向[4]；2018年，知名調(diào)研機(jī)構(gòu)Gartner 將邊緣智能寫入新一版的人工智能曲線[72].一個(gè)公認(rèn)的事實(shí)是，人工智能與邊緣計(jì)算的融合是自然而不可避免的.邊緣計(jì)算利用人工智能的技術(shù)和方法可以更大規(guī)模地釋放其潛力，而人工智能借助邊緣計(jì)算的場景和平臺(tái)可以拓展更多的應(yīng)用和技術(shù)[5-7].

一方面，隨著物聯(lián)網(wǎng)和移動(dòng)計(jì)算的普及，越來越多的數(shù)據(jù)并不像以往一樣生成和存儲(chǔ)在超大規(guī)模的數(shù)據(jù)中心中，而是分散地生成并存儲(chǔ)在大量的邊緣節(jié)點(diǎn)上.鑒于當(dāng)前人工智能技術(shù)還在極大程度上依賴大規(guī)模真實(shí)數(shù)據(jù)[73]，為了在邊緣網(wǎng)絡(luò)中有效使用人工智能技術(shù)進(jìn)行數(shù)據(jù)的處理與分析，一種解決方案是將分散在網(wǎng)絡(luò)各處的數(shù)據(jù)重新收集到傳統(tǒng)的數(shù)據(jù)中心里，但是當(dāng)關(guān)注到性能、成本以及隱私問題的時(shí)候，這種方案的缺陷比較明顯[6].另外一種方案是在產(chǎn)生數(shù)據(jù)的本地運(yùn)行人工智能程序，但是考慮到大量物聯(lián)網(wǎng)設(shè)備和終端設(shè)備都是輕量級的，其運(yùn)算和存儲(chǔ)能力均十分有限，該方案目前的可行性較低.綜合來看，利用邊緣計(jì)算在邊緣服務(wù)器上運(yùn)行人工智能應(yīng)用是一種相比而言更為可行的解決方案.舉例來說，邊緣計(jì)算有一個(gè)十分具有代表性的人工智能應(yīng)用是實(shí)時(shí)視頻分析[74].該應(yīng)用需要不斷從監(jiān)控?cái)z像機(jī)中獲取高清視頻，且要求分析視頻同時(shí)滿足高計(jì)算量、高帶寬、低延遲以及高隱私性保護(hù)的要求，而邊緣計(jì)算正是能滿足這些要求的最合適的技術(shù).

另一方面，人工智能技術(shù)也能優(yōu)化邊緣計(jì)算的服務(wù).在邊緣計(jì)算中，一直在討論各種各樣的資源分配問題.如何優(yōu)化資源分配以提高系統(tǒng)效率是邊緣計(jì)算系統(tǒng)設(shè)計(jì)的目標(biāo)之一，而人工智能技術(shù)，包括統(tǒng)計(jì)方法、深度學(xué)習(xí)方法和強(qiáng)化學(xué)習(xí)方法在這個(gè)問題上都可以提供一定的幫助[75-77].

2.3.2 邊緣人工智能計(jì)算的概念與框架

許多研究者都給出了邊緣人工智能計(jì)算的定義.文獻(xiàn)[5]認(rèn)為邊緣人工智能計(jì)算即是在邊緣設(shè)備執(zhí)行人工智能的算法；文獻(xiàn)[6]則認(rèn)為這樣的定義縮小了邊緣人工智能計(jì)算的范圍，于是依據(jù)建模、模型訓(xùn)練、結(jié)果推導(dǎo)在云實(shí)現(xiàn)還是在邊緣實(shí)現(xiàn)將邊緣人工智能計(jì)算分為6 個(gè)等級；文獻(xiàn)[7]的劃分則相對簡單，將邊緣人工智能計(jì)算劃分為邊緣服務(wù)的人工智能(AI for edge)和在邊緣上的人工智能(AI on edge).

本文將邊緣人工智能計(jì)算定義為在邊緣網(wǎng)絡(luò)上多個(gè)分布式設(shè)備協(xié)同共建的人工智能.

1）本文并不考慮在使用專有硬件的單個(gè)邊緣設(shè)備上運(yùn)行人工智能算法[78]的情況，因?yàn)檫@種情況與目前在大規(guī)模數(shù)據(jù)中心運(yùn)行人工智能算法并沒有本質(zhì)上的區(qū)別.本文同意文獻(xiàn)[6]的觀點(diǎn)：邊緣人工智能計(jì)算中協(xié)同計(jì)算的多個(gè)設(shè)備絕不僅僅局限于邊緣終端設(shè)備，相反地，邊緣人工智能計(jì)算將充分利用終端設(shè)備、邊緣服務(wù)器和云數(shù)據(jù)中心中的可用數(shù)據(jù)和資源.2）本文認(rèn)為的多個(gè)邊緣設(shè)備協(xié)同計(jì)算共建人工智能，既可以是一個(gè)同樣的人工智能算法通過多個(gè)設(shè)備協(xié)同完成計(jì)算以保護(hù)數(shù)據(jù)隱私或提升效率，也可以是一個(gè)單個(gè)設(shè)備或一個(gè)小型設(shè)備集群.這樣的一個(gè)單個(gè)設(shè)備或小型設(shè)備集群可以被抽象成一個(gè)自主化的智能體，它擁有可消耗的知識(shí)，由自身利益的目標(biāo)驅(qū)動(dòng)，為了實(shí)現(xiàn)群體目標(biāo)與其他智能體交互，如共享知識(shí)數(shù)據(jù)或聯(lián)合進(jìn)行決策.這樣的相互連接和組織在網(wǎng)絡(luò)中的松散耦合的多個(gè)智能體也被稱為群體智能[79].

多個(gè)設(shè)備協(xié)同計(jì)算完成一個(gè)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的的優(yōu)勢在于：使用可用的空閑設(shè)備使小型邊緣設(shè)備集群，能夠運(yùn)行更大的模型或加速推理過程.文獻(xiàn)[80]將神經(jīng)網(wǎng)絡(luò)的每一層都并行化以加速整個(gè)模型的計(jì)算.文獻(xiàn)[81]提出的協(xié)同感知網(wǎng)絡(luò)將一個(gè)深度神經(jīng)網(wǎng)絡(luò)模型整體進(jìn)行劃分，并將劃分后的模型部分分配給多個(gè)邊緣設(shè)備來完成計(jì)算.目前，更多的框架設(shè)計(jì)會(huì)借用分布式深度神經(jīng)網(wǎng)絡(luò)的框架并對其進(jìn)行修改以滿足邊緣網(wǎng)絡(luò)的特殊需求.常見的分布式深度神經(jīng)網(wǎng)絡(luò)框架有聯(lián)邦學(xué)習(xí)(federated learning, FL)[82]，它要求隨機(jī)客戶端從服務(wù)器下載可訓(xùn)練的模型，用自己的數(shù)據(jù)更新模型并將更新后的模型上傳到服務(wù)器，再由服務(wù)器聚合多個(gè)客戶端更新，這樣的過程將重復(fù)多次，直到服務(wù)器聚合后的人工智能模型收斂為止.將分布式深度神經(jīng)網(wǎng)絡(luò)框架應(yīng)用到邊緣計(jì)算場景遇到的挑戰(zhàn)是如何在資源受限的設(shè)備上提供足夠的計(jì)算能力.文獻(xiàn)[83]提供了一個(gè)解決思路，就是在邊緣設(shè)備中采用深度學(xué)習(xí)加速器(deep learning accelerator, DLA)，通過將關(guān)鍵計(jì)算操作實(shí)現(xiàn)為硬件連接邏輯來提升效率.文獻(xiàn)[84]提供的解決思路則是對參與本次訓(xùn)練的設(shè)備進(jìn)行選擇，盡可能選擇更多的計(jì)算資源多且通信條件好的設(shè)備以滿足本次訓(xùn)練的需要.

2.3.3 邊緣人工智能計(jì)算的發(fā)展趨勢

安全與隱私問題是任何應(yīng)用和系統(tǒng)都會(huì)考慮的問題.邊緣人工智能計(jì)算的系統(tǒng)是在邊緣網(wǎng)絡(luò)上的一個(gè)分布式的系統(tǒng)，具有自主性、分散控制、成員數(shù)量多等復(fù)雜異構(gòu)特征，面臨著諸多潛在安全風(fēng)險(xiǎn)[85].首先，如果不能保證參與者之間的安全通信，協(xié)作的任務(wù)就無法完成.其次，系統(tǒng)內(nèi)成員并不完全可信，它們可能懷有惡意或遭受到了攻擊，因此判斷其他成員傳輸?shù)男畔⒌目煽啃砸彩潜匾?

網(wǎng)絡(luò)性能是邊緣人工智能計(jì)算的影響因素之一.文獻(xiàn)[86]模擬移動(dòng)設(shè)備和邊緣服務(wù)器運(yùn)行經(jīng)典神經(jīng)網(wǎng)絡(luò)AlexNet 的測試結(jié)果，如圖3所示.該結(jié)果表明：相比于移動(dòng)設(shè)備，邊緣服務(wù)器運(yùn)行人工智能程序需要的時(shí)間更少，但是其運(yùn)行時(shí)間對帶寬高度敏感，顯然受到了數(shù)據(jù)傳輸時(shí)間的影響.因此，考慮到現(xiàn)實(shí)網(wǎng)絡(luò)帶寬資源的稀缺性，邊緣人工智能計(jì)算的一個(gè)研究方向是優(yōu)化模型和框架以降低網(wǎng)絡(luò)對邊緣智能系統(tǒng)性能的影響.文獻(xiàn)[87]融合早期的卷積層并在多個(gè)設(shè)備中并行化這些層，從而降低了通信成本.文獻(xiàn)[78]則提出一種自適應(yīng)卷積網(wǎng)絡(luò)，能將卷積層劃分給相應(yīng)的設(shè)備進(jìn)行并行計(jì)算，這是根據(jù)計(jì)算資源的可用性和網(wǎng)絡(luò)條件動(dòng)態(tài)選擇的.

圖3 邊緣移動(dòng)設(shè)備和邊緣服務(wù)器運(yùn)行神經(jīng)網(wǎng)絡(luò)用時(shí)Figure 3 Time of edge mobile devices and edge servers running deep neural networks

3 面向邊緣人工智能計(jì)算的區(qū)塊鏈研究

3.1 當(dāng)前研究工作總結(jié)

表2簡單總結(jié)了面向邊緣人工智能計(jì)算的區(qū)塊鏈研究工作，接下來將分類進(jìn)行詳細(xì)闡述.

3.1.1 基于區(qū)塊鏈的邊緣人工智能計(jì)算框架

在面向邊緣人工智能計(jì)算區(qū)塊鏈研究中，一個(gè)主要方向是引入?yún)^(qū)塊鏈來構(gòu)建邊緣人工智能計(jì)算框架，原因如下：1）邊緣人工智能計(jì)算中的節(jié)點(diǎn)本身及在相互通信的過程中都可能遭受網(wǎng)絡(luò)攻擊；2）參與邊緣智能的節(jié)點(diǎn)可能存在惡意行為或者缺乏足夠的激勵(lì)而為系統(tǒng)積極貢獻(xiàn)，引入?yún)^(qū)塊鏈則可以成為有效的解決方案之一.

文獻(xiàn)[88]討論了聯(lián)邦學(xué)習(xí)的安全問題，地理上分散的節(jié)點(diǎn)向集中的服務(wù)器發(fā)送更新參數(shù)時(shí)不僅容易受到網(wǎng)絡(luò)攻擊，而且存在著隱私泄露的問題.區(qū)塊鏈可以作為一種聯(lián)邦學(xué)習(xí)中交換學(xué)習(xí)模型參數(shù)的安全方法，節(jié)點(diǎn)可以將自己的參數(shù)上傳到區(qū)塊鏈，同時(shí)也可以從區(qū)塊鏈中獲取他人更新的參數(shù)結(jié)果.另外，區(qū)塊鏈還可以支持對任意時(shí)期的子模型審計(jì).

文獻(xiàn)[89]指出：聯(lián)邦學(xué)習(xí)中負(fù)責(zé)模型初始化和聚合參數(shù)的主服務(wù)器存在單點(diǎn)故障問題，如果主服務(wù)器受到攻擊，那么其他參與節(jié)點(diǎn)將無法獲知全局模型，為此該文獻(xiàn)設(shè)計(jì)了一個(gè)基于區(qū)塊鏈網(wǎng)絡(luò)的聯(lián)邦學(xué)習(xí)架構(gòu)，提出了全局模型狀態(tài)樹的概念，以便將一個(gè)全局模型安全地存儲(chǔ)為一個(gè)Merkle-Patricia 樹并放入?yún)^(qū)塊鏈.

類似地，BlockFL[90]同樣認(rèn)為主服務(wù)器會(huì)受到單點(diǎn)故障的影響，因此他們關(guān)注的問題是如何在沒有任何中心協(xié)調(diào)之下聚合全局模型.BlockFL 將全局模型更新后放入每個(gè)設(shè)備本地并在區(qū)塊鏈網(wǎng)絡(luò)上傳其最終的更新結(jié)果，同時(shí)BlockFL 認(rèn)為在缺乏有效激勵(lì)措施的情況下有些設(shè)備可能有欺騙行為，即上傳假的模型更新結(jié)果.因此，它要求區(qū)塊鏈網(wǎng)絡(luò)在共識(shí)過程中驗(yàn)證節(jié)點(diǎn)上傳的結(jié)果并給節(jié)點(diǎn)提供相應(yīng)的獎(jiǎng)勵(lì).

表2 面向邊緣人工智能計(jì)算的區(qū)塊鏈研究工作Table 2 Researches of blockchain in edge AI computing

文獻(xiàn)[91]同樣認(rèn)為聯(lián)邦學(xué)習(xí)中節(jié)點(diǎn)可能是惡意的或者缺乏參與系統(tǒng)的動(dòng)機(jī)，于是提出了DeepChain 以便在數(shù)據(jù)保密性、計(jì)算可審核性、激勵(lì)各方參與協(xié)同訓(xùn)練三方面提供支持.具體來說，DeepChain 可以啟動(dòng)事務(wù)，從而將來自不可信節(jié)點(diǎn)的子模型參數(shù)安全地聚合在一起.密碼學(xué)技術(shù)保障了協(xié)同訓(xùn)練過程中的數(shù)據(jù)保密性和可審核性，并用一種被稱作DeepCoin 的資產(chǎn)獎(jiǎng)勵(lì)參與方對模型訓(xùn)練的貢獻(xiàn)以達(dá)到激勵(lì)效果.

除此之外，還有一些工作只是針對具體的應(yīng)用場景而不是提出一個(gè)通用的框架.文獻(xiàn)[96]給出了針對醫(yī)療大數(shù)據(jù)的體系結(jié)構(gòu)，其核心在于分布式數(shù)據(jù)管理、分布式數(shù)據(jù)共享和分布式計(jì)算分析.對于分布式數(shù)據(jù)管理和數(shù)據(jù)共享，該框架提出將區(qū)塊鏈智能合約技術(shù)和監(jiān)控節(jié)點(diǎn)用于建立安全私密的共享醫(yī)療記錄數(shù)據(jù)集.區(qū)塊鏈技術(shù)將有助于建立這樣一個(gè)大型核心初始數(shù)據(jù)集，并保障所有數(shù)據(jù)的透明度和完整性.監(jiān)控節(jié)點(diǎn)則用于監(jiān)視希望訪問數(shù)據(jù)集的所有相關(guān)智能合約事件以提供及時(shí)的響應(yīng).對于分布式計(jì)算分析，該框架則借鑒了聯(lián)邦學(xué)習(xí)和轉(zhuǎn)移學(xué)習(xí)的核心思想.

值得一提的是，基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)的性能與獨(dú)立的聯(lián)邦學(xué)習(xí)的性能幾乎相當(dāng)[106]，并沒有因?yàn)橐雲(yún)^(qū)塊鏈而對整體系統(tǒng)的性能造成顯著的影響.

3.1.2 基于區(qū)塊鏈的多智能體協(xié)作與決策增強(qiáng)

在邊緣人工智能計(jì)算中，多智能體達(dá)到有效協(xié)作的挑戰(zhàn)之一是設(shè)計(jì)恰當(dāng)?shù)娜蝿?wù)分配機(jī)制[107]，這需要考慮不同類型任務(wù)的定義和分配、智能體的異構(gòu)性等.鑒于中心式的任務(wù)分配機(jī)制會(huì)受單點(diǎn)故障的影響，文獻(xiàn)[97]提出了一種動(dòng)態(tài)的基于市場的任務(wù)分配方法，由任務(wù)發(fā)布者向智能體提供任務(wù)，且發(fā)布者與智能體在整個(gè)任務(wù)分配與完成的動(dòng)態(tài)過程中彼此共享信息.其中，發(fā)布者與智能體的通信、協(xié)調(diào)以及信息共享是基于聯(lián)盟鏈完成的.簡單地說，智能體可以通過區(qū)塊鏈控制器獲取執(zhí)行任務(wù)，并計(jì)算這些任務(wù)的報(bào)價(jià).如果它決定執(zhí)行該任務(wù)便可以通過區(qū)塊鏈投標(biāo)并廣播給所有其他智能體，而其他投標(biāo)的智能體會(huì)檢查是否放棄并競標(biāo)下一個(gè)任務(wù)直至所有智能體都同意當(dāng)前分配方案.

在一個(gè)典型的邊緣人工智能計(jì)算場景中，多智能體協(xié)作決策的應(yīng)用案例是無人機(jī)自主集群.多架無人機(jī)分別從多個(gè)視點(diǎn)感知信息，同時(shí)需要就群體的目標(biāo)達(dá)成一致的決策，比如前方要走的路如何避開障礙，收集到的信息究竟是什么等等.當(dāng)前，如何在大量智能體之間進(jìn)行分布式?jīng)Q策仍然是一個(gè)開放的問題，存在一些諸如決策速度與決策準(zhǔn)確性之間的兩難權(quán)衡問題[99,108].文獻(xiàn)[99]給出了一個(gè)簡單的如何使用區(qū)塊鏈技術(shù)輔助智能無人機(jī)集群的決策過程的例子.當(dāng)無人機(jī)集群需要商議一致的時(shí)候，一架無人機(jī)可以通過區(qū)塊鏈創(chuàng)建出一個(gè)特殊的事務(wù).這個(gè)事務(wù)包含了決策的不同選項(xiàng)所對應(yīng)的數(shù)字地址，當(dāng)該事務(wù)得到全網(wǎng)的節(jié)點(diǎn)確認(rèn)之后，其他集群成員可以對自己支持的選項(xiàng)進(jìn)行投票，方式是向該選項(xiàng)對應(yīng)的數(shù)字地址轉(zhuǎn)賬代幣.舉例說明，一架無人機(jī)觀察到了一幅圖片，需要判斷圖片內(nèi)容是杯子還是親吻的人臉，于是創(chuàng)建一筆特殊事務(wù).事務(wù)中指明杯子對應(yīng)SK343 開頭的地址，親吻的人臉對應(yīng)S0631 開頭的地址，之后其他無人機(jī)做出判斷并向這兩個(gè)地址開頭的賬戶轉(zhuǎn)入代幣，經(jīng)過一段時(shí)間后無人機(jī)比較兩個(gè)賬戶的代幣數(shù)，發(fā)現(xiàn)SK343 開頭的地址收到的代幣較多，則做出圖片是無人機(jī)的決策.由于所有參與者都可以監(jiān)控整個(gè)投票過程，該群體決策是安全且可審核的.

3.1.3 基于區(qū)塊鏈的邊緣人工智能計(jì)算可信增強(qiáng)

在邊緣人工智能計(jì)算系統(tǒng)框架中，安全攻擊與安全威脅是該系統(tǒng)實(shí)際部署過程中必須考慮的問題.文獻(xiàn)[92]指出，在協(xié)作進(jìn)行模型更新的過程中，移動(dòng)設(shè)備可能面臨中毒攻擊(poisoning attack)或者信息泄漏攻擊(information leakage attack)，于是提出將模型更新信息存儲(chǔ)在區(qū)塊鏈中并在區(qū)塊鏈平臺(tái)進(jìn)行聚合，同時(shí)利用拒絕負(fù)面影響(reject on negative impact, RONI)這一防御機(jī)制來刪除中毒的更新參數(shù).類似地，文獻(xiàn)[93]也使用區(qū)塊鏈存儲(chǔ)和驗(yàn)證設(shè)備的本地子模型，進(jìn)一步通過調(diào)整區(qū)塊生成速率來優(yōu)化端到端學(xué)習(xí)完成的延時(shí).文獻(xiàn)[94]則指出了另外一個(gè)安全威脅，一個(gè)或多個(gè)拜占庭故障的設(shè)備足以讓當(dāng)前的聯(lián)邦學(xué)習(xí)機(jī)制面臨不可預(yù)測或?yàn)?zāi)難性的結(jié)果，因此采用區(qū)塊鏈技術(shù)建立安全的協(xié)同訓(xùn)練機(jī)制并識(shí)別和排除拜占庭成員.

邊緣人工智能計(jì)算面對的是多個(gè)異構(gòu)設(shè)備節(jié)點(diǎn)之間的相互協(xié)作，網(wǎng)絡(luò)中的單個(gè)節(jié)點(diǎn)很難決策如何選擇來自不同信息源的意見，因此設(shè)計(jì)一種衡量“可靠性”的機(jī)制是必要的.一種常見的衡量節(jié)點(diǎn)可靠性的機(jī)制是構(gòu)建信譽(yù)系統(tǒng)，即基于之前的行為構(gòu)建對未來行為的感知和期望.文獻(xiàn)[95]關(guān)注的是在聯(lián)邦學(xué)習(xí)框架中如何挑選可靠訓(xùn)練節(jié)點(diǎn)和激勵(lì)的問題，參與的節(jié)點(diǎn)有可能因?yàn)槿狈?lì)而懈怠工作或者上傳偽造的模型更新參數(shù)，因此引入?yún)^(qū)塊鏈實(shí)現(xiàn)分布式的不可篡改的信譽(yù)管理，并依據(jù)信譽(yù)衡量設(shè)備可靠性和可信度以選擇可靠的高質(zhì)量的聯(lián)邦學(xué)習(xí)參與節(jié)點(diǎn).邊緣服務(wù)器將成為主要的區(qū)塊鏈存儲(chǔ)節(jié)點(diǎn)和礦工，對于特定的移動(dòng)設(shè)備，任務(wù)發(fā)布者將其直接信譽(yù)意見與來自其他任務(wù)發(fā)布者的聲譽(yù)意見整合在一起，為設(shè)備產(chǎn)生綜合信譽(yù)價(jià)值，并將信譽(yù)值作為之后挑選可靠的參與節(jié)點(diǎn)的重要指標(biāo).文獻(xiàn)[98]基于Hyperledger Fabric 設(shè)計(jì)了一種多個(gè)智能體的任務(wù)協(xié)作系統(tǒng)，智能體在區(qū)塊鏈發(fā)布自己可以提供的服務(wù)和選擇自己請求的服務(wù).由于受到不同利益的驅(qū)動(dòng)，智能體可能會(huì)表現(xiàn)出惡意行為，可見對智能體進(jìn)行信譽(yù)管理是必要的，因此該文獻(xiàn)提出使用另外一個(gè)并行的區(qū)塊鏈賬本來存儲(chǔ)與服務(wù)提供者和請求服務(wù)的智能體之間相關(guān)評估的信息，并使用智能合約進(jìn)行信譽(yù)管理.

另外一些工作關(guān)注的是：在特定應(yīng)用場景部署邊緣人工智能計(jì)算時(shí)如何增強(qiáng)整個(gè)系統(tǒng)的安全性與可信性.

文獻(xiàn)[100]關(guān)注的是電動(dòng)汽車邊緣計(jì)算網(wǎng)絡(luò)，該網(wǎng)絡(luò)中的電動(dòng)汽車配備著多種智能應(yīng)用，同時(shí)電動(dòng)汽車之間、電動(dòng)汽車和基礎(chǔ)設(shè)施之間存在著大量信息和能源的交互.引入?yún)^(qū)塊鏈可以增強(qiáng)安全性和隱私性，一是因?yàn)閰^(qū)塊鏈可以追溯交互數(shù)據(jù)以避免交互數(shù)據(jù)可能被惡意利用或篡改，二是因?yàn)閰^(qū)塊鏈可以在保護(hù)隱私的前提下實(shí)現(xiàn)匿名數(shù)據(jù)傳輸和批量認(rèn)證.

文獻(xiàn)[101]關(guān)注的是物聯(lián)網(wǎng)中的智能物體(smart things).智能物體即物聯(lián)網(wǎng)中借助人工智能技術(shù)實(shí)時(shí)進(jìn)行自我推斷和自我監(jiān)控的設(shè)備，這些設(shè)備需要協(xié)同工作以進(jìn)行復(fù)雜的決策.為了確保智能物體之間的通信與決策的安全可靠，使通信避免網(wǎng)絡(luò)攻擊的影響，使決策不受惡意節(jié)點(diǎn)的影響，該文獻(xiàn)基于聯(lián)盟鏈的多鏈機(jī)制在多鏈上接收數(shù)據(jù)和存儲(chǔ)數(shù)據(jù)，并將數(shù)據(jù)分發(fā)給集群中的所有節(jié)點(diǎn)，使節(jié)點(diǎn)能夠?qū)崟r(shí)且安全地傳達(dá)決策的結(jié)果.

文獻(xiàn)[103]關(guān)注的則是金融數(shù)據(jù).邊緣智能在該網(wǎng)絡(luò)中的功能是進(jìn)行實(shí)時(shí)數(shù)據(jù)監(jiān)測和動(dòng)態(tài)數(shù)據(jù)分析，而區(qū)塊鏈的引入有兩個(gè)作用：一是區(qū)塊鏈能支持加密密鑰分發(fā)和網(wǎng)絡(luò)權(quán)限管理，二是區(qū)塊鏈存儲(chǔ)的借款等歷史信息有助于信用評估，提高了應(yīng)用的安全性.

文獻(xiàn)[104]則將目光聚焦于能源基礎(chǔ)設(shè)施建設(shè).人工智能使得在電網(wǎng)邊緣的自動(dòng)化監(jiān)控和審計(jì)成為可能，而區(qū)塊鏈可以提供一種無密鑰簽名的基礎(chǔ)設(shè)施，有助于保護(hù)這些關(guān)鍵的能源數(shù)據(jù).分布式數(shù)字賬本和對交易數(shù)據(jù)進(jìn)行密碼學(xué)簽名可以保障能源交易數(shù)據(jù)的完整性，另外采用智能合約的數(shù)據(jù)交換平臺(tái)也可以在電力生產(chǎn)價(jià)值鏈中實(shí)現(xiàn)合約的自動(dòng)交易和結(jié)算.

針對提升系統(tǒng)中各種實(shí)體之間的信任水平，文獻(xiàn)[109]提出了一個(gè)基于區(qū)塊鏈的智能契約和專門設(shè)計(jì)的智能預(yù)言機(jī)（smart oracles）的信任管理架構(gòu).該架構(gòu)在以太坊上實(shí)現(xiàn)，并基于攝像機(jī)信任管理、可信數(shù)據(jù)流和基于QoS 的計(jì)算節(jié)點(diǎn)選擇這3個(gè)場景，展示了在實(shí)體、服務(wù)之間建立信任關(guān)系的優(yōu)勢.從本質(zhì)上來說，區(qū)塊鏈消除了信任第3 方的必要性，為交互提供了透明度和可跟蹤性，而智能預(yù)言器的使用減少了在區(qū)塊鏈上進(jìn)行代價(jià)高昂的交易的必要性.

3.1.4 基于區(qū)塊鏈的邊緣人工智能信息共享

關(guān)于在邊緣計(jì)算場景中多個(gè)節(jié)點(diǎn)協(xié)同訓(xùn)練人工智能模型，現(xiàn)有的工作通常只專注于如何依據(jù)大量的數(shù)據(jù)信息更好地訓(xùn)練模型，而沒有將數(shù)據(jù)信息的產(chǎn)生、匯集與之后的交換納入考慮的范圍[102,105].

文獻(xiàn)[102]提出：物聯(lián)網(wǎng)中自私的異構(gòu)的邊緣智能設(shè)備會(huì)產(chǎn)生孤立的、分布式的知識(shí)片，而物聯(lián)網(wǎng)智能應(yīng)用完成復(fù)雜的任務(wù)卻需要知識(shí)的協(xié)作與交換.一個(gè)有效激勵(lì)邊緣智能設(shè)備共享知識(shí)信息的辦法是實(shí)現(xiàn)知識(shí)的付費(fèi)共享，因此該文提出了一個(gè)基于聯(lián)盟鏈構(gòu)建的市場，可以提供安全而有效的知識(shí)管理和交易.該聯(lián)盟鏈的設(shè)計(jì)包括一個(gè)加密貨幣、智能合約和一個(gè)新的共識(shí)機(jī)制交易證明（proof of transaction, PoT）.文獻(xiàn)[105]關(guān)注的則是在智慧城市中實(shí)現(xiàn)基于物聯(lián)網(wǎng)的可持續(xù)共享經(jīng)濟(jì).大量的物聯(lián)網(wǎng)數(shù)據(jù)在邊緣節(jié)點(diǎn)被生成和處理，人工智能會(huì)處理并提取其中重要的事件信息，生成語義數(shù)字分析后將結(jié)果保存在區(qū)塊鏈中.區(qū)塊鏈則提供一系列共享經(jīng)濟(jì)服務(wù)，包括將哪些數(shù)據(jù)交給人工智能分析及其分析得出的重要信息的交易，從而使得有價(jià)值的互聯(lián)網(wǎng)信息得到充分的利用.

3.2 區(qū)塊鏈為邊緣人工智能計(jì)算帶來的好處

就現(xiàn)有的研究成果而言，本文認(rèn)為區(qū)塊鏈可以有效加速邊緣人工智能計(jì)算的落地.1）以區(qū)塊鏈作為底層支撐的邊緣人工智能計(jì)算架構(gòu)更適合于邊緣計(jì)算情況下的人工智能場景；2）區(qū)塊鏈可以有效提升邊緣人工智能計(jì)算系統(tǒng)中數(shù)據(jù)管理、存儲(chǔ)和傳輸?shù)陌踩裕?）為了促進(jìn)邊緣人工智能計(jì)算的發(fā)展，人工智能的核心——信息與數(shù)據(jù)是不可或缺的，而區(qū)塊鏈可以有效激勵(lì)邊緣智能場景中信息與數(shù)據(jù)的共享與交換.另外，也有研究指出區(qū)塊鏈可以提升對人工智能模型的信任并有利于優(yōu)化人工智能的模型.

3.2.1 區(qū)塊鏈可增強(qiáng)邊緣人工智能計(jì)算框架的健壯性

邊緣人工智能計(jì)算不再是基于云上的數(shù)據(jù)中心進(jìn)行人工智能應(yīng)用的處理，而是保持?jǐn)?shù)據(jù)在設(shè)備本地，同時(shí)將人工智能的部分工作轉(zhuǎn)移到設(shè)備上，此時(shí)邊緣人工智能計(jì)算所面對的是大量異構(gòu)的計(jì)算資源和大量存在著掉線或被劫持的可能性的節(jié)點(diǎn)[110].因此，傳統(tǒng)的適用于云的中心化人工智能的框架并不適合直接套用，而以區(qū)塊鏈作為支撐的新型架構(gòu)開始得到探討，比如一種基于區(qū)塊鏈的聯(lián)邦學(xué)習(xí)結(jié)構(gòu).在該結(jié)構(gòu)中，各節(jié)點(diǎn)利用本地?cái)?shù)據(jù)分散訓(xùn)練，依照區(qū)塊鏈的共識(shí)機(jī)制分散地進(jìn)行數(shù)據(jù)交換和子模型更新的驗(yàn)證，而無需任何集中的數(shù)據(jù)訓(xùn)練或協(xié)

調(diào)[90,111].

3.2.2 區(qū)塊鏈可增強(qiáng)邊緣人工智能計(jì)算數(shù)據(jù)管理、存儲(chǔ)和傳輸?shù)目煽啃?/p>

首先，邊緣人工智能計(jì)算場景的網(wǎng)絡(luò)是典型的點(diǎn)對點(diǎn)網(wǎng)絡(luò)，諸如多跳連接、缺少中心、缺乏明確防御機(jī)制等問題都使這個(gè)網(wǎng)絡(luò)不夠穩(wěn)定.許多常見網(wǎng)絡(luò)攻擊，包括重放攻擊、拒絕服務(wù)攻擊（denial of service, DoS）、竊聽、蟲洞攻擊、偽裝攻擊等都可能對這個(gè)網(wǎng)絡(luò)造成災(zāi)難性的后果[112-113].其次，對于邊緣人工智能計(jì)算場景來說，信息是非常重要的[114].由于大量由邊緣設(shè)備產(chǎn)生的信息可能是帶有隱私的敏感信息，防止用戶的隱私在邊緣人工智能計(jì)算的操作中泄露是必須考慮的設(shè)計(jì)目標(biāo)，同時(shí)一些偽裝或劫持攻擊會(huì)導(dǎo)致虛假信息的傳播，影響邊緣人工智能計(jì)算應(yīng)用的效果[111].為了增強(qiáng)邊緣人工智能計(jì)算場景中數(shù)據(jù)存儲(chǔ)、傳輸和管理的安全性，區(qū)塊鏈可以被當(dāng)成一種潛在的解決方案[115-116]，能夠利用多種加密算法在保障隱私的情況下建立多方之間的協(xié)作關(guān)系.在區(qū)塊鏈中添加新塊需要經(jīng)過共識(shí)機(jī)制確認(rèn)，任何塊都記錄并存儲(chǔ)一個(gè)與前一個(gè)塊相連接的數(shù)據(jù)，并且只有當(dāng)相應(yīng)的消息通過大多數(shù)參與者的驗(yàn)證時(shí)，才會(huì)將一個(gè)新塊附加到分類賬上.這樣特殊的機(jī)制設(shè)計(jì)保障了在單點(diǎn)故障下很好的健壯性，并避免了數(shù)據(jù)的惡意篡改.

3.2.3 區(qū)塊鏈可激勵(lì)邊緣人工智能計(jì)算中信息共享與交易

在典型的邊緣計(jì)算場景（如物聯(lián)網(wǎng)場景）中，大量異構(gòu)的設(shè)備分散地產(chǎn)生孤立的信息，而復(fù)雜人工智能應(yīng)用任務(wù)的完成需要信息的交換與協(xié)作，因而如何促進(jìn)網(wǎng)絡(luò)中眾多“自私”的節(jié)點(diǎn)分享、交換與協(xié)作是要考慮的問題[102,105].區(qū)塊鏈可以成為促進(jìn)邊緣人工智能計(jì)算場景信息共享與交換的一種有效解決方案.首先，區(qū)塊鏈天然的點(diǎn)對點(diǎn)的網(wǎng)絡(luò)架構(gòu)符合邊緣智能場景下大量分散孤立節(jié)點(diǎn)的要求；其次，區(qū)塊鏈的加密貨幣可以成為一種促進(jìn)各節(jié)點(diǎn)信息共享的有效激勵(lì)手段[111]，區(qū)塊鏈的智能合約有助于構(gòu)建信息相互分享交易的市場.更重要的是，依托區(qū)塊鏈技術(shù)建立起的信息共享交換市場是安全可靠的，每一筆交易都可以經(jīng)過共識(shí)機(jī)制的驗(yàn)證，也可以有效防止篡改和雙重支付問題.

3.2.4 區(qū)塊鏈可以提升人工智能決策的可信任性

人工智能受到大眾質(zhì)疑的一點(diǎn)是它就像一個(gè)黑匣子[117]，其結(jié)果難以從理論上解釋，而區(qū)塊鏈正是以點(diǎn)對點(diǎn)分散場景中安全準(zhǔn)確無篡改的記錄交易而聞名.以區(qū)塊鏈記錄人工智能的中間結(jié)果和決策過程能夠增加其透明度，有利于公眾接受和信任決策，也便于相關(guān)人員的審計(jì)[9,99].同時(shí)，在邊緣人工智能計(jì)算這種可能涉及多方智能共同決策的場景中，區(qū)塊鏈也可以幫助它們在不需要第3 方審核的情況下以分布式的方法實(shí)現(xiàn)統(tǒng)一的意見[118].

另外，雖然還沒有成為學(xué)界廣泛的共識(shí)，但已有研究著眼于利用區(qū)塊鏈改進(jìn)并提出更好的人工智能模型.文獻(xiàn)[119]提出了一種基于區(qū)塊鏈思想的邊緣智能算法，試圖利用區(qū)塊鏈和交易的思想在神經(jīng)網(wǎng)絡(luò)中更快速且更智能地尋找合適的模型權(quán)重.在他們的構(gòu)想中，一個(gè)交易是一個(gè)特定的需求，之后全網(wǎng)的“礦工”們都會(huì)訓(xùn)練出合適的模型并提交申請，同時(shí)執(zhí)行此任務(wù)的“礦工”們會(huì)比較結(jié)果并將最好的結(jié)果寫入塊，使該交易成為一個(gè)完成的任務(wù).

4 未來研究方向

之前的章節(jié)已經(jīng)綜述了目前面向邊緣人工智能計(jì)算的區(qū)塊鏈研究方向.經(jīng)相關(guān)論文總結(jié)，本文認(rèn)為未來將有以下4 個(gè)研究方向.

4.1 區(qū)塊鏈性能改進(jìn)：提升面向資源受限計(jì)算環(huán)境的擴(kuò)展性

盡管本文已經(jīng)探討了將區(qū)塊鏈技術(shù)引入邊緣人工智能計(jì)算的諸多優(yōu)勢，但是與區(qū)塊鏈本身相關(guān)的許多技術(shù)挑戰(zhàn)還需要進(jìn)一步研究.這些問題本身可能不會(huì)對基于區(qū)塊鏈技術(shù)的邊緣人工智能計(jì)算的解決方案的發(fā)展產(chǎn)生直接影響，但是會(huì)在一定程度上限制這些解決方案的實(shí)際應(yīng)用.與區(qū)塊鏈本身相關(guān)的技術(shù)挑戰(zhàn)大多聚焦于區(qū)塊鏈的性能問題，尤其是事務(wù)吞吐量、交易確認(rèn)時(shí)延、區(qū)塊容量等問題.比特幣區(qū)塊鏈目前每秒處理的事務(wù)大約是7 筆，一筆事務(wù)的確認(rèn)大約需要10 min[27]，這樣的性能無法滿足邊緣人工智能計(jì)算中很多協(xié)調(diào)和共同決策場景的需求.以無人機(jī)集群為例，無人機(jī)之間應(yīng)快速地提供可靠信息并達(dá)成共識(shí)以協(xié)調(diào)整個(gè)群體的運(yùn)動(dòng)，10 min 的時(shí)間足以使無人機(jī)撞上障礙，因此未來區(qū)塊鏈應(yīng)該探索針對邊緣人工智能計(jì)算的性能改進(jìn).目前，以太坊的區(qū)塊大小是444.06 GB[28]，且隨著事務(wù)數(shù)量的增長該賬本大小也會(huì)隨之增長.然而，對于硬件能力十分有限的邊緣設(shè)備來說，它們很難在本地保存完整的區(qū)塊鏈賬本，因此未來應(yīng)該探索對資源有限設(shè)備更加友好的區(qū)塊鏈.

4.2 區(qū)塊鏈應(yīng)用：構(gòu)建跨域/泛中心網(wǎng)絡(luò)中的分布式信任

在邊緣智能計(jì)算的場景中，存在著更多設(shè)備與設(shè)備之間的合作.比如：多個(gè)擁有本地?cái)?shù)據(jù)的設(shè)備共同收斂全局人工智能模型；在智慧交通中，多個(gè)車輛共同協(xié)助反饋交通信息；多智能體之間聯(lián)合進(jìn)行決策等.合作的基礎(chǔ)是合作方之間存在信任，即對方提供的信息、做出的決策是真實(shí)可靠的.現(xiàn)有的信任構(gòu)建方式主要包括兩種：一種是基于身份管理和訪問控制的方式，一般是在一個(gè)域內(nèi)設(shè)立一個(gè)中心管理機(jī)構(gòu)來管理身份或以分布式的形式驗(yàn)證身份，如果身份被驗(yàn)證為可靠，則其受允許的行為便值得信任，但是如何進(jìn)行身份的相互驗(yàn)證是一個(gè)難點(diǎn).另一種是基于信譽(yù)反饋的方式，即相關(guān)方給出有關(guān)信任的評價(jià)，綜合得出關(guān)于某節(jié)點(diǎn)值得信任的程度，但是相關(guān)評價(jià)是否可靠又成為了一個(gè)問題.區(qū)塊鏈以其不可篡改性保證記錄數(shù)據(jù)的真實(shí)性，以其可追溯性和共識(shí)機(jī)制有助于確認(rèn)記錄數(shù)據(jù)的可靠性，因而可以在跨域/開放網(wǎng)絡(luò)中更好地構(gòu)建信任，但這一方面研究的難點(diǎn)在于：如何通過模擬實(shí)驗(yàn)來驗(yàn)證所提方案的有效性，如何設(shè)定信任的衡量方式，以及如何模擬部分節(jié)點(diǎn)不同程度的“不可信”情況.

4.3 區(qū)塊鏈應(yīng)用：群智計(jì)算與數(shù)據(jù)隱私的權(quán)衡

在系統(tǒng)設(shè)計(jì)中，保護(hù)安全與隱私的目標(biāo)并不是一個(gè)新話題，而區(qū)塊鏈具有匿名性、分散性、安全性等關(guān)鍵特性，因而被認(rèn)為能夠方便、高效、可靠、安全地應(yīng)對系統(tǒng)中的安全和隱私問題.使用區(qū)塊鏈提升系統(tǒng)的隱私和安全性往往伴隨著相關(guān)的密碼學(xué)算法的使用與設(shè)計(jì)，比如一種常見的用于保護(hù)隱私的密碼學(xué)手段是零知識(shí)證明.但是，這些密碼學(xué)中的算法還需要進(jìn)一步設(shè)計(jì)與研究，比如交互式的零知識(shí)通信協(xié)議過于復(fù)雜，以致容易受到惡意軟件的攻擊；若采用非交互式簡潔零知識(shí)證明技術(shù)(zero knowledge succinct non-interactive argument of knowledge, zk-SNARK)，如Zcash[120]，其證明過程需要大量的內(nèi)存，這意味著在受限設(shè)備上很難使用.

5 結(jié) 語

本文調(diào)研并回顧了目前較新的有關(guān)邊緣人工智能計(jì)算的區(qū)塊鏈研究.首先概述了區(qū)塊鏈的概念和區(qū)塊鏈的研究方向，同時(shí)介紹了邊緣人工智能計(jì)算的發(fā)展趨勢，總結(jié)了邊緣人工智能計(jì)算的概念、框架與發(fā)展需求；然后從基于區(qū)塊鏈的邊緣人工智能計(jì)算框架、基于區(qū)塊鏈的多智能體協(xié)作與決策增強(qiáng)、基于區(qū)塊鏈的邊緣人工智能計(jì)算安全性和可信性增強(qiáng)，以及基于區(qū)塊鏈的邊緣人工智能計(jì)算信息共享等方面對面向邊緣人工智能計(jì)算的區(qū)塊鏈研究進(jìn)行了詳細(xì)的介紹，總結(jié)并討論了為邊緣人工智能計(jì)算引入?yún)^(qū)塊鏈的各種優(yōu)勢.文獻(xiàn)綜述表明：在邊緣人工智能計(jì)算中引入?yún)^(qū)塊鏈的研究還處于起步階段，未來仍需針對邊緣人工智能計(jì)算場景的需求和目標(biāo)對區(qū)塊鏈自身加以改進(jìn)，還應(yīng)更多地探索結(jié)合邊緣人工智能計(jì)算與區(qū)塊鏈的優(yōu)勢.