基于智能合约的去中心化数据共享与内容分发研究

来源 :武汉理工大学 | 被引量 : 0次 | 上传用户:taitaitaihaole
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随芯片、传感器及网络通信等技术的迅速发展,智能设备的数量呈现爆发式增长,这些设备产生的大量数据也呈井喷式的增长。而大数据处理技术的不断成熟也使得这些大数据的潜在价值不断上升,将这些具有潜在价值的数据进行开放共享是一个必然的趋势。但数据共享往往会带来安全方面的隐患,因此,建立一个使共享双方信任的数据共享平台是十分重要的。为了降低用户访问内容时的延迟,内容分发过程往往在不同地域的节点或服务器之间进行。而在不同地域中的内容提供商、分发节点、用户三方之间往往并不能够完全互相信任。在没有可信实体的情况下,如何正确地审核内容分发中的内容访问及交付过程成为了亟需解决的问题。
  针对上述所提出的问题,本文的主要研究内容包括以下几个方面:
  (1)针对传统的数据共享中第三方平台不完全可信的问题,本文提出了基于智能合约的数据共享方法。首先,本文将数据共享中用户的访问控制过程以及数据共享双方的交互规则写入到智能合约中,利用区块链中交易记录可追溯且不可篡改等特性,使数据共享过程公开透明。而后,本文使用stackelberg博弈构建了数据提供者和数据需求者之间多对一的效益模型。此模型以最大化数据需求者效益为目标函数,通过多次迭代最终形成使数据提供者和数据需求者都满意的数据量和数据价格,进而提高用户数据共享的意愿。最后,对本文所提出的基于智能合约的数据共享方法进行实验验证与对比分析,实验结果表明,本文所提出的数据共享方法可以快速获得最优解,同时能实现最大的数据需求者效益。
  (2)针对分散式网络中,在没有可信实体的情况下,如何正确地审核内容分发中的内容访问及交付过程的问题,本文提出了基于智能合约的内容分发方法。首先,本文将内容分发拆分成内容预取和内容交付两个部分,分别用两个智能合约来实现其中的交互过程,利用智能合约被触发后自动执行的特性取代第三方服务器。然后,对内容分发过程中各个边缘节点的分发代价、分发收益等信息进行统计,计算节点在分发内容过程中能够获得的效益,建立节点效益最大化目标函数。接着使用量子粒子群算法求解该函数,以达到最大化节点效益的目的,进而提高用户满意度。最后,对本文所提基于智能合约的缓存方法进行实验验证与对比分析,实验结果表明,本文所提出的内容分发方法能够提高分发节点的整体效益,提高用户访问的命中率,能够更好的满足用户的需求,具有更优的性能并且可以减少平均访问延迟和平均传输成本。
其他文献
散货堆场是港口的核心资源,堆位分配是堆场资源调度中极为重要的部分。如果堆场堆位分配不合理,则极易导致堆场资源利用率低下,增加港口作业成本,降低港口吞吐量。如何进行合理的堆位分配,提高货物与堆位之间的匹配度、提高散货堆场的利用率、降低港口作业成本,已成为建设智慧港口进程中亟待解决的问题。因此,研究散货港口中散货堆场的堆位智能分配策略具有实际应用意义和一定的理论价值。针对以上问题,本文开展了相关研究,
学位
近年来,主题情感联合模型成为了无监督学习领域的一项重要研究内容,在文本主题挖掘和情感分析等方面均有实际应用。然而在现实场景中,微博本身存在文字短小,结构不完整等特征,当处理小型微博数据集时,主题情感模型的情感极性分类效果不佳。因此,本课题围绕微博主题情感模型展开研究与改进,提出基于词嵌入主题情感模型的微博情感极性分析方法,主要研究成果如下:首先,针对基于多特征融合的微博主题情感挖掘模型——TSMM
学位
本文以自然场景文档图像为研究对象,针对多变的拍摄视点引起的文档形变、文档尺度多变和复杂场景造成的文档定位错误和精确度低的问题,提出了基于角点检测的两阶段自然场景文档定位算法,通过由粗定位到精确定位的两阶段角点定位方式,实现自然场景文档的精确定位目标。本文主要工作如下:1)以CNN为算法特征提取框架,建立了粗定位-精确定位的两阶段定位算法框架。粗定位阶段以全局优化得到角点坐标近似最优解为目标,精确定
学位
随着港口运输越来越发达,为适应港口集装箱业务的发展需求,集装箱作业自动化的程度也越来越高,正确高效地识别集装箱箱号是自动化作业的基础。随着人工智能在港口领域得到广泛应用,机器学习作为人工智能的关键核心技术,受到了前所未有的重视和快速发展。基于机器学习方式识别集装箱箱号,需要足够的集装箱箱号数据集,目前在港口领域,还没有成熟的集装箱箱号数据集。因此研究集装箱箱号图像样本扩充方法对于基于机器学习的集装
随着智能设备的普及,GPS和Web2.0技术的发展,能够基于位置提供服务的应用程序应运而生。基于位置的社交网络(Location-based Social Network,LBSN)也变得流行起来,用户可以轻松地访问LBSN应用程序,并在自己感兴趣的兴趣点(Point of Interest,POI)留下足迹,比如用户感兴趣的餐厅、酒店、剧院等。然而,随着城市的发展,人们生活的物理边界不断被拓宽,
随着信息技术的飞速发展,网络上的信息量激增。在求职领域中,传统的线下招聘也逐步被网络招聘所取代,出现了诸如58同城、智联招聘的大量求职网站系统,用户可以在网站上投递简历、进行面试,但是大量的职位信息可能让用户难以抉择。为了从海量的求职信息中发现用户的兴趣,满足用户个性化的信息需求,对求职推荐的准确性要求更加严格。传统求职推荐系统多采用协同过滤算法,协同过滤算法存在冷启动和数据稀疏问题,解决这些问题
学位
分布式视频编码(Distributed Video Coding,简称DVC)有别于传统的视频编码方式,它将具有复杂运算的模块(如运动估计、运动补偿等)从编码端转移到解码端。因此,它可以应用于编码端的计算能力、存储空间和功耗资源都受限的场景。目前,大多数的DVC采用信道编码实现信源的编解码,如低密度奇偶校验码(Low-Density Parity-Check,简称LDPC)。然而,LDPC在视频中
在监控、目标识别等实际应用中,具有高分辨率的图像能够提供更多的有效信息。但在成像过程中会受到模糊、几何变形、降采样及各阶段噪声等因素的干扰,导致图像产生一定程度的退化从而降低图像的分辨率,严重影响计算机视觉系统中图像处理的最终结果。为了得到高分辨率的图像,本课题围绕基于生成对抗网络GAN的退化图像超分辨率重建方法展开研究和改进,主要工作内容如下:(1)在Bicubic降采样这类退化产生的低分辨率图
日益增多的机动车数量与驾驶人数使得道路驾驶环境变得愈加复杂,在一定程度上增加了交通事故发生的概率。大量分析研究表明,驾驶员人为因素是导致道路交通事故发生的重要原因,其主要包括疲劳驾驶和分心驾驶两类危险驾驶行为,因此针对这两类危险驾驶行为进行有效监测与实时预警变得愈发重要。当前针对驾驶员分心与疲劳驾驶行为监测方法存在以下问题,一是未能同时兼顾驾驶行为监测的准确度与实时性需求;二是未对分心、疲劳危险驾
学位
飞行员作为民航安全的“最后一道防线”,其不安全操纵行为直接影响飞行安全。快速存储记录器(QAR)作为飞机上一种无保护装置的飞行数据记录设备,能反映航行期内飞行员的操作行为。目前基于QAR超限事件的飞行安全管理方法,通过设定监控参数分析飞行员不安全操纵行为,常常难以发现触发超限事件的潜在人为因素,因此,通过对QAR数据进行关联分析,对于更全面挖掘飞行员不安全操纵行为,提高飞行安全水平,具有重要的理论