异步区块链支持的安全频谱共享*

梁 燕,洪文超,邵 凯

(1.重庆邮电大学 通信与信息工程学院,重庆 400065;2.信号与信息处理重庆市重点实验室,重庆 400065)

0 引 言

无线通信的快速发展对频谱资源的合理利用提出了极致要求。动态频谱接入[1](Dynamic Spectrum Access,DSA)策略允许次级用户(Secondary Users,SU)通过感知和接入占用授权用户(Primary Users,PU)的空闲频谱,有望解决频谱资源灵活分配问题。关于DSA策略,目前已有多种方法[2-5]。已有方法在解决频谱随机接入问题时虽然具有巨大应用前景,但依然有较多值得考虑的关键问题,例如缺乏针对PU参与DSA策略的激励机制和缺乏对频谱数据安全性记录等。

随着区块链[6]技术的发展,其本身具有的安全机制、去中心化以及不可篡改等特性,为建立足够安全、信任的DSA管理平台提供了可能。文献[7]首先验证了区块链技术在频谱访问领域的应用可行性,相比于传统的随机访问Aloha协议,其在数据传输和功耗性能等方面表现良好。使用区块链作为基本平台,文献[8]提出了频谱的租赁拍卖策略,通过市场竞价模式给出了PU参与DSA的激励机制。随着研究的深入,众多研究者提出了对区块链技术的优化改进以适应DSA的应用。例如,文献[9]分析区块链的共识方法,证明其存在消耗过多的计算能力的问题,提出策略证明共识机制;文献[10]提出一种频谱礼仪架构改进端到端的共识时延问题迟;文献[11]利用实时拜占庭共识(Practical Byzantine Fault Tolerance,PBFT)[12]机制,在不需要过强的算力情况下,节点间经过Pre-prepare、Prepare和Commit三步沟通达成共识。针对区域内节点数目庞大、区块平均生成时间过长的问题,文献[13]提出区块链分片技术。然而由于区块链共识机制的运行,复杂的DSA事务会堵塞整个网络[14]。相比于低复杂度的事务执行,高复杂度的DSA事务将成为一个共识瓶颈,增加整个网络的延迟。如何减少DSA事务的拥堵造成的系统时延,是一个亟待解决的关键问题。另一方面,基于市场竞价模式的拍卖策略虽然能够满足频谱分配需求,但这种无序无组织的共享策略可能会造成系统容量的损失。文献[15-19]提出的智能合约(Smart Contract,SC)能吸引更多用户参与,提高整个系统的可信度,但是实际应用中,传统的传输模型没有考虑安全因素,众多的合约方案忽略了频谱多样性和用户的自私性、贪婪性,在分配的算法中存在频谱分配不合理、系统容量损失大及频谱复用率不高的问题。

本文提出了一种基于联盟链改进的异步频谱区块链系统(Asynchronous Spectrum Blockchain System,ASBS),主要工作如下:一是将传统的PBFT共识中存在的执行与共识环节异步分割,提出异步实时拜占庭机制(Asynchronous-Practical Byzantine Fault Tolerance,A-PBFT)极大地减少共识延时;二是将频谱的分配问题建模为二分图匹配问题,结合对抗窃听的安全[20]考虑,设计基于最优匹配(Kuhn-Munkras,KM)算法的匹配方案,在保证物理层安全的基础上保持频谱复用率。

1 系统模型

区块链基本架构可以分为数据层、网络层、共识层、激励层、合约层和应用层,其中,数据层封装了区块链的链式结构、区块数据以及非对称加密等区块链核心技术,网络层提供点对点的数据通信传播以及验证机制,共识层主要装载各种共识算法,激励层将经济因素引入到区块链技术体系之中,合约层展示了区块链系统的可编程性,应用层则封装了区块链技术的应用场景和案例。为满足大规模DSA系统的需求,本文在区块链总体模型的基础上设计了ASBS体系模型,将原本的六层结构改进为三层。为了减少节点数量过多带来的巨额通信成本,使用区块链分片技术[13],将同一区域的节点组成一个ASBS子系统。图1所示是ASBS子系统三层框架。将DSA应用场景封装到应用层,并结合激励层方面的经济因素激励用户积极参与系统,形成频谱接入层。通过区分节点,改进网络层与合约层的交互,利用SC的不可变性,完成ASBS的区块链网络层的设计。基于共识层改进共识机制,结合数据层封装的核心技术,设计了ASBS的区块链共识层。

图1 系统框架

1.1 ASBS框图

频谱接入层封装了DSA应用场景。DSA对频谱资源管理体现在频带、功率和时间三个维度上。SU感知某时间点的空闲频带,以某功率接入频谱。假设场景中存在多个基站、SU、PU以及一个窃听者,其中,基站有足够的能力收集并传输数据,SU存在使用频谱的需求,PU拥有空白时段的频谱,窃听者具有窃听任务,为不安全因素。

区块链网络层由共识集群和执行集群共同组成,其分别由系统的共识节点和执行节点集合而成。共识集群提供存储设备信息和沟通执行集群创建智能合约的去中心化服务,执行集群内置执行服务器可以看作区块链网络服务端,执行交易请求更新交易状态。执行服务器在区块链网络中获取交易请求及共识集群授权,创建智能合约完成频谱分配。这样可以保证任意PU和SU之间的完整性、透明度和信任,有助于缓解区块链网络的拥堵。并且,服务器的信息共享可以防止单点故障。

区块链共识层是系统运行的核心内容,主要包括共识算法以及区块数据结构。区块本质属于分布式账本,通过共识机制完成账本的记录与更新,分类账中的每个节点都充当时间约束和唯一的加密签名。本文将不同类型的节点通过独立的拜占庭共识,设计异步实时拜占庭机制,确保不减弱安全性能情况下快速达成节点共识。

1.2 ASBS流程

实现区块链网络的自发性管理,抵御针对PBFT的女巫攻击[21],拥有身份管理[18]是必要的。图2所示为ASBS基于网络层不同节点身份,满足自发性身份管理而提出的一种新的区块链工作流程。ASBS设置一个名为身份账本的特殊账本,系统共识集群和执行集群中的所有节点都会参与维护身份账本用以记录节点的身份。此身份账本设有单独的身份列表,用于记录所有时期的共识集群和执行集群。该账本类似于智能合约,可以从身份账本中获得所有必需的信息。为了防止自适应对手冒充节点身份,需要定期从底层的身份中轮换它们。

图2 系统工作流程

1.3 交易流

现有的区块链协议为了保证安全性,以顺序和阻塞的方式运行。联盟链事务执行与共识时间关系上紧密耦合,每一次的共识都需要区块链网络的全部节点运行一次所有的交易事务。由于PBFT严格遵守时间顺序,这将导致随着区块链共识的进行,太过复杂的事务堵塞整个网络,从而增加整个的网络延迟。如图3所示,A-PBFT通过异步执行的模式,分割执行与共识,实现类似流水线的结构,在保证安全性能不减弱的同时极大地减少延迟,提高吞吐量。

图3 联盟链与ASBS交易流

2 频谱分配

频谱感知是DSA的一个重要步骤,ASBS利用类似ERC-721[22]的令牌技术反映感知结果。如图4(a)所示,频谱令牌存储着PU频谱资源大小及价格等数据,频谱令牌在网络中堆积形成了频谱池[19]。使用频谱令牌的好处就是保证一次只有一个用户可以持有令牌频谱令牌,强制对特定频谱的顺序访问来确保将干扰降至最低以保证有效的数据传输。Wyner[23]的研究表明,合法信道优于窃听信道,即在原始传输速率上增加足够的冗余可以有效地防止窃听攻击。对于存在对抗窃听需求的SU来说,可以选择开启防窃听业务。

图4 频谱令牌和频谱分配

本文将频谱分配看作PU和SU的一对一的匹配问题,如图4(b)所示。考虑到因系统容量损失导致PU不愿参与系统的问题,设计频谱分配方案时,致力于更优化地使用频谱。这种优化反映在频谱复用率上,可以定义(频谱资源数量)/(损失频谱+频谱资源数量)为频谱复用率。假设存在N个PU与M个SU,针对PU和SU的分配用矩阵A表示,其中Ai,j=1表明第i个PU分配了第j个SU。矩阵P表示SU与对应的PU的关联度,所以可以设定整个系统的获胜策略为最大期望值。

通过这样的获胜策略建立了如下收益模型:

(1)

(2)

∀Ai,j≤1。

(3)

1)计算安全传输带宽

安全传输带宽是指在保证链接的情况下达到对抗窃听的效果。这需要根据SU的交易请求,依据原始传输速率求解传输冗余,保证传输带宽的安全,其中所有基站具有相同的发射功率P、噪声σ2和路径损耗系数α。依据频谱效率函数[24]计算最低传输带宽

ki=lb(1+Kγi)。

(4)

Ri=Bilb(1+Kγi)。

(5)

根据文献[25],可以得出无线传输中独立窃听下的安全传输概率模型如下:

(6)

求解此凸问题,得出安全传输情况下的传输冗余

(7)

依据式(5)求出需要的安全传输最小带宽

(8)

2)建立相关矩阵P

矩阵P表示SU与对应的PU的关联度。以市场竞价拍卖的经济模型分析,SU和PU都对成本与回报非常敏感。为了保证复用率,综合考虑最小带宽和出价两个因素,建立相关矩阵。其中,频谱矩阵B与价格矩阵Y的的大小是区别关联度的主要因素,x0,y0,t0则是根据实际情况定制的限制条件,tq是小区域区块链当前所处的时隙,Δti表示交易时隙与系统时隙差值,β为常系数,ρj是PU的时间频谱利用率,即(使用时间)/(总时间)。这样首先可以筛选掉不合理的交易请求,有效提高利用率极低频谱匹配概率,其次加入时隙保证先到先匹配。

关联度计算方法如下:

输入:(B,Y)N,(B,Y)M,Δti,ρj。

输出:关联矩阵P。

if 满足限制x0,y0,t0;

计算关联系数ξij=‖(B,Y)‖2;

else 关联度为0。

3)匹配

基于KM算法开发出一套匹配方案。如图4(b)的示例,PU1接收到来自SU1与SU3的交易请求,因SU3关联度高(4>3),第一轮迭代中选择SU3。PU1提升自身关联度期望(4)。接着,PU2依据关联度亦是选择SU3,但关联度期望(3)未能超过PU1的期望(4),PU2与SU3匹配失败,PU2降低自身关联度期望(2)。在后续的迭代中,PU3选择SU3与PU1冲突,SU3与PU3的关联度超出PU1的期望(5>4),将SU3分配给PU3,PU1失去匹配对象,降低自身关联度期望值,选择SU1。为了保障PU1和SU1的匹配,最终PU2降低关联度期望(1),选择SU2。

3 仿真与分析

区块链系统性能评估中,常用工作负载或区块的大小为重要参数测试系统吞吐量。本文首先将复杂的DSA的匹配方案作为整个系统测试的工作负载(即区块),使用开源的测试工具Caliper[26]测试系统吞吐量下限。其次,为了验证本文基于区块链的ASBS系统性能,与两种基于区块链的启发式算法,即稳定匹配算法(Gale-Shapley algorithm,GS)[17]和先共识后交易(Consensus-Before-Talk,CBT)[9]进行对比。在仿真中,将主要从传输速度、SU数量变化的情况下与冗余的关系、频谱资源数量、频谱复用率和效用等方面对比几种方案。本文在设计参数时,发射功率、噪声以及路径衰落使用固定大小,并且距离采取理性化平均处理,暂时忽略使用率高导致的链路拥塞问题。基于区块链的DSA策略,其本身具有安全的信息共享优势,因此本文不与存在信息孤岛的博弈决策等传统算法比较。

3.1 仿真设计

仿真系统一共分为两个部分。一部分是以Matlab为主对匹配方案的仿真实验,如图5所示,初始化参数之后,完成对于传输冗余以及传输带宽的计算;此后进入循环遍历,建立相关矩阵;不需要对相关矩阵排序,直接进行匹配计算,得到匹配结果。另一部分仿真系统是对共识机制的仿真:首先使用Caliper提供的联盟链环境,利用热拔插特性将共识机制替换成PBFT,通过命令修改节点内存作出区分,调整配置文件实现工作负载变动,获取A-PBFT与PBFT的基准测试结果。结合两部分仿真结果,以说明本方案的有效性。

图5 仿真框架

仿真环境中假设存在[1:30]个SU以及10个PU的场景,SU和PU的位置满足二维泊松分布并且存在一个窃听者,SU的频谱资源需求与PU提供的频谱资源均服从泊松分布。将每一位SU求得的最小频谱称为Bsu,Bpu表示PU提供的频谱,把频谱损失公式定义为

(9)

由此可以求得系统的频谱复用率

(10)

式中:sum为系统共享的频谱资源。

3.2 仿真结果及分析

如图6所示,PBFT在区块事务数量执行到300之前吞吐量的增幅比较大,但是由于自身的共识瓶颈,导致整个吞吐量无法保持之前的增长率。A-PBFT在区块事务数量增加到400时吞吐量增长率趋缓,之后吞吐量就相对稳定。这反映出随着复杂DSA事务的增加,执行的时延增加,从而影响了整个系统的吞吐量。A-PBFT系统依然会受到执行瓶颈的影响,但是其性能已经超过了原始的PBFT共识系统。

图6 系统性能

图7所示为不同的传输速率下,保证安全传输概率冗余率的变化。传输速率的需求越高,需要的冗余就越低;同时,SU密度的增加也会增加整个传输冗余的大小。图8展示了安全传输概率。从三条曲线的比较可以看出,当传输速率Ri的值较小时,对应的最优冗余速率Rv会较大;同时,在相同的冗余率Rv下,传输速率Ri越小,安全传输的概率越高。即使是在最优冗余率的情况下,在较低的传输速率Ri的情况下,曲线的值仍然较大。这说明当原始传输速率Ri较低时,在安全传输方面具有优势。

图7 窃听场景中安全传输下不同传输速率Ri需要的冗余率Rv变化

图8 安全传输概率

图9所示为共享的频谱资源比较。相比于CBT,KM和GS能获取较多的频谱资源。CBT属于随机匹配机制,SU数量增加带来频谱资源的增长,这与SU的需求分布水平有关;数量一致时,频谱资源达到最大值;SU数量超过PU时,频谱资源数量不再与分布水平相关,而是与平均水平相关。这可能会导致频谱数量下降,并且处于一种稳定的状态。而GS算法突出了SU在追求频谱上的贪婪性,稍优于KM。KM为了追求更高的复用率导致频谱利用数量上稍显不足。

图9 共享频谱资源

图10比较了不同算法之间频谱的复用率,KM和GS算法均有更好的复用效率。由于随机选择的原因,CBT的频谱复用率是最低的。图中可以看出,随着SU数量的增加,GS因为SU稀缺性,更可能匹配到频谱数量更多的PU造成更多的损失,导致频谱利用率随着SU的增加减少。当SU数量超过PU时,GS因PU的稀缺性使得PU更容易匹配到利用率更高的SU,带来频谱复用率的提升;CBT复用率因频谱利用数量的降低而降低。KM本身追求更高的频谱复用率,所以KM的频谱复用率更高更稳定。

图10 不同算法的频谱复用率

4 结束语

本文提出了一个基于基于联盟链改进的ASBS框架,以实现频谱安全高效的动态共享。所提出的A-PBFT通过异步执行的模式,分割执行与共识,实现类似流水线的结构减少了延迟,提高了吞吐量。基于KM匹配算法的匹配方案,在保证物理层安全的基础上实现了PU和SU的最优匹配,保证了频谱复用率。仿真结果表明,本文所提ASBS对于系统频谱复用率提升近6%;相比于实时拜占庭机制,本文方案减少了系统延时,提升吞吐量近129%。本文提出的分配方案虽然相比于GS算法提供的吞吐量可能不足,但是整体容量的损失更少,频谱的复用率更高。综上所述,ASBS可以为用户提供一个安全可靠的平台,存在智能合约和频谱令牌易于实现自动化并便于管理,兼顾PU和SU实现最优化的分配。但是,本文研究依然存在很多不足,例如量化权值及用户间干扰对系统带来的影响以及链路拥塞风险如何考虑等,都是下一步工作的重点。