物联网中结合计算卸载和区块链的综述

门瑞，樊书嘉，阿喜达，杜邵昱，樊秀梅*

物联网中结合计算卸载和区块链的综述

门瑞1，2，樊书嘉3，阿喜达1，杜邵昱1，樊秀梅1*

（1.西安理工大学 自动化与信息工程学院，西安 710048； 2.陇东学院 数学与信息工程学院，甘肃 庆阳 745000； 3.清华大学 计算机科学与技术系，北京 100084）（ ∗ 通信作者电子邮箱xmfan@xaut.edu.cn）

随着移动通信技术的快速发展和智能终端的普及，将终端设备的计算密集型任务卸载至边缘服务器能够解决终端设备算力不足的问题。然而，计算卸载技术分布式的属性使终端设备和边缘服务器面临较大的安全隐患；同时，区块链技术能为计算卸载系统提供安全的资源交易环境。以上两个技术的结合可以解决物联网中的资源不足和安全问题，因此对物联网中计算卸载和区块链技术结合应用的研究成果进行综述。首先，分析了计算卸载技术和区块链技术结合的应用场景和系统功能；其次，归纳了区块链技术在计算卸载系统中解决的主要问题和使用的关键技术，并分类总结了区块链系统中的计算卸载策略的制定方式、优化目标及优化算法；最后，提出了二者结合使用中存在的问题，并展望了未来的发展方向。

物联网；计算卸载；资源管理；卸载决策；区块链；共识算法

0 引言

随着通信技术和网络技术的迅速发展，接入网络的终端设备数量呈指数级增长，终端设备中的许多应用，如虚拟现实、增强现实、高清地图传输等，均为资源密集型且时延敏感型任务，而移动终端设备为了满足便携性和移动性的要求，计算资源和存储资源有限，无法本地处理这类应用任务。云计算的出现使得终端设备可将应用数据传输到云端处理，但是存在通信时延过大的问题。边缘计算的出现，为轻量级终端设备的资源密集型应用提供了一种新的计算范式［1-2］，终端设备将自身的计算任务卸载至邻近边缘服务器，边缘服务器利用自身较丰富的资源，处理任务完成后，返回计算结果至终端设备，降低时延，提高用户服务质量。然而，由于终端设备数量巨大，不同设备差异较大，安全等级不一，直接接入边缘服务器执行卸载任务会面临诸多安全问题［3-4］，如：终端节点发送错误数据、伪造卸载请求等行为严重侵占服务器资源；边缘服务器被攻击者入侵后，以非法手段获取终端节点的隐私数据；边缘服务器篡改、伪造计算结果等。泛在接入边缘网络的海量异构设备及边缘服务器之间互不信任的问题，保障计算卸载全生命周期的隐私和安全，成为目前学术界和产业界亟待解决的问题［5］。

从发布比特币［6］到出现以太坊（Ethereum）［7］，比特币底层采用的区块链技术受到广泛关注。区块链系统是一个典型的分布式系统，其中每个节点维护一份本地区块链数据，称之为账本，账本由不断增长的区块利用哈希指针前后链接而成。存储账本的各节点利用区块链共识机制，制定每个节点必须遵守的规则，保证分布式系统中各节点账本数据的一致性。账本中的数据只追加，不可删除或篡改。这些特性使得区块链系统能够在没有第三方管理机构的监督下，通过分布式的节点维护一种可信的交易环境，在农产品溯源、智慧医疗系统、物流跟踪、金融服务等众多领域取得了良好的实施效果。区块链的分布式特性，为解决物联网领域的计算卸载安全问题提供了思路。物联网中的终端设备海量异构，为了解决泛在接入网络安全性的问题，可以利用区块链技术使每个物联网设备作为一个节点，参与区块的产生、验证和存储。由于每个节点都有唯一一个由密码学方法产生的地址，可以通过地址记录设备的所有操作，且记录可追溯、不可更改，既保证了设备的隐私性，又能营造可信的物联网交易环境，防止恶意设备对物联网节点的安全造成威胁［8］。在物联网系统中，由于终端设备资源有限，无法部署高性能的硬件设施，而区块链系统中常用的共识算法，如基于工作量证明（Proof of Work， PoW）、基于权益证明（Proof of Stake， PoS）和拜占庭容错（Byzantine Fault Tolerance， BFT）等算法需要大量算力，区块链的账本数据只增不减。这些问题严重阻碍了区块链技术在物联网应用中的落地［9-10］。

通过以上分析可知，区块链技术应用于物联网环境时，存在终端设备资源不足的问题；计算卸载技术在解决计算密集型和时延敏感型应用与自身资源不足的矛盾时，又存在网络环境不可信的问题。这两种技术可以相互补充，结合使用，充分发挥两者的优势，因此计算卸载和区块链技术的结合十分必要。另外，这两种技术具有一些共有的特性，如分布式结构、网络边缘设备资源的利用、P2P网络结构等，决定了两者之间的结合具有可行性。

结合计算卸载技术和区块链技术可以实现对分布在边缘的网络资源、存储资源和计算资源的可靠访问，协调控制设备之间的交互行为，以安全的方式使用网络边缘服务器存储和计算数据［11］，具有巨大的发展潜力。

目前尚未发现对计算卸载和区块链技术结合系统较为全面的研究综述，而且该系统在广泛使用之前，仍然面临一些亟待解决的问题。因此，本文梳理和分析了现有文献，归纳整理了结合计算卸载技术和区块链技术的应用领域、系统功能，分析两种技术结合后可以解决的关键问题，指出了仍然存在的不足和可能的发展方向，以使相关领域的研究者能够快速全面掌握该领域的研究现状，为推动该领域的发展作出积极的贡献。

本文的主要工作如下：梳理了计算卸载和区块链技术结合使用的应用场景和系统功能；归纳了将区块链技术融入移动边缘计算（Mobile Edge Computing， MEC）卸载系统后需要解决的问题，分析了其中的关键技术；总结了计算卸载技术在物联网区块链系统中解决的关键问题及计算卸载技术目前的研究重点、难点；提出了二者结合使用中存在的问题和面临的挑战，并进行了展望。本文的第2～3章将计算卸载和区块链技术的结合划分为区块链技术融入计算卸载系统，和计算卸载技术融入区块链系统，这种划分方式并不严谨，很多研究将两者进行无主次区分的结合，用以解决某类问题，这种划分方式的目的是更细致地切分两种技术，剖析各自所能解决的问题和研究的重点，提升使用性能。

1 计算卸载和区块链技术结合的应用场景及系统功能

1.1　应用场景

结合计算卸载和区块链技术的系统最突出的优势是分布式的结构、节点公开的参与权限、交易记录的不可篡改、靠近用户侧的丰富资源等，这些特点使它适用于多个场景，本节简要分析二者结合使用的场景，并总结该场景下的主要研究成果。

1）车联网。

为了促进智慧交通系统和智能网联汽车的快速发展，搭载于汽车之上的应用（如避障、路径规划等安全类相关应用）层出不穷。这些应用需要计算和分析大量的传感器数据，并且对时延有非常苛刻的要求。因此，可以将数据卸载至路侧单元（RoadSide Unit， RSU）、各类基站（Base Station， BS）或其他边缘设备（如汽车、电脑等）等，并引入区块链技术保障卸载和计算过程的安全性。文献［12-17］中研究了车联网环境下融合系统的相关问题。为了减小卸载任务执行时延和服务器切换代价，增加边缘服务器的可信程度，Liao等［12］使用智能合约实现任务的自动卸载，省去了计算卸载的决策过程，提高了卸载效率。计算卸载过程即资源的交易过程，为了保障交易请求者和交易信息的真实性，只有通过区块链访问控制机制的约束才能卸载计算任务，并且必须在共识过程中加入交易验证信息［13］。利用区块链技术记录车联网计算卸载中的资源交易情况时，可以根据具体场景改进共识算法，如基于效用证明（Proof of Utility， PoU）算法［14］和基于信誉证明（Proof of Credit， PoC）算法［15］等。效用是一个综合的函数值，用于衡量边缘节点的计算、处理能力和车辆的延迟需求。资源部署和任务迁移问题是车联网计算卸载研究中的难点问题，为此，有学者设计了集成区块链技术的容器化边缘计算平台，提出了启发式集装箱调度算法解决有向无环图结构的任务迁移问题［16］。区块链辅助的计算卸载技术可用于具体的车联网应用，如智能拼车［17］，以支持条件隐私、一对多匹配、目的地匹配和数据可审计性的应用需求。

2）智能电网。

在智能电网中应用区块链技术能够保证能源交易实体之间安全的点对点交易，保护用户隐私，实现局部能源系统的区域自治。然而，区块链节点在共识过程中会产生大量的计算密集型任务，导致交易延迟较大。计算卸载技术能够提高区块链系统的计算能力，降低延迟。文献［18］中将挖矿过程卸载至周边节点或边缘节点执行；文献［19］中为了保证用户隐私和能源安全，使用群签名和隐蔽通道授权技术保证用户的有效性；文献［20］中提出了一种双向认证和密钥协议，支持条件匿名和密钥管理，实现了合理的安全保障。

3）智慧医疗。

智慧医疗系统利用先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，使医疗系统信息化，包括针对行动不便、无法送往医院进行救治病患的视讯医疗，对慢性病和老幼病患的远程照护，对智障、残疾、传染病等特殊人群的家庭健康监测系统等。智慧医疗系统需严格保障患者的隐私信息，且对时延要求高，通常使用区块链技术实现医患之间数据的透明传输，并使用计算卸载技术加快共识过程。文献［21-22］中研究了医疗场景下融合系统的使用。其中，文献［21］中设计了能够在按需数据共享场景中支持低延迟、安全、匿名和始终可用的时空多媒体治疗数据通信机制，以提供治疗诊断；文献［22］中构建了支持雾‒云计算的区块链架构，提出了一个基于多类协同的活动监控与识别框架，提高视频活动中的分类精度。智慧医疗中的计算卸载及区块链技术以降低视频传输时延、保护用户隐私为主要研究目标。

4）电子商务。

文献［23］中引入区块链技术解决电子商务中存在的各类安全问题，采用遗传算法（Genetic Algorithm， GA）、模拟退火（Simulated Annealing， SA）算法、人工蜂群（Artificial Bee Colony， ABC）算法、粒子群优化（Particle Swarm Optimization， PSO）算法求解最优卸载策略，对比分析各项性能，实验结果验证了该框架和算法的有效性，并证明了计算资源的下界是存在的，对服务提供商以最大收益和最小成本租用边缘服务器具有指导意义。

5）工业物联网。

为了保障工业物联网的网络安全，文献［24］中将区块链技术引入其中，记录物联网设备间的交互行为，将用户数据处理任务和区块挖掘任务通过多跳协同分布式卸载至边缘服务器。为了实现工业物联网设备间的高效传输数据，充分挖掘通信潜能，设计了基于区块链技术的激励机制。

6）智慧城市。

为了提高公共服务的透明度、信任度和公众参与度，文献［25］中提出了一种基于分布式混合账本和边缘计算模型的智慧城市数据管理体系结构。该体系结构为城市运行中生成和处理的数据提供了精细和安全的管理，将它应用到具体的用例中进行测试，结果表明，该体系结构具有可扩展性，并且能为公民参与城市管理提供安全和隐私保护的环境。在控制条件下，一个公民交易的平均注册时间约为42 ms，而100个并发公民交易的验证和结果编译大约需要2.4 s。该研究成果为实现智慧城市提供了新思路，但仍然存在场景设置过于理想化的问题。

7）智能工业。

文献［26］中提出了基于区块链和边缘计算的工业信息物理系统，该系统将智能物理机器的能力与实时数据分析相结合，以实现更好的系统效率和更快的反应。

8）开放制造。

文献［27］中提出了一个跨企业框架，实现了制造生态系统中高层次的、开放的、可控的知识和服务共享的系统，支持知识和服务的交换，满足制造生态系统的安全和分布式需求。

目前，结合了计算卸载和区块链技术的系统在各类物联网场景中研究较多，因此，本文后续分析均基于物联网场景。

1.2　结合计算卸载和区块链技术的系统功能

计算卸载和区块链技术结合的网络系统模型可表示为3层结构，这种架构形式在目前的文献中较为常见［28-33］，通常称为端‒边‒云或边‒雾‒云的架构。

文献［14，34-35］中提出了区块链与计算卸载融合系统，将系统的网络模型分为两层，底层为边缘卸载系统，上层为区块链系统，其中，边缘卸载系统包含移动终端设备和边缘服务器。终端设备将计算任务卸载至边缘服务器，边缘服务器除了为移动终端设备提供计算资源，还可作为区块链全节点，构建区块链网络。文献［14］中的边缘层设置了中心权威机构以分配密钥和证书。

区块链计算卸载融合系统也可分为4层［36］，自下而上依次为用户设备层、分布式单元层（基站）、边缘节点层和中心网络层；或根据功能分为物联网设备层、用户订阅层、边缘计算层和云层［37］。在用户订阅层，每个数据服务的订阅者可以控制多台物联网设备，将设备原始数据过滤后发送至边缘计算层进行计算，既保护了物联网设备的数据隐私，也加快了计算任务的执行速度。

上述文献对系统功能阐述不够详细，特别是区块链系统中的节点功能描述较粗略。本文设计了计算卸载和区块链技术结合的3层网络系统模型，分别为设备层、边缘层和云层，如图1所示。下文将分别从物联网移动设备在区块链系统中充当的角色和任务卸载过程进行阐述。

1.2.1区块链系统中的节点角色

在物联网移动设备组成的公共区块链网络（Public Blockchain Network， PBN）中，由于部分设备资源有限，节点需要根据实际情况选择充当不同的区块链角色［30］。例如，不存储账本，或只存储部分账本；不参与挖矿过程，或将挖矿过程卸载至其他设备、边缘服务器。因此，区块链节点可以分为两类：一是区块链用户节点，二是全节点。区块链用户节点仅参与交易过程，而全节点产生区块，参与共识过程，存储全部账本。在设备层中，部分资源充足的设备充当全节点角色，如图1中的智能汽车、笔记本电脑、台式机节点，即参与区块链从区块产生到上链的全过程，保存完整的账本；部分资源受限的节点将共识过程中的挖矿任务卸载至其他设备或边缘服务器处理；剩余节点充当区块链用户节点。边缘层包含各类边缘服务器，如RSU、BS等，边缘服务器以全节点的身份参与区块链系统。

1.2.2用户任务卸载过程

物联网移动设备既可以充当计算卸载系统的资源使用者，也可以充当资源的提供者。当用户有卸载需求时（如用户数据处理任务或区块链共识任务），可以根据任务的属性（如数据量大小、能容忍的最小时延、所需算力资源等）和周围的环境信息（如周围设备剩余资源情况、可用网络带宽、可访问的边缘服务器等），作出最优的卸载决策（如是否卸载？卸载至何处？卸载多少？）。为了保障卸载系统的鲁棒性和可扩展性，可将任务卸载至设备层有剩余资源的用户，也可卸载至边缘服务器，边缘服务器之间通过有线链路连接，以实现负载均衡。若边缘服务器无法满足用户的需求，可将任务卸载至云层进行计算。服务器完成任务的计算后，将计算结果回传至卸载用户。

图1　计算卸载和区块链结合系统的网络结构

2 计算卸载系统中的区块链技术

有线网络中的区块链技术以牺牲算力和存储为代价，实现去中心化的结构、数据不可篡改等特性，取得了巨大的成功。然而，在无线移动网络环境中，由于节点资源有限，限制了该技术的广泛应用。计算卸载技术的出现弥补了物联网移动设备资源不足的问题，促进了区块链技术在无线网络环境中的发展。

2.1　区块链技术解决的主要问题

区块链技术最初被用来解决数字货币流通中的隐私保护和数据篡改等安全类问题，比特币中设计的奖励机制可用于解决物联网设备中的资源交易问题，以太坊的出现进一步拓展了区块链技术。以太坊可以被视为一个去中心化的虚拟机，它能自动执行程序化的智能合约，实现各类预定义的规则，可用于计算卸载中任务和服务的自动匹配。因此，为了更细致地研究区块链技术在MEC系统中的作用，分类如下：1）解决MEC系统中的各类安全问题；2）利用区块链系统中的奖励机制实现MEC中的资源分配；3）基于区块链的智能合约实现MEC系统的自组织功能。这种分类方法有助于研究人员细化目标，针对具体问题设计区块链系统，从而攻破瓶颈问题。

2.1.1安全类问题

为了保护边缘服务器的安全，使它能够拒绝恶意用户的非法卸载请求，可使用区块链技术识别移动节点的身份［25］，移动节点只有通过基于区块链访问控制机制的审查后，才可以将它的计算任务卸载到云端或边缘服务器，保证了服务器的访问安全［13］。在任务卸载之前，通过区块链技术验证服务请求者和服务提供者的服务等级协议，实现按需访问［38］。为了保证共识任务卸载过程中的用户隐私安全，可以将矿工和服务提供商之间的交互过程建模为私有信息下的随机Stackelberg博弈，用户只根据服务价格决策自己的行为，而不观察其他用户的行为，保证了其他用户的隐私安全［39］。在PBN中，当使用代理挖掘和云挖掘方法解决移动设备算力不足的问题时，可以通过竞争挖掘的方式排除可疑节点［40］。由于设备的移动性，在任务执行过程中，当设备离开卸载服务器的通信范围时，可能面临迁移的问题，文献［15］中设计了基于移动感知的卸载技术，通过引入区块链技术，保证用户卸载迁移过程中的数据安全。为了促进将隐私嵌入其中的物联网设备及与边缘服务器之间的通信安全，可在物联网边缘计算环境中设计区块链模块化联盟架构［41］，单一用例设备被组合成私有区块链或侧链，再以模块化的方式连接到联盟网络，侧链网络负责维护物联网数据操作安全日志，联盟网络负责记录物联网数据的传入访问请求，保证系统的整体安全。

以上研究成果从用户身份识别、区块链中的数据安全、用户的隐私保护等方面，提出了物联网计算卸载过程中的安全问题解决方案；然而攻击者仍然可以通过分析交易数据的关联性、用户的行为习惯等，获取交易信息和用户的隐私信息，降低区块链网络的安全性，这是目前研究的难点问题。

2.1.2资源分配方法问题

区块链系统为了鼓励参与节点贡献自身资源以达到账本共识的目的，设计了各种激励机制，这些机制同样可用于激励计算卸载系统中的资源拥有者。计算卸载系统以个体用户或系统整体奖励最大化为目的，通过优化方法得到最优的资源分配策略［33，42］。目前较流行的优化方法是基于深度强化学习的方法，文献［42］中采用该方法，以信噪比、区块链难度值标识网络状态，用户和服务器的卸载关系作为网络动作，用户可以获取的收益作为网络奖励建立学习模型，得到资源分配策略。边缘计算和PBN环境下的资源分配问题也可以建模为博弈论问题，如联盟博弈［28］、Stackelberg博弈［43］等。其中：文献［28］中以系统效用最大化为目标组建联盟博弈，将一定范围内的移动设备相互连接，形成一个类似矿池的协同挖掘网络，联合挖矿，获取奖励，再对移动设备按比例分成；文献［43］中将服务器资源管理过程描述为两阶段Stackelberg博弈，即定价过程和选择购买过程，将定价过程分为统一定价和歧视性定价两种方式，实验结果展示了不同定价方式的优势。

区块链中的奖励机制能在一定程度上激励资源拥有者积极参与卸载任务的执行；然而这种奖励方式使用范围有限，对任务种类存在限制等，使得计算卸载过程仍然面临节点参与度不高的问题。

2.1.3卸载的自组织问题

以太坊中的智能合约能够实现各类预定义的规则，可用于计算卸载中任务和服务的自动匹配。为了优化MEC和区块链联合系统的性能，文献［44］中提出了自组织计算任务执行的共识协议，使用智能合约验证和处理交易，实现自适应的资源分配。研究人员利用智能合约中的预定义规则，通过权衡时延、能耗等计算卸载代价，实现服务请求者和服务提供者的匹配［45-46］。针对卸载系统的冷启动和长返回问题，文献［31］中设计了能自动执行计算资源交易和货币借贷过程的智能合约，通过向边缘节点提供贷款服务启动卸载过程。也可以在计算卸载系统中构建虚拟货币，实现去中心化的卸载生态系统，通过奖惩机制，实现合作传输数据［24］，隔离自私节点［47］等功能。卸载自组织的实现能够极大降低任务卸载成本，逐渐成为计算卸载领域的研究热点，目前针对此方向的研究成果较少，且缺乏具体的可行性验证方案。

2.2　区块链中的关键技术

2.2.1共识算法

为了保障物联网移动设备的安全，通常组建PBN，参与网络数据传输的设备作为PBN节点，将设备之间的数据交互行为、服务的提供和使用行为记录在区块中。计算卸载系统中的区块链经常使用安全性最高的PoW共识算法［48-50］，但PoW共识算法对算力要求较高，且随着接入设备的数量剧增，达成共识所需的算力要求越来越高［51］，因此，研究人员设计了各种轻量级的共识算法，以减轻设备的算力需求。BFT和PoS［36］是两种较常用的算法，但是BFT存在扩展性差和系统节点固定的问题，PoS也存在中心化倾向和效率低的问题。针对BFT的改进算法有实用BFT（Practice BFT， PBFT）、冗余BFT（Redundant BFT， RBFT）和代理BFT（delegate BFT， dBFT）［52］等，其中RBFT在PBFT进行区块共识之前加入交易验证信息，保证了交易请求者和交易信息的真实性［13］。针对PoS的改进算法有代理权益证明算法（Delegate PoS， DPoS）［53］、DPoS-PBFT结合的算法［34-44］等。其他共识算法如PoU［14］、PoC［15］、基于回声时延对区块链中的节点分簇、以簇的形式达成共识的算法BCBPT（Bitcoin Clustering Based Ping Tim）［28，54］等，均能在一定程度上降低共识所需的算力资源。

共识算法是区块链中核心技术之一，决定了区块链系统的性能及安全性。在实际使用中，性能和安全性不可兼得。研究人员需从出块节点选举机制和主链共识方法两个步骤，根据具体应用场景权衡，并针对最新攻击方式展开研究。

2.2.2区块链的存储可扩展性

在区块链系统中，节点存储完整的区块链数据，通过高冗余增强数据的公开性和透明性，有效保障了区块链的数据安全［55］，但大部分物联网移动设备存储资源有限，无法胜任存储PBN完整账本的任务（例如，截至目前，比特币账本的大小大约为340 GB，超出了大部分移动设备的存储能力）。很多学者致力于研究区块链存储的可扩展性［56-58］，提出了各种方法应对物联网移动设备资源不足的问题。其中，计算卸载系统中的区块链技术采用了几种有代表性的账本存储方案：一是基站作为计算卸载的管理机构［12］，接收用户的卸载请求，将任务卸载到合适的雾节点（提供计算资源的车辆），监督卸载任务的执行，验证卸载结果，对卸载双方进行奖惩。一般地，基站可由注册机构组件、计算组件和存储组件这3个模块组成，注册机构组件负责为车辆分配数字证书，计算组件负责设计和执行智能合约、区块链账本的共识，而账本存储在存储组件中，其他节点无须存储完整的交易账本。二是边缘服务器组成的矿工节点存储完整账本。由于物联网移动设备存储资源有限［29，31，34］，可以只存储部分账本，例如只存储最新生成的若干个区块。三是账本存储在云服务器、边缘节点和有较多计算和存储资源的物联网设备（如电脑）中［30］，其他节点不存储账本。

孙知信等［59］详细地总结了区块链存储的可扩展性，将解决方案分为链上存储和链下存储两类，并剖析了两类方法的原理与思路，为融合系统中区块链账本的存储问题提供了可供选择的解决方案。

3 区块链系统中的计算卸载技术

计算卸载技术作为一种新的计算范式，引起了国内外学者的广泛关注。较多文献较为全面地总结了卸载策略中的关键技术，但是区块链系统中的计算卸载技术，由于它的计算卸载任务不同、制定卸载决策时需考虑的因素不同，造成了卸载决策的制定方式、卸载策略的优化目标及优化算法不同，下文分别进行讨论。

3.1　卸载决策的制定方式

根据不同的标准，卸载方式可以分为集中式和分布式、在线和离线方式、基于单个时间片的决策和基于长期的决策。其中：分布式决策的制定者一般是终端设备，终端设备收集决策相关的各类信息，如计算任务的数据量、容忍的最大延迟、设备自身算力、边缘服务器算力、网络带宽资源等，并据此制定决策方案；集中式决策由中央决策单元收集以上信息，作出决策并将决策结果分发给终端设备。集中式和分布式的选择，需根据终端设备拥有的资源量决定。离线方式，即在计算开始之前已知所有输入数据，该方式适合计算量较大、计算时间长的应用场景；在线方式在开始计算之前并不需要知道所有输入数据，可以边计算边收集，相比而言，该方式适合运行时间短、计算量小的应用场景。如基于机器学习算法的模型训练，可采用离线方式提前训练模型，决策时根据收集的实时数据计算。基于单个时间片的决策即系统根据某一时刻收集的数据和此刻的优化目标，制定卸载决策；而基于长期的决策，以系统长期的收益为目标制定卸载决策。

近年来，研究人员对各种卸载决策方式进行了深入的研究，取得了一定的进展。在具体应用中，需根据场景需求，选择不同的决策方式，以最低的成本获得最大的收益。

3.2　卸载策略的优化目标

卸载目标的制定和优化是计算卸载研究中的关键问题。移动用户计算任务的卸载过程受到很多因素，如用户的移动轨迹、服务请求设备的性能、任务的分布情况、无线网络状况等的影响。为了激励有剩余资源的节点积极参与计算卸载服务，文献［47，60］中提出了基于经济收益的激励机制，以用户的收益最大化为卸载系统的优化目标。引入区块链技术后，制定卸载决策时，需考虑区块链系统的相关性能，如挖矿过程所需的算力、区块链系统的吞吐量、节点通过挖矿产生新区块能够获得的奖励等。因此，融合了区块链技术的计算卸载系统优化目标可分为以下3类：

1）以计算卸载系统的时延和能耗最小化为优化目标，卸载任务包含了用户的计算任务和区块链的共识任务。文献［9，12］中以用户的计算任务和区块链的共识任务作为卸载任务，以时延和能耗最小化为优化目标。其中，文献［9］中设计了一个多智能体、层次化且加入了专家系统的深度强化学习框架，解决传统深度强化学习算法存在的收敛慢、缺乏鲁棒性、性能不稳定等问题。文献［12］中利用区块链和智能合约技术构建了保障隐私和公平的任务卸载框架，同时设计了基于主观逻辑的信任度量化任务成功卸载的概率，减少了任务卸载至恶意边缘服务器的可能，实现了在保证隐私、公平和安全的同时，最小化任务卸载延迟、排队延迟和服务切换成本的卸载决策。

2）以区块链系统的吞吐量或平均区块产生时间制定优化目标。文献［18］中为了加快系统产生区块的速度，可将共识过程卸载至周边用户或边缘服务器，系统以提高区块链系统的吞吐量、降低系统时延为目的，优化卸载过程；文献［34］中基于异构处理器资源和网络资源的用户效用函数和区块链系统中区块的生成效率最大化作为系统优化目标；文献［44］中以最大化区块链系统的吞吐量和用户的服务质量为优化目标；文献［52］中的优化目标是使卸载系统的计算速率和区块链系统的交易吞吐量最大化；文献［61］中以最小化卸载系统的能耗和区块链系统生成块的时间为优化目标。

3）使用区块链的激励机制调动资源提供者的积极性，从而形成一个交易系统，以该交易系统中单个用户或全体用户的利益最大化为目标。文献［23］中提出在电子商务场景下使用区块链技术，将共识过程卸载至边缘服务器，以服务提供商的收益最大化和成本最小化作为优化目标，制定卸载策略；文献［29］中的优化目标融合了单个设备的收益最大化和系统总体收益的最大化；文献［31］中将联合卸载问题表述为一个非合作博弈，以模拟移动设备之间的竞争关系，优化目标是最小化每个移动设备在计算时间、能量和数字货币方面的成本，通过共识过程最大化产生区块获得的收益，实现每个移动设备的利润最大化。

目前，卸载策略优化目标的设置尚无统一标准，使得不同系统之间的对比较为复杂，后续研究可为不同行业制定特定优化目标，促进卸载策略优化算法的更快更好的发展。

3.3　卸载策略的优化算法

制定卸载策略即根据不同的优化目标，为卸载任务选择卸载服务器，制定资源分配方案，可建模为混合整数非线性规划问题（Mixed Integer NonLinear Programming， MINLP），这类问题通常较难求解。目前，国内外学者尝试采用各种方法解决该问题，文献［62］中总结了车联网边缘计算卸载技术优化算法，本文在此基础上进行改进和扩充，归纳为强化学习类方法、启发式算法、博弈论方法和数学类方法。

3.3.1强化学习类方法

在移动物联网环境下，制定卸载决策时需要考虑资源供给的不确定性、任务的不可预测性和无线信道的不稳定性，强化学习擅长将许多复杂的环境因素抽象为映射问题，并从中进行策略学习，因此成为解决该类问题的首选方法。但是面对高度复杂的移动物联网环境，强化学习也面临高维状态空间和动作空间带来的收敛速度慢等问题，因此学者们提出了各种改进的强化学习方法，例如，文献［35］中通过在深度强化学习模型中引入自适应GA提高收敛速度。文献［9］中设计了一个基于多智能体深度强化学习的卸载决策框架，并引入联盟学习提高收敛速度，提高系统的鲁棒性。文献［13，32，44］中扩展了深度强化学习中的DQN （Deep Q-Network）算法。文献［18，52］中利用A3C（Asynchronous Advantage Actor-Critic）算法提高计算卸载决策的速度和可靠性。但是，面对复杂的、动态的、连续的环境变化，强化学习方法仍然面临诸多挑战，如随着用户数的急剧增加而产生的维数灾难问题、强化学习模型的训练时间过长需要较多的训练数据，以及如何在强化学习框架中更好地表示卸载决策的状态空间、动作空间以及奖励函数的问题等。

3.3.2启发式算法

启发式算法以仿自然体算法为主，主要有PSO、ABC、GA和SA等，这类算法能在可接受的计算成本内搜寻最优解，经常被用于求解复杂场景中的优化问题。文献［36］中将非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm， NSGA-Ⅲ）和简单加性加权及多准则决策方法结合以求得最优卸载策略，文献［63］中使用SA算法求解最优决策，文献［23］中对比多种启发式算法在求解最优卸载策略的性能。这类算法通常需要在成本和收益之间折中，为了节省成本，可在算法中加入专家知识，帮助算法更快地收敛。

3.3.3博弈论方法

卸载决策问题即卸载系统的资源分配问题。由于网络资源和计算资源的短缺，终端用户之间需要竞争资源的使用权，故经常将该问题描述为一个非合作博弈过程，通过求解如何高效地达到纳什均衡状态而得到资源的分配方案［29，31］。也可以建模为Stackelberg博弈模型［49］，通过双向公开竞价的方式优化资源分配。基于博弈论的资源分配方式适用于静态场景或动态场景下的瞬时决策场景，而在移动物联网动态变化的场景下，若在每个时刻通过计算获取当前时刻的最优解，会对系统造成较大的计算负担，且不一定能获得长期最优策略。

3.3.4数学类方法

MINLP直接求解难度较大，因此，可以首先简化、松弛、解耦复杂问题，将问题转换为可解问题后再求解。如文献［34］中将卸载问题解耦为处理器调度问题和资源分配问题，使用拉格朗日对偶理论求解；文献［33，48］中使用交替方向乘子法求解问题。另外，为了兼顾系统的稳定性和长期收益，也可使用Lyapunov优化方法获得最优方案［30］。这类方法由于模型固化、不能主动适应环境，只能用于解决特定场景下的特定问题，在可扩展性方面存在较大的局限性。

4 存在的问题及未来研究方向

将计算卸载技术和区块链技术融入物联网场景，有助于解决物联网中移动设备性能不足的问题和泛在接入网的安全问题，加速“万物互联”时代的到来，二者的融合研究前景广阔。目前针对计算卸载技术和区块链技术的研究不断突破它们各自的技术瓶颈问题，但二者的结合大多停留在表面。为了更好地推动二者的融合发展，本文总结了当前存在的主要问题及未来的研究方向。

1）现有的计算卸载技术和区块链技术在物联网中结合的研究大都只针对各自领域的关键技术，如卸载的决策问题、区块链的共识算法问题，缺少深层次的研究，如将区块链的共识任务和用户的数据处理任务等同对待进行任务卸载、将物联网设备采集到的环境数据和边缘服务器的资源交易记录等同对待存储到区块链中。然而，这两者之间有本质的区别：首先，区块链的共识任务和用户数据处理任务的紧急程度、任务属性、任务计算方式不同；其次，边缘服务器需要处理的环境感知数据和资源的交易记录数据无论是从数据内容还是数据量都相差甚远；再者，不同的用户和设备对系统的QoS要求不同，如更注重时延、更注重能耗或更注重数据安全等；最后，物联网移动环境中接入设备数量多、差异大，边缘资源分布不均匀。因此，在未来的研究中，必须针对具体的场景和用户需求、不同的任务属性，设计符合实际场景的系统模型，试图建立通用的模型势必引起系统过于复杂，从而使模型性能无法满足实时性的需求。例如，可以尝试设计复杂性较低的、适用于轻量级的区块链节点设备的卸载决策方案，减小制定卸载决策的算力和时延需求等。

2）将区块链技术引入物联网中，构建物联网PBN系统，以约束参与系统资源交易的设备行为，再利用计算卸载技术，使不具备共识能力的节点，将共识任务卸载至边缘服务器，从而加入PBN系统。节点数量的增多，提高了恶意节点篡改数据的难度，增强了PBN系统的安全性，最终营造出一个安全可信的物联网交互环境。然而，引入了计算卸载技术和区块链技术的物联网系统，仍然面临来自PBN系统外部节点的威胁，如窃听无线信道中传输的信息、根据数据传输模式推断用户所在的位置和使用习惯等隐私信息［64］。目前，结合了计算卸载技术和区块链技术的系统针对该类安全问题研究较少。文献［32］中将任务卸载的时延和能耗、用户隐私保护级别和矿工利润最大化作为联合优化问题，以最小化长期系统卸载代价、最大化所有区块链用户的隐私级别为目标，为这类安全问题提供了一种解决思路；但文献中考虑的安全问题形式较单一，用户的隐私级别定义不够完善。未来对这类安全问题应进行更细致深入的研究。

3）区块链的可扩展性是PBN系统研究中的难点。结合计算卸载技术和区块链技术的物联网系统大多以牺牲可扩展性来满足移动设备的安全性和分布式需求，这将会对系统性能造成严重的影响。未来可以考虑从区块链的交易验证、共识算法、账本存储等方面着手，解决区块链的可扩展性问题，如通过存储与区块链大小无关的少量数据完成验证、存储压缩区块链以节省存储容量、以树的形式存储区块、定期对账户树进行修剪、删除无用树枝等方法，都可作为未来的发展方向深入研究。

4）如何激励有剩余资源的边缘节点贡献自己的力量仍然是目前需要细化研究的问题。在现有大部分研究中，均默认边缘服务节点会主动参与计算卸载，然而实际情况中，由于边缘设备所属权不同，各个设备的所有者从节省自身能耗的目的出发，不愿意无私地贡献自己的算力资源或存储资源［65］。为了解决这类问题，需要从计算卸载全生命周期对它本身产生的影响出发，确定哪些节点是自私节点，如何检测自私节点，什么样的激励机制对减少自私节点更有用，还需深入分析节点计算能力和通信能力的评估方法，确定自适应的奖惩策略和任务调度算法对它制定激励机制。

5 结语

本文总结了物联网中计算卸载和区块链技术结合研究的现状，分析了二者结合的可行性和必要性，提出了融合系统研究的广阔前景。首先，归纳了计算卸载和区块链技术结合使用的场景，将本文的讨论范围限定于物联网中计算卸载和区块链技术的结合。对比了物联网中二者结合的各种网络架构，提出了包含“端‒边‒云”的3层结构，并分析了这种架构中各种设备担任的区块链节点角色和计算卸载功能的实现过程。其次，从区块链技术融入物联网计算卸载系统的角度，将区块链技术在其中能够解决的问题分为安全类问题、资源分配方法类问题和卸载系统的自组织类问题，总结了区块链中的关键技术。再从计算卸载技术融入物联网区块链系统的角度，分析了不同计算卸载策略的制定方式、优化目标和优化算法的使用场景和存在的缺陷。最后，分析了物联网中区块链技术和计算卸载技术结合研究存在的挑战及未来的发展方向。

[1] JIAO L， FRIEDMAN R， FU X， et al. Cloud-based computation offloading for mobile devices： state of the art， challenges and opportunities［C］// Proceedings of the 2013 Future Network and Mobile Summit. Piscataway： IEEE， 2013： 1-11.

[2] FLORES H， HUI P， TARKOMA S， et al. Mobile code offloading： from concept to practice and beyond［J］. IEEE Communications Magazine， 2015， 53（3）：80-88.

[3] DANZI P， KALØR A E， STEFANOVIĆČ， et al. Delay and communication tradeoffs for blockchain systems with lightweight IoT clients［J］. IEEE Internet of Things Journal， 2019， 6（2）： 2354-2365.

[4] XU J， CHEN L X， LIU K， et al. Designing security-aware incentives for computation offloading via device-to-device communication［J］. IEEE Transactions on Wireless Communications， 2018， 17（9）： 6053-6066.

[5] JIAO Y， WANG P， NIYATO D， et al. Auction mechanisms in cloud/fog computing resource allocation for public blockchain networks［J］. IEEE Transactions on Parallel and Distributed Systems， 2019， 30（9）： 1975-1989.

[6] NAKAMOTO S. Bitcoin： a peer-to-peer electronic cash system［EB/OL］. ［2022-07-12］.https：//bitcoin.org/bitcoin.pdf.

[7] WOOD G. Ethereum： a secure decentralized generalized transaction ledger［EB/OL］. ［2022-07-12］.https：//ethereum.github.io/yellowpaper/paper.pdf.

[8] MINOLI D， OCCHIOGROSSO B. Blockchain mechanisms for IoT security［J］. Internet of Things， 2018， 1/2： 1-13.

[9] LI Z， XU M， NIE J， et al. NOMA-enabled cooperative computation offloading for blockchain-empowered internet of things： a learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2364-2378.

[10] SAMANIEGO M， DETERS R. Virtual resources & blockchain for configuration management in IoT［J］. Journal of Ubiquitous Systems and Pervasive Networks， 2017， 9（2）： 1-13.

[11] YANG R， YU F R， SI P， et al. Integrated blockchain and edge computing systems： a survey， some research issues and challenges［J］. IEEE Communications Surveys and Tutorials， 2019， 21（2）： 1508-1532.

[12] LIAO H， MU Y， ZHOU Z， et al. Blockchain and learning-based secure and intelligent task offloading for vehicular fog computing［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4051-4063.

[13] ZHENG X， LI M， CHEN Y， et al. Blockchain-based secure computation offloading in vehicular networks［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4073-4087.

[14] DAI Y， XU D， ZHANG K， et al. Deep reinforcement learning and permissioned blockchain for content caching in vehicular edge computing and networks［J］. IEEE Transactions on Vehicular Technology， 2020， 69（4）： 4312-4324.

[15] LAKHAN A， AHMAD M， BILAL M， et al. Mobility aware blockchain enabled offloading and scheduling in vehicular fog cloud computing［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 22（7）： 4212-4223.

[16] CUI L， CHEN Z， YANG S， et al. A blockchain-based containerized edge computing platform for the internet of vehicles［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2395-2408.

[17] LI M， ZHU L， LIN X. Efficient and privacy-preserving carpooling using blockchain-assisted vehicular fog computing［J］. IEEE Internet of Things Journal， 2019， 6（3）： 4573-4584.

[18] XU S， LIAO B， YANG C， et al. Deep reinforcement learning assisted edge-terminal collaborative offloading algorithm of blockchain computing tasks for energy internet［J］. International Journal of Electrical Power and Energy Systems， 2021， 131： No.107022.

[19] GAI K， WU Y， ZHU L， et al. Permissioned blockchain and edge computing empowered privacy-preserving smart grid networks［J］. IEEE Internet of Things Journal， 2019， 6（5）： 7992-8004.

[20] WANG J， WU L， CHOO K K R， et al. Blockchain-based anonymous authentication with key management for smart grid edge computing infrastructure［J］. IEEE Transactions on Industrial Informatics， 2020， 16（3）： 1984-1992.

[21] RAHMAN M A， HOSSAIN M S， LOUKAS G， et al. Blockchain-based mobile edge computing framework for secure therapy applications［J］. IEEE Access， 2018， 6： 72469-72478.

[22] ISLAM N， FAHEEM Y， UD DIN I， et al. A blockchain-based fog computing framework for activity recognition as an application to e-Healthcare services［J］. Future Generation Computer Systems， 2019， 100： 569-578.

[23] DENG S， CHENG G， ZHAO H， et al. Incentive-driven computation offloading in blockchain-enabled e-commerce［J］. ACM Transactions on Internet Technology， 2021， 21（1）： No.9.

[24] CHEN W， ZHANG Z， HONG Z， et al. Cooperative and distributed computation offloading for blockchain-empowered industrial internet of things［J］. IEEE Internet of Things Journal， 2019， 6（5）： 8433-8446.

[25] KHAN Z， ABBASI A G， PERVEZ Z. Blockchain and edge computing-based architecture for participatory smart city applications［J］. Concurrency and Computation： Practice and Experience， 2020， 32（12）： No.e5566.

[26] BOUACHIR O， ALOQAILY M， TSENG L， et al. Blockchain and fog computing for cyberphysical systems： the case of smart industry［J］. Computer， 2020， 53（9）： 36-45.

[27] LIU L， FENG J， PEI Q， et al. Blockchain-enabled secure data sharing scheme in mobile-edge computing： an asynchronous advantage actor-critic learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2342-2353.

[28] TANG W， ZHAO X， RAFIQUE W， et al. A blockchain-based offloading approach in fog computing environment［C］// Proceedings of the 2018 IEEE International Conference on Parallel and Distributed Processing with Applications/ Ubiquitous Computing and Communications/ Big Data and Cloud Computing/ Social Computing and Networking/ Sustainable Computing and Communications. Piscataway： IEEE， 2018： 308-315.

[29] ZHAO N， WU H， CHEN Y. Coalition game-based computation resource allocation for wireless blockchain networks［J］. IEEE Internet of Things Journal， 2019， 6（5）： 8507-8518.

[30] WU H， WOLTER K， JIAO P， et al. EEDTO： an energy-efficient dynamic task offloading algorithm for blockchain-enabled IoT-edge-cloud orchestrated computing［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2163-2176.

[31] ZHANG Z， HONG Z， CHEN W， et al. Joint computation offloading and coin loaning for blockchain-empowered mobile-edge computing［J］. IEEE Internet of Things Journal， 2019， 6（6）： 9934-9950.

[32] NGUYEN D C， PATHIRANA P N， DING M， et al. Privacy-preserved task offloading in mobile blockchain with deep reinforcement learning［J］. IEEE Transactions on Network and Service Management， 2020， 17（4）： 2536-2549.

[33] LIU M， YU F R， TENG Y， et al. Distributed resource allocation in blockchain-based video streaming systems with mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2019， 18（1）： 695-708.

[34] 张平，李世林，刘宜明，等. 区块链赋能的边缘异构计算系统中资源调度研究［J］. 通信学报， 2020， 41（10）：1-14.（ZHANG P， LI S L， LIU Y M， et al. Resource management in blockchain-enabled heterogeneous edge computing system［J］. Journal on Communications， 2020， 41（10）： 1-14.）

[35] QIU X， LIU L， CHEN W， et al. Online deep reinforcement learning for computation offloading in blockchain-empowered mobile edge computing［J］. IEEE Transactions on Vehicular Technology， 2019， 68（8）： 8050-8062.

[36] XU X， CHEN Y， ZHANG X， et al. A blockchain-based computation offloading method for edge computing in 5G networks［J］. Software： Practice and Experience， 2021， 51（10）： 2015-2032.

[37] HE Y， WANG Y， QIU C， et al. Blockchain-based edge computing resource allocation in IoT： a deep reinforcement learning approach［J］. IEEE Internet of Things Journal， 2021， 8（4）： 2226-2237.

[38] SHARMA P K， CHEN M Y， PARK J H. A software defined fog node based distributed blockchain cloud architecture for IoT［J］. IEEE Access， 2018， 6： 115-124.

[39] ASHERALIEVA A， NIYATO D. Learning-based mobile edge computing resource management to support public blockchain networks［J］. IEEE Transactions on Mobile Computing， 2021， 20（3）： 1092-1109.

[40] QIU C， YAO H， JIANG C， et al. Cloud computing assisted blockchain-enabled internet of things［J］. IEEE Transactions on Cloud Computing， 2022， 10（1）： 245-257.

[41] ALI M S， DOLUI K， ANTONELLI F. IoT data privacy via blockchains and IPFS［C］// Proceedings of the 7th International Conference on the Internet of Things. New York： ACM， 2017： No. 14.

[42] 林邦. 区块链网络中边缘计算资源分配机制与优化［D］. 北京：北京邮电大学， 2020： 9-32.（LIN B. Resource allocation mechanism and optimization of mobile edge computing in blockchain networks［D］. Beijing： Beijing University of Posts and Telecommunications， 2020： 9-32.）

[43] XIONG Z， FENG S， WANG W， et al. Cloud/fog computing resource management and pricing for blockchain networks［J］. IEEE Internet of Things Journal， 2019， 6（3）： 4585-4600.

[44] GUO F， YU F R， ZHANG H， et al. Adaptive resource allocation in future wireless networks with blockchain and mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2020， 19（3）： 1689-1703.

[45] SENG S， LUO C， LI X， et al. User matching on blockchain for computation offloading in ultra-dense wireless networks［J］. IEEE Transactions on Network Science and Engineering， 2021， 8（2）： 1167-1177.

[46] XU J， WANG S， BHARGAVA B K， et al. A blockchain-enabled trustless crowd-intelligence ecosystem on mobile edge computing［J］. IEEE Transactions on Industrial Informatics， 2019， 15（6）： 3538-3547.

[47] CHATZOPOULOS D， AHMADI M， KOSTA S， et al. FlopCoin： a cryptocurrency for computation offloading［J］. IEEE Transactions on Mobile Computing， 2018， 17（5）： 1062-1075.

[48] LIU M， YU F R， TENG Y， et al. Computation offloading and content caching in wireless blockchain networks with mobile edge computing［J］. IEEE Transactions on Vehicular Technology， 2018， 67（11）： 11008-11021.

[49] GUO S， DAI Y， GUO S， et al. Blockchain meets edge computing： Stackelberg game and double auction based task offloading for mobile blockchain［J］. IEEE Transactions on Vehicular Technology， 2020， 69（5）： 5549-5561.

[50] DOU W， TANG W， LIU B， et al. Blockchain-based mobility-aware offloading mechanism for fog computing services［J］. Computer Communications， 2020， 164： 261-273.

[51] 史锦山，李茹. 物联网下的区块链访问控制综述［J］. 软件学报， 2019， 30（6）： 1632-1648.（SHI J S， LI R. Survey of blockchain access control in internet of things［J］. Journal of Software， 2019， 30（6）：1632-1648.）

[52] FENG J， YU F R， PEI Q， et al. Cooperative computation offloading and resource allocation for blockchain-enabled mobile-edge computing： a deep reinforcement learning approach［J］. IEEE Internet of Things Journal， 2020， 7（7）： 6214-6228.

[53] FENG J， YU F R， PEI Q， et al. Joint optimization of radio and computational resources allocation in blockchain-enabled mobile edge computing systems［J］. IEEE Transactions on Wireless Communications， 2020， 19（6）： 4321-4334.

[54] SALLAL M F， OWENSON G， ADDA M. Proximity awareness approach to enhance propagation delay on the Bitcoin peer-to-peer network［C］// Proceedings of the 37th International Conference on Distributed Computing Systems. Piscataway： IEEE， 2017： 2411-2416.

[55] 贾大宇，信俊昌，王之琼，等. 存储容量可扩展区块链系统的高效查询模型［J］. 软件学报， 2019， 30（9）：2655-2670.（JIA D Y， XIN J C， WANG Z Q， et al. Efficient query model for storage capacity scalable blockchain system［J］. Journal of Software， 2019， 30（9）：2655-2670.）

[56] WANG X， ZHA X， NI W， et al. Survey on blockchain for internet of things［J］. Computer Communications， 2019， 136： 10-29.

[57] WANG Q， WANG H， ZHENG B. An efficient distributed storage strategy for blockchain［C］// Proceedings of the 2019 ACM Turing Celebration Conference - China. New York： ACM， 2019： No.54.

[58] LI R， SONG T， MEI B， et al. Blockchain for large-scale internet of things data storage and protection［J］. IEEE Transactions on Services Computing， 2019， 12（5）：762-771.

[59] 孙知信，张鑫，相峰，等. 区块链存储可扩展性研究进展［J］. 软件学报， 2021， 32（1）：1-20.（SUN Z X， ZHANG X， XIANG F， et al. Survey of storage scalability on blockchain［J］. Journal of Software， 2021， 32（1）：1-20.）

[60] LI G， CAI J. An online incentive mechanism for collaborative task offloading in mobile edge computing［J］. IEEE Transactions on Wireless Communications， 2020， 19（1）： 624-636.

[61] XU X， ZHANG X， GAO H， et al. BeCome： blockchain-enabled computation offloading for IoT in mobile edge computing［J］. IEEE Transactions on Industrial Informatics， 2020， 16（6）： 4187-4195.

[62] 李智勇，王琦，陈一凡，等. 车辆边缘计算环境下任务卸载研究综述［J］. 计算机学报， 2021， 44（5）：963-982.（LI Z Y， WANG Q， CHEN Y F， et al. A survey on task offloading research in vehicular edge computing［J］. Chinese Journal of Computers， 2021， 44（5）：963-982.）

[63] 刘通，唐伦，何小强，等. 融合区块链与雾计算系统中基于网络时延和资源管理的优化任务卸载方案［J］. 电子与信息学报， 2020， 42（9）： 2180-2185.（LIU T， TANG L， HE X Q， et al. Optimal task offloading scheme based on network delay and resource management in joint blockchain and fog computing system［J］. Journal of Electronics and Information Technology， 2020， 42（9）：2180-2185.）

[64] HE X， LIU J， JIN R， et al. Privacy-aware offloading in mobile-edge computing［C］// Proceedings of the 2017 IEEE Global Communications Conference. Piscataway： IEEE， 2017： 1-6.

[65] SHAN A， FAN X M， WU C， et al. Quantitative study on impact of static/dynamic selfishness on network performance in VANETs［J］. IEEE Access， 2021， 9： 13186-13197.

Survey on combination of computation offloading and blockchain in internet of things

MEN Rui1，2， FAN Shujia3， SHAN Axida1， DU Shaoyu1， FAN Xiumei1*

（1，’，’710048，；2，，745000，；3，，100084，）

With the recent development of mobile communication technology and the popularization of smart devices， the computation-intensive tasks of the terminal devices can be offloaded to edge servers to solve the problem of insufficient resources. However， the distributed nature of computation offloading technology exposes terminal devices and edge servers to security risks. And， blockchain technology can provide a safe environment transaction for the computation offloading system. The combination of the above two technologies can solve the insufficient resource and the security problems in internet of things. Therefore， the research results of applications combining computation offloading with blockchain technologies in internet of things were surveyed. Firstly， the application scenarios and system functions in the combination of computation offloading and blockchain technologies were analyzed. Then， the main problems solved by blockchain technology and the key techniques used in this technology were summarized in the computation offloading system. The formulation methods， optimization objectives and optimization algorithms of computation offloading strategies in the blockchain system were classified. Finally， the problems in the combination were provided， and the future directions of development in this area were prospected.

internet of things; computation offloading; resource management; offloading decision; blockchain; consensus algorithm

1001-9081（2023）10-3008-09

10.11772/j.issn.1001-9081.2022091466

2022⁃10⁃08；

2023⁃02⁃07；

科技部外国专家项目（G2022041009L）；陕西省重点研发计划项目（2021GY⁃072）；甘肃省教育厅高校科研创新项目（2020A⁃117）；内蒙古自治区自然科学基金资助项目（2022MS06007）；内蒙古自治区教育厅高校科研项目（NJZY22035）。

门瑞（1987—），女，甘肃宁县人，讲师，博士研究生，主要研究方向：车联网、边缘计算； 樊书嘉（1994—），女，北京人，博士研究生，主要研究方向：大数据、区块链、教育元宇宙应用； 阿喜达（1980—），男（蒙古族），内蒙古呼伦贝尔人，副教授，博士，主要研究方向：协作通信技术、激励机制； 杜邵昱（1999—），男，陕西蓝田人，硕士研究生，主要研究方向：车联网、区块链； 樊秀梅（1967—），女，山西山阴人，教授，博士，主要研究方向：多智能体协同控制、资源管理、边-雾计算。

TP391

A

2023⁃02⁃11。

This work is partially supported by Foreign Expert Project of Ministry of Science and Technology （G2022041009L）， Key Research and Development Program of Shaanxi Province （2021GY-072）， Scientific Research Innovation Project of Higher Education of Department of Education of Gansu Province （2020A-117）， Inner Mongolia Autonomous Region Natural Science Foundation （2022MS06007）， Scientific Research Project of Higher Education of Department of Education of Inner Mongolia Autonomous Region （NJZY22035）.

MEN Rui， born in 1987， Ph. D. candidate， lecturer. Her research interests include internet of vehicles， edge computing.

FAN Shujia， born in 1994， Ph. D. candidate. Her research interests include big data， blockchain， application of educational metaverse.

SHAN Axida， born in 1980， Ph. D.， associate professor. His research interests include collaborative communication technology， incentive mechanism.

DU Shaoyu， born in 1999， M. S. candidate. His research interests include internet of vehicles， blockchain.

FAN Xiumei， born in 1967， Ph. D.， professor. Her research interests include multi‑agent cooperative control， resource management， edge‑fog computing.