[论文解读] A Unified Blockchain-Semantic Framework for Wireless Edge Intelligence Enabled Web 3.0

Yijing Lin, Zhipeng Gao+5 more|arXiv (Cornell University)|Oct 27, 2022

Blockchain Technology Applications and Security被引用 8

一句话总结

该论文提出了一种面向Web 3.0的统一区块链-语义框架，通过基于Oracle的语义证明机制与自适应深度强化学习（DRL）驱动的分片技术，将语义计算从区块链中卸载，从而降低链上资源消耗，同时提升安全性和交互效率。该框架可动态调整分片配置以应对变化的语义工作负载，在不同网络条件下模拟中表现出更优的奖励性能。

ABSTRACT

Web 3.0 enables user-generated contents and user-selected authorities. With decentralized wireless edge computing architectures, Web 3.0 allows users to read, write, and own contents. A core technology that enables Web 3.0 goals is blockchain, which provides security services by recording content in a decentralized and transparent manner. However, the explosion of on-chain recorded contents and the fast-growing number of users cause increasingly unaffordable computing and storage resource consumption. A promising paradigm is to analyze the semantic information of contents that can convey precisely the desired meanings without consuming many resources. In this article, we propose a unified blockchain-semantic ecosystems framework for wireless edge intelligence-enabled Web 3.0. Our framework consists of six key components to exchange semantic demands. We then introduce an Oracle-based proof of semantic mechanism to implement on-chain and off-chain interactions of Web 3.0 ecosystems on semantic verification algorithms while maintaining service security. An adaptive Deep Reinforcement Learning-based sharding mechanism on Oracle is designed to improve interaction efficiency, which can facilitate Web 3.0 ecosystems to deal with varied semantic demands. Finally, a case study is presented to show that the proposed framework can dynamically adjust Oracle settings according to varied semantic demands.

研究动机与目标

• 解决基于区块链的Web 3.0系统中链上内容记录带来的高计算与存储成本问题。
• 通过语义分析而非原始数据传输，减少信息过载并提升交互效率。
• 实现区块链与语义生态系统之间安全、可扩展且自适应的链上与链下交互。
• 设计一种能根据波动的语义需求与网络状况自适应调整的动态分片机制。
• 将区块链与语义通信及无线边缘智能集成，构建去中心化、高效且安全的Web 3.0基础设施。

提出的方法

• 提出基于Oracle的语义证明机制，在链下验证语义内容的同时保持链上安全与透明性。
• 在Oracle上采用基于深度强化学习（DRL）的自适应分片机制，通过动态调整分片数量与消息大小来优化交互效率。
• 使用带有ReLU激活函数的两层全连接策略网络，训练DRL智能体以做出分片配置决策。
• 在仿真环境中以PBFT共识协议作为基准，用于消息传播延迟的计算。
• 采用PyTorch进行仿真，超参数包括：初始学习率为0.002，折扣因子为0.98，训练共1000个周期。
• 设计可配置参数的仿真框架，如延迟（0.001s）、消息验证延迟（0.1s）和传输速率（10–100 Mbps）。

Figure 1: Illustrative Unified Blockchain-Semantic Ecosystems Framework for Wireless Edge Intelligence-Enabled Web 3.0

实验结果

研究问题

• RQ1 如何统一区块链与语义生态系统，以减少Web 3.0中链上资源消耗？
• RQ2 哪些机制能够实现去中心化系统中语义验证的链上/链下安全高效交互？
• RQ3 基于语义需求的动态分片如何提升系统效率与适应性？
• RQ4 深度强化学习在优化基于Oracle的语义处理与资源分配中发挥何种作用？
• RQ5 所提出的框架在节点数量与传输速率等变化的网络条件下表现如何？

主要发现

• 在所有测试的Web 3.0场景下，包括不同初始节点数量与最大传输速率，所提框架在奖励性能上均优于基线MaOEA-DRP方案。
• 自适应分片使系统能够根据语义需求变化动态扩展分片数量与消息大小，从而提升整体效率。
• 仿真结果表明，基于DRL的分片机制通过在动态网络负载下优化资源分配，实现了更高的奖励。
• 通过将语义验证卸载至Oracle，该框架有效减轻了链上计算负担，保障了区块链资源效率。
• 通过Oracle实现的语义验证集成确保了安全性与可追溯性，同时最小化了延迟与存储开销。
• 系统在多种配置下表现出强健性与适应性，包括高达500个节点的高节点数量与10–100 Mbps的可变传输速率。

Figure 2: Illustrative Oracle-based Proof of Semantic Mechanism for Wireless Edge Intelligence-Enabled Web 3.0