Blockchain Radio Access Network Beyond 5G阅读笔记

摘要

提出一种先进的无线网接入模式B-RAN，B-RAN利用区块链，将大规模的免信任子网络连接成大规模可信任合作网络。关于增长的B-RAN网络，我们引入了一个网络经济学的概念。B-RAN可以通过连接多边平台以及多个群组来创造价值。为了在不同的群组中建立深度整合且健康的multi-fold信任，我们将B-RAN划分成了6个层结构，从底层建立信任关系，并提供了一系列的关键技术来克服中间的主要障碍。最后通过三个案例来研究B-RAN网络的性能。

介绍

balabala 由于现今情况下应用程序和用户服务接入网络很复杂，拓展性不足，费用高昂，企业活个人接入点不协调，利用率不高，所以超越5G需要思考一种新的无线接入模式。

主机间网络（inter-host network）协作可以经济高效地对未来网络进行转变。构建一个跨服务提供商（SP，service providers）共享的动态有机网络平台可以利用一个主机池中的网络元素，并且可以将不协调的AP合并到RAN网络之中，以此来实现高效率、低成本、强可靠性和广泛覆盖。在这种扁平化的主机间网络客户除了可以访问除自己的SP下的AP（access point）外，还可以访问一定范围内的AP。这样就可以在自己的SP阻塞的时候访问范围内不阻塞的AP，或者连接到一个专用AP池。因此，从客户机角度看，大规模网络用较低的成本给了更好的选择。从网络角度看，更低的复杂性的协调减少了对基础资源的投资，同时提高了网络的效率和平衡负载。用这种方法，每个人都可以讲自己的AP合并到共享网络，并将他们的资产商品化到一个无处不在的、不断发展的网络中。

整合这个主机间网络平台并保持公平高效的运行是很难的。主要障碍是缺乏信任，这也导致期待已久的共享无线电技术（如认知无线电CR，cognitive radio）的商业化部署。如图1a所示几个主要的缺乏信任的地方如下：

• SP-Client：在一个动态的多主机网络中，简历并保持一个SP-client信任这一个最基础的关系是非常麻烦的。通常情况下，不信任是双向的。SP受到提供服务的报酬影响，同时客户端要考虑支付后得到的服务和体验(QoS & QoE)。另外，买卖双方都存在隐私问题，特别是个人AP提供的服务。

• SP-SP：为下一代网络服务的3GPP协议中已经强调了SP之间建立互信。这样的互信可以基于比如商业协，但是把全球700多个主要的移动网络提供商（MNO）纳入一个可信网络而不是我们提到的私人SP非常困难。这导致大多数SP宁愿让网络负载为空也不愿意提供服务给未知的人。

• Client-Client：多主机网络平台在多个客户端之间存在信任问题，不来自一个公共实体。自私的客户端可能不遵守协议然后过多的占用资源。这会导致无授权上行网络共同悲剧并带来网络阻塞。为了建立并保持健康的不同网络参与者之间的关系，我们提出了先进的B-RAN网络用于5G网络之外。B-RAN是一种去中心化的，可信赖的，无线接入模式，利用区块链去链接不同参与者，并为所有的参与者创造一个互利的局面。从以下五个方面总结：

  • 可信(Trustworthiness)：B-RAN可以在不同的各方之间建立互信，并通过底层区块链在不可信的环境中解决授权、授权和会计（AAA）问题。

  • 去中心化(Decentralization)：利用区块链的去中心化特点，B-RAN将无线网络转化为健壮的弹性网络去分布网络元素并避免单节点的故障。

  • 效率(Efficiency)：B-RAN可以充分利用没组织的低成本自组的AP并通过共享、卸载（offloading）、聚合来提供高的效率。

  • 灵活性(Flexibility)：B-RAN通过智能合约支持可插拔功能，以便灵活管理异构服务，并与传统网络和新兴的应用兼容。

  • 开放性(Openness)：作为一个凝聚的实体，B-RAN提供了一个开方并且可拓展的生态系统，供组织个人来接入，并保证了安全性和管理性。

后面主要介绍：为什么使用B-RAN，如何构造B-RAN，以及B-RAN如何执行

B-RAN Motivations

Network Effects

网络效应描述了一种随着参与者数量增加而导致服务或者产品价值升高的现象。在B-RAN中，随着客户的增加，SP将会加入经济激励( economic incentives )，又称作跨集团网络效应。因此，大量的SP将提高服务质量，吸引更多客户，又导致更大规模的跨集团网络效应。这种正反馈能让B-RAN更快成长balabala。

balabala规模很大的网络比小网络好。

Multi-Sided Platform(MSP)

传统RAN是单边业务，SP主要二点收入来自于直接给客户提供服务。单边业务是封闭的，线性的单向价值链。这所以现在数据爆炸但是传统SP无法获得更多利润。

为了改变现状我们除了可以横向招募更多SP来整合网络还可以吸引更多方面纵向整合网络成为MSP。如图1c所示，MSP是一个平台，允许多边团队加入并且多边团队能够互动。并且MSP的参与者保留了对剩余交互权的控制。B-RAN是一种典型的MSP，支持SP、客户端交互直连。B-RAN的大规模互联可以重塑原本的单项价值链。

Multi-Sidedness多边性？多面性，就那个意思。

目前传统的移动网络服务提供者同时扮演多重角色如SP、频谱持有和基础设施持有等。所以陷入寡头垄断，市场缺乏竞争和创新。因此为了吸引更多的参与者，B-RAN会将这些功能打散呗，是的降低进入壁垒。B-RAN的多边性可以导致更广泛的更丰富的网络效应。同时引入多样的收入来源。下面列举几个比较重要的边

• 频谱拥有者Spectrum Holders：频谱持有者可以直接将其数字化频谱资产（DSA）租赁给SP甚至客户端，而不必自己是SP，以实现灵活的频谱管理。
• 基础设施所有者Infrastruc Owners：B-RAN中的基础设施包括所有类型的ap、集中式云、存储、回程、边缘节点、物联网传感器等等。许多制造商可以通过直接提供和共享基础设施来加入B-RAN。
• 应用开发者Application Developers：软件开发人员通过提供各种去中心化的应用程序（dapp）和智能合约参与B-RAN。同时，开发人员可以通过B-RAN获得可追踪的数据和证书。
• 内容提供者Content Providers：内容提供商是B-RAN中的关键参与者，他们创建和销售各种内容，如视频流、广告、众感知（crowdsensing）等，所有这些都向不同方向传递了价值转移。
• 维护者Maintainers：严格地说，维护者是市场监管者，而不是MSP中的参与者；然而，它也表现出网络效应。随着B-RAN的发展，更多的维护者将加入到经济激励的行列中，这反过来又加强了B-RAN的中立性和民主化。

Trusted Intelligence

B-RAN作为信任守护者来保障多边之间的信任。B-RAN不仅擅长提供数据，还擅长将信任作为服务。B-RAN连接了大量的实体，使交互超越了数据传输的范围，扩展到更高级的服务，如计算、缓存、众感知等。例如，边缘节点可以基于B-RAN中的免信任链接向客户端提供计算和缓存服务。

目前，机器学习任务包括计算储存传播，事实上，B-RAN也会支持这些功能和任务。B-RAN支持前沿的联合式(federated-style)学习并实现基于网络代理的强大可信智能，而不是单个设备上的有限智能。与传统技术相比，人工智能具有更强的适应性，可以通过实践进行学习。B-RAN通过保持从源到所有操作器的数据跟踪，为分布式学习模型提供更强大的数据安全性，以保证安全性、可信和可解释性。因此，B-RAN适用于需要智能和高安全性的领域，如网络物理控制和自动驾驶。

B-RAN Hierarchical Architecture

B-RAN不是RAN和区块链的直接结合，而是融合了无线网络和分布式账本技术（distributed ledger technologies. ）的新架构。在这个架构中可信关系十分重要，下面将给出六个层级：

• 数据层(Data layer)：数据层申明基本的数据结构如区块、数字操作、加密密钥，并且用区块链，交易池（transaction pool），钱包的形式来组织，并且负责各种数据操作功能如（读、写、缓存、加密、解密）

• 连接层(Link Layer)：连接层利用hash-timelocked-contract（HTLC）的原理，通过在两个节点之间内置的安全机制来保证免信任的服务连接，保证双方利益

• 网络层(Network Layer)：网络层由在相同或不同结构上运行的多个子网组成（图2）。网络层由大量的节点和它们之间的链路组成，负责建立、维护和终止子网间和子网内的连接

• 共识层(Consensus Layer)：共识层包括验证数字操作有效的网络维护者并为系统共识生成新的区块。作为安全和花费之间的权衡特点，共识机制可以分为两类

  • 对于未许可的共识，任何实体都可以是维护者。未许可共识可以加强网络的中立性和民主性，但是也会导致巨大的开销
  • 对于许可的共识，维护者被限制在一些认证过的实体中。例如：主要的MNO和政府机构。这样的许可共识效率高花费低，并且支持更高的产出，然而，竞争者之间的公平治理（fair governance）可能是一个问题。

  B-RAN是一个有许可共识的，始终开放可访问的网络。像Prsim这种区块链中的先进协议可以用来在B-RAN中提高共识层的表现。

• 交易层(Trade Layer)：交易层提供智能合约支持的服务级别协议（SLA, service level agreement）以及实体间资源和资产的公平交换。此外，它支持跨网的资源分配和负载均衡，来实现深度集成。

• 应用层(Application Layer)：应用层为用户、SP、开发者提供可信的应用程序接口（API），并支持各种DApps包括随时访问（ubiquitous access）、边缘服务和可信智能。

例子：首先，客户和SP在应用层发出带有特定服务需求的请求。经过交易层，请求以智能合约的形式与服务、资源和资产相关联。智能合约形成一个区块，随后被添加到共识层的区块链中。网络层采取区块链中智能合约规定的数字行动，并为共识层提供物理网络连接。连接层支持两个实体之间的免信任交互，并为网络层建立点到点链路。数据层为上述层定义分组结构和基本操作。因此，在客户和SP之间建立服务关系。

B-RAN: Enabling Technologies

Trust-free Services

客户端和SP之间想要达成一个公平的交换就需要可信的中介。因此我们可以考虑在连接层内置一个免信任服务过程(Trust-free sevice process)用来保护双方利益消除顾虑。

如上图所示：一个嵌入了哈希锁和时间锁的智能合约（HTLC）可以解决这个问题。B-RAN中，SP生成一个结构化随机码c，作为这个SP下的ap在设置中的访问服务授权。一旦SP和客户达成交易，SP就用客户的公钥加密c得到K（c），并在客户向合约支付包括服务费在内的费用之前初始化一个仅包含哈希值H(K?)的HTLC。支付之后，SP必须在K（c）被回收之前把它解出来。否则，HTLC会退还客户服务费。获得K（c）之后，客户通过私钥恢复出c用来访问相应的AP，哈希锁可以确保长时间不响应的交易和免信任服务，同时只在合约中宣布H（K（c））而不揭示任何与c相关的信息。时间锁严格限制进程来组织长时间的延时和无响应的服务。码c需要被结构化如包含客户身份，以免被他人误用。

HTLC允许基于非连锁渠道的免信任服务和支付。我们注意到零知识条件支付（zero-knowledge contingent (service) payment (ZKCP & ZKCSP)）是一种零知识证明（zero-knowledge proof (ZKP)）的变体，也是免信任服务的前景。ZKCP/ZKCSP可以在完全不可信的情况下实现服务和支付的公平交换，也有助于SP和客户之间建立信任。

Inter-Host Coordination（主机间协调）

以前协调的时候，以多点协调为例（Coordinated Multi-Point (CoMP)）通常是要求同一SP下的AP进行协调，他们可以无私共享资源和信息并且为流量负载均衡而考虑是否卸载子网。实践中不同的SP之间并不信任，所以如图1a，B-RAN可以有助于实现主机间的协调，并形成一个可信的子网络，如图3b所示，可以打破子网络的限制，扩大调度可行空间，在B-RAN中引发显著的网络效应。

主机间协调包括资源共享和负载均衡。B-RAN的协调包含各种元素，例如频谱资源以及各种基础设施。他们再区块链中被虚拟化以及资产化，并在SP之间进行共享。另外，用户数据是有价值的隐含资源，客户数据的跨实体共享可以帮助B-RAN发展，但是需要更多的隐私保护。除此之外，可信只能和相应的能力如计算和存储等都可以通过子网络进行共享来加强。还有，B-RAN可以增强主机间无缝卸载来适应不平衡的流量。内置的account可以帮助SP更加愿意参与协作去帮助别的SP。在一个市场平台上，B-RAN将会激励SP和他人合作，形成一个具有生产力和成本效益的网络。多个子网的共享以及卸载可以很大的提高网络效率，这需要一个强大的只能控制器。

Trustworthy Access（可信链接）

在一个不可信网络中，客户可能会不遵守协议竞争资源。在授信访问中，SP可以预先分配好资源来阻止非必要访问。但是对于那些免授权的如IOT的上行链接来说，这就很麻烦了。因为恶意设备可能会故意摄取更多的资源，当恶意设备变多成规模之后就会导致Rogue’s Dilemma现象。Rogue困境意味着即使区块链在上层建立了信任，但是由于底层信任不够仍然可能协调失败。

我们开发了一个叫Hash Access的可信访问方案来消除客户端间的不信任。如图3c所示，用于无授权场景。在传输数据包之前，客户机应通过找到低于给定阈值的哈希值来解决哈希问题。否则，客户端必须在当前slot中等待。哈希问题由当前时间戳、其唯一标识符（ID）和访问合约组成。由于哈希函数的前像性，哈希问题的答案很容易验证，但很难伪造。流氓设备很难通过生成假哈希值成功欺骗。由于每个哈希计算都可以看作是一个独立的二项式试验，因此在哈希访问中嵌入了一个随机退避，以减少冲突。哈希访问协议在连接层中建立并强制客户端之间的信任。

Intelligent Consensus

传统共识机制如PoW功耗很高，不合适。因此我们使用Proof-of-Device（PoD）通过限制哈希操作数量来减少过多的一致性开销。为了避免通过多个假身份（也称为Sybil）进行攻击，需要一个防篡改的依赖于硬件的ID。这样ID可以是RF指纹、与硬件相关的不可变字符串及其组合。

PoD开销依然很大，所以B-RAN维护人员可以部署各种智能算法来提出最佳方案，就像维护人员之间组织的机器学习竞赛一样。只有提出最佳解决方案的人才能确定调度方案，并被提升为下一个区块的赢家，以及相应的区块奖励，如图3d所示。区块链随着过程的重复而扩展和增长。这类机器学习竞赛的组织和实施可以从本文提出的学习一致性证明协议中得到启示。

分布式边缘节点和多中心云服务器作为维护者，将协作保持B-RAN的一致性，并进一步在子网上构建智能共识层。这些维护人员将B-RAN作为一组分布式智能控制器组织起来，提高其效率。作为一个有见地的例子：B-RAN在参与者之间建立并传播可信的智能，而分布式智能反过来又加强了B-RAN的管理和进化。

Two-Tier Chain Structure双链式结构

考虑到RAN的协作主要发生在地理接近的地区，我们发明了一种Two-Tier的双链结构来解决B-RAN的伸缩性问题。

由于地理临近的特点所以就不需要将一个记录全局更新，可以将一些记录保留本子，如图3e，我们给不同的域多个子链，并用主链去管理子链。主链的作用就像是联邦政府，为子链指定一个全局的政策。这些子链虽然由主链控制但是享有高度的自由权，因此可以大大减少管理的工作和成本。在不违反主链核心政策的前提下，子链可以根据本地的具体情况制定自己的本地策略。不同子链的交互将会启动主链并记录。子链的哈希能力可能是不平衡的，因此为了安全考虑，子链需要接受一个可以由主链部署的允许共识。主链可以记录子链中区块的哈希值来降低遭受恶意攻击的风险。

B-RAN Case Study

Platform of Subnetworks

这里使用（[9] X. Ling et al., “Practical Modeling and Analysis of Blockchain Radio Access Network,” arXiv preprint arXiv:1911.12537, Nov. 2019.[14]Y. Le et al., “Prototype Design and Test of Blockchain Radio Access Network,” Proc. IEEE Int’l. Conf. Commun. Work-shops (ICC’19), Shanghai, P.R. China, May 2019.）文章中的实验室原型来评估B-RAN性能。在此考虑一个有着多个子网络和多个客户的域。B-RAN是一个由子网络组成的网络所以可以用子网络数量k来反应B-RAN的大小。每个子网络可以同时给最多l个客户端提供连接服务。假设客户端的连接请求遵循泊松过程，速率为${\lambda }^a$，服务时间是以平均$\frac{1}{{\lambda }^c}$指数分布的，那流量强度就定义为：
$$\rho =\frac{{\lambda }^a}{kl{\lambda }^c}$$
这里，$kl$代表了连接到B-RAN网络的最大客户端数量。B-RAN中平均的区块产生相对平均服务时间是0.05，并且这里l=4，每个请求需要N个顶层区块链的区块来确认（N=4 in fig.4）

在图4中，我们说明了不同网络流量下网络大小的积极影响程度。我们通过有效吞吐量（满足最大时延$D_m$条件下的请求速率）来衡量B-RAN性能。我们画出了$D_m=0.08$（由B-RAN中连接数标准化）的有效吞吐量以及$D_m=0.06$、$D_m=0.1$的误差线来避免由$D_m$引起的误差。如图所示，可以看出在相同的业务流量$\rho$下，B-RAN结合越多的子网络，可以达到更高的有效吞吐，并且取不同的$D_m$依然如此。这表明更大的网络更有效率，所以为了获得更好的性能，B-RAN有很强的的扩展和成长为一个有大量子网构成的大型网络的动机。

Latency-Security Trade-off（延时与安全权衡）

上图演示了B-RAN的服务延迟和安全属性，参数如图4。图5中红色表面上的线是在具有固定哈希能力的对手（相对于其他$\beta =20\%$网络）面前不同业务流量$\rho$下存在的。我们将他们投影到$L?N$平面，这样更清楚。我们可以看到较高的业务量会引起网络阻塞和较高的延时$L$，延时$L$也表现出和确认区块数$N$近似线性关系。

然后，我们根据对手成功攻击已确认区块链的概率来评估安全性，如从对手具有不同哈希能力的案例中获得的蓝线所示。我们还将这些线投影到$S?N$平面。随着对手哈希能力的提高，成功攻击的概率也相应增加。如图5所示，我们需要设置一个更大的确认区块数$N$以降低风险并保护B-RAN。

图5的三维图显示，延时和安全性与确认区块数量$N$密切相关。更多的$N$更大的延时$L$可以获得更强的安全性优势。所以需要结合实际选择确认区块数来保持一个延时和安全性都比较好的情况。延时与安全权衡可以看做是B-RAN能实现性能的全貌。本质上，延迟安全权衡揭示了分布式系统本身的汇集速度和确认可靠性之间的内在关系。它可以为B-RAN的设计和实现提供更好的理解和更深入的见解。

Rogue’s Dilemma

在图6a中，我们将哈希连接（Hash Access）的性能和Aloha协议进行比较。Aloha协议采用基于均匀分布退避的竞争解决方案，最大窗口为100个slot。在无恶意设备的安全环境下，Aloha和哈希连接的吞吐量相当。在5%设备是流氓设备的情况下并可能自私跳过退避的场景中，吞吐量受到较大影响。同时，不平衡的条件下（子网负载不平衡75%-25%），Aloha协议由于SP不能平衡流量所以产生严重的性能下降。B-RAN可以卸载不平衡流量并实现子网上的有机集成。

图6b我们采用物联网中的经验数据来评估哈希连接的性能，可以看出哈希访问可以处理实际的波动包流并保持高吞吐量。

总结和见解

我们提出了B-RAN的工作模式，用于Beyond 5G的无线传输。通过网络效应的视角，我们说明了B-RAN是如何提高效率和生产力的。我们通过在不可信任的参与者之间建立信任来证明B-RAN作为MSP的力量。在技术上，我们开发了一个由六层组成的层次结构作为B-RAN的总体框架，并研究了关键的使能技术。基于我们实验室构建的B-RAN原型，我们阐述了B-RAN中的几种现象：网络池效应、延迟安全权衡和盗贼困境。

几个有趣的见解：

• B-RAN需要面临一个临界启动问题，B-RAN怎么获得足够的新客户呢？并吸引更多的人加入。
• 网络规模大了之后可能面临拥挤。
• 民主和集权的网络各有利弊