第４４ 卷 第１２ 期２０２１ 年１２ 月计 算机 学 报ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＶｏｌ ． ４４Ｎｏ． １２Ｄｅｃ． ２０２１面向端边云协同架构的区块链技术综述佟 兴”张 召＾金澈清＾周傲英＾ｎＣ 华东师范大学数据科学与工程学院 上海 ２０００６２）２）（ 桂林电子科技大学广西可信软件重点实验室 广西桂林 ５４１ ００４）３ ）（ 华东师范大学上海市大数据管理系统工程研究中心 上海 ２０００６２）摘 要 近年随着边缘计算的兴起， 边缘计算和云计算结合形成的终端边缘云（ 端边云） 协同的层次型分布式架构尽管可在高计算能力服务、 高存储能力服务和低延时服务等方面满足应用需求． 但在数据安全和多方可信交互等方面仍面临很多挑战． 作为一种去中心化的分布式账本技术， 区块链具有数据不可篡改、 不可伪造、 可追溯和由多方共同维护的特点， 将区块链融人到端边云架构中可以使多参与方之间进行互信的数据交互， 确保数据完整和可用． 但由于区块链在系统架构、 隐私安全、 对节点资源要求和多方共识方面的特点， 其与端边云架构相融合时仍面临诸多挑战： 区块链和端边云系统在架构上的不匹配使得二者难以融合； 区块链账本数据透明， 可能造成敏感数据泄露； 区块链的全副本存储和共识过程会消耗更多端边云参与节点的资源； 不同端边云场景所需的信任模型差异、 终端和边缘节点资源受限和终端设备大规模接人等特点使得现有共识算法不能适应端边云的场景．针对以上问题， 本文首先介绍端边云架构和区块链技术， 接着讨论二者融合的可行性和优势， 并整理归纳了相关研究进展； 之后讨论端边云架构下区块链技术面临的技术问题； 最后提出未来端边云架构下区块链技术的研究方向．关键词 区块链； 端边云架构； 端边云协同； 边缘计算； 分布式计算中图法分类号ＴＰ１８ＤＯＩ号１０． １１８９ ７／ＳＰ． Ｊ． １０１６． ２０２１． ０２３４５ＢｌｏｃｋｃｈａｉｎｆｏｒＥｎｄ－Ｅｄｇｅ－ＣｌｏｕｄＡｒｃｈｉｔｅｃｔｕｒｅ：ＡＳｕｒｖｅｙＴＯＮＧＸｉ ｎｇ１）ＺＨＡＮＧＺｈａｏ１） ， ２）ＪＩＮＣｈｅ Ｑｉ ｎｇ１） ， ３ ）ＺＨＯＵＡｏ Ｙｉ ｎｇ１） ， ３ ）１ ）｛ ＳｃｈｏｏｌｏｆＤａｔａＳｃ ｉ ｅｎｃ ｅａｎｄＥｎｇｉｎｅ ｅｒｉｎｇ？ Ｅａｓ ｔＣｈｉｎａＮｏｒｍａｌＵｎｉ ｖｅ ｒｓｉ ｔｙ？ Ｓｈａｎｇｈａｉ２０００６２）２）（ ＧｕａｎｇｘｉＫｅｙＬａｂｏｒａｔ ｏｒｙｏｆＴｒｕｓｔ ｅ ｄＳｏｆｔ ｗａｒｅ？ Ｇｕｉ ｌ ｉｎＵｎｉ ｖｅｒｓｉ ｔｙＯｆＥｌ ｅ ｃ ｔ ｒｏｎｉ ｃＴｅ ｃｈｎｏｌ ｏｇｙＧｕｉ ｌ ｉｎ－， Ｇｕａｎｇｘｉ５４１ ００４）３ ）｛ ＳｈａｎｇｈａｉＥｎｇｉｎｅ ｅ ｒｉｎｇＲｅ ｓｅａｒｃ ｈＣｅｎｉ ｅ ｒｏｆＢｉｇＤａｔａＭａｎａｇｅ ｍｅｎｔ？ ＥａｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉ ｖｅｒｓｉ ｔｙ＾ Ｓｈａｎｇｈａｉ２０００６２）ＡｂｓｔｒａｃｔＩｎｒｅｃｅｎｔｙｅａｒｓ， ｗｉ ｔｈｔｈｅｒｉ ｓｅｏｆｅｄｇｅｃｏｍｐｕｔｉ ｎｇ， ａｌ ｔｈｏｕｇｈａｈｉ ｅｒａｒｃｈｉ ｃａｌｄｉ ｓｔｒｉ ｂｕｔｅｄｃｏｍｐｕｔｉ ｎｇｍｏｄｅｌｔｈａｔｉ ｎｔｅｇｒａｔｅｓｅｄｇｅｃｏｍｐｕｔｉ ｎｇａｎｄｃｌ ｏｕｄｃｏｍｐｕｔｉ ｎｇｉ ｓｃａｐａｂｌ ｅｏｆｐｒｏｖｉ ｄｉ ｎｇｓｅｒｖｉ ｃｅｓｗｉｔｈｈｉｇｈｃｏｍｐｕｔｉｎｇｃａｐａｂｉ ｌ ｉ ｔｙ， ｈｉｇｈｓｔｏｒａｇｅｃａｐａｂｉ ｌ ｉｔｙａｎｄｌ ｏｗｒｅｓｐｏｎｓｅｌ ａｔｅｎｃｙ， ｉ ｔｉ ｓｓｔｉ ｌ ｌｅｎｃｏｕｎｔｅｒｅｄｗｉ ｔｈｃｈａｌ ｌ ｅｎｇｅｓｌ ｉ ｋｅｄａｔａｓｅｃｕｒｉ ｔｙａｎｄｔｒｕｓｔｗｏｒｔｈｙｉ ｎｔｅｒａｃｔｉ ｖｉ ｔｙ． Ａｓａｄｅｃｅｎｔｒａｌ ｉ ｚｅｄｌ ｅｄｇｅｒ， ｂｌ ｏｃｋｃｈａｉ ｎｈａｓｃｈａｒａｃｔｅｒｉ ｓｔｉ ｃｓｌ ｉ ｋｅｎｏｎ ｔａｍｐｅｒａｂｉ ｌ ｉ ｔｙ， ｕｎｆｏｒｇｅａｂｉ ｌ ｉ ｔｙ， ｔｒａｃｅａｂｉ ｌ ｉ ｔｙ， ｇｌ ｏｂａｌｃｏｎｓｉ ｓｔｅｎｃｙ， ｓｏｔｈａｔｔｈｅｉ ｎｔｅｇｒａｔｉ ｏｎｗｉ ｔｈｂｌ ｏｃｋｃｈａｉ ｎｃａｎｅｎｓｕｒｅｄａｔａｉ ｎｔｅｇｒｉ ｔｙａｎｄｔｈｅｓｅｒｖｉ ｃｅａｖａｉ ｌ ａｂｉ ｌ ｉ ｔｙ． Ｈｏｗｅｖｅｒ ， ｄｕｅｔｏｔｈｅｉ ｓｓｕｅｓｌ ｉ ｋｅｓｙｓｔｅｍｐｅｒｆｏｒｍａｎｃｅ，ｐｒｉ ｖａｃｙｐｒｏｔｅｃｔｉ ｏｎ， ｓｃａｌ ａｂｉ ｌ ｉ ｔｙａｎｄｒｅｑｕｉ ｒｅｍｅｎｔｓｆｏｒｈａｒｄｗａｒｅｒｅｓｏｕｒｃｅｓ， ｉ ｔｉ ｓｃｈａｌ ｌ ｅｎｇｉ ｎｇｔｏｉ ｎｔｅｇｒａｔｅｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄａｒｃｈｉ ｔｅｃｔｕｒｅｗｉ ｔｈｂｌ ｏｃｋｃｈａｉ ｎ． Ｆｉ ｒｓｔ， ｔｈｅｅｘｉ ｓｔｅｎｃｅｏｆｓｉｇｎｉ ｆｉ ｃａｎｔｄｉ ｆｆｅｒｅｎｃｅｉ ｎａｒｃｈｉ ｔｅｃｔｕｒｅｍａｋｅｓｉ ｔ收稿日期： ２０２０ ０９ １ ７； 在线发布日期： ２０２１ ０３ １ ０． 本课题得到国家自然科学基金（ ６１ ９７２１ ５２ ， Ｕ１ ９１ １ ２０３） 、 广西可信软件重点实验室研究课题（ 编号ｋｘ２０２００５） 资助． 侮 兴， 博士研究生， 主要研究方向为区块链． Ｅｍａｉ ｌ： ｘｔｏｎｇ＠ｓ ｔ ｕ． ｅｃｎｕ． ｅｄｕ． ｃｎ． 张 召， 博士， 教授， 中国计算机学会（ ＣＣＦ） 会员， 主要研究领域为区块链、 海量数据管理和数据挖掘． 金澈清（ 通信作者） ， 博士， 教授， 中国计算机学会（ ＣＣＦ） 杰出会员， 主要研究领域为区块链、 海量数据挖掘． Ｅｍａｉ ｌ： ｃｑｊｉ ｎ＠ｄａｓ ｅ． ｅｃｎｕ． ｅｄｕ． ｃｎ． 周傲英， 博士， 教授， 中国计算机学会（ ＣＣＦ） 会士， 主要研究领域为Ｗｅｂ 数据管理、 数据密集型计算、 内存集群计算、 大数据基准测试和性能优化．２３４６ 计 算机 学 报 ２０２１年ｄｉ ｆｆｉ ｃｕｌ ｔｔｏｉ ｎｔｅｇｒａｔｅｓｕｃｈｔｅｃｈｎｉｑｕｅｓ． Ｓｅｃｏｎｄ， ｔｈｅｄａｔａｔｒａｎｓｐａｒａｎｃｙｍａｙｌ ｅａｋｔｈｅｐｒｉ ｖａｃｙｏｆｔｈｅｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄｓｙｓｔｅｍ． Ｔｈｉ ｒｄ， ｆｕｌ ｌ ｒｅｐｌ ｉ ｃａｔｅｓｔｏｒａｇｅｍｅｃｈａｎｉ ｓｍａｎｄｃｏｎｓｅｎｓｕｓｍｅｃｈａｎｉ ｓｍｍａｙｃｏｎｓｕｍｅｈｕｇｅｒｅｓｏｕｒｃｅｓｏｆｔｈｅｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄｓｙｓｔｅｍ． Ｆｉ ｎａｌ ｌｙ， ｔｈｅｔｒｕｓｔｗｏｒｔｈｙｍｏｄｅｌ， ｌ ｉ ｍｉ ｔｅｄｅｄｇｅｎｏｄｅｒｅｓｏｕｒｃｅｓａｎｄｌ ａｒｇｅ ｓｃａｌ ｅｎｏｄｅｓｏｆｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄａｒｃｈｉ ｔｅｃｔｕｒｅｍａｋｅｔｈｅｅｘｉ ｓｔｉ ｎｇｃｏｎｓｅｎｓｕｓａｌｇｏｒｉ ｔｈｍｓｕｎｓｕｉ ｔａｂｌ ｅｔｏｗｏｒｋ． Ｔｏｄｅａｌｗｉ ｔｈｓｕｃｈｉ ｓｓｕｅｓ， ｗｅｆｉ ｒｓｔｉ ｎｔｒｏｄｕｃｅｔｈｅｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄａｒｃｈｉ ｔｅｃｔｕｒｅａｎｄｂｌ ｏｃｋｃｈａｉ ｎｔｅｃｈｎｏｌ ｏｇｙ． Ｔｈｅｎ， ｗｅｒｅｖｉ ｅｗｔｈｅｒｅｃｅｎｔｐｒｏｇｒｅｓｓｏｎｔｈｅｉ ｎｔｅｇｒａｔｉ ｏｎｏｆｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄｓｙｓｔｅｍａｎｄｔｈｅｂｌ ｏｃｋｃｈａｉ ｎ． Ｓｕｂｓｅｑｕｅｎｔｌｙ， ｗｅｄｉ ｓｃｕｓｓｓｏｍｅｐｒｏｂｌ ｅｍｓｆａｃｅｄｂｙｔｈｅｂｌ ｏｃｋｃｈａｉ ｎｔｅｃｈｎｏｌ ｏｇｙｕｎｄｅｒｔｈｅｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄａｒｃｈｉ ｔｅｃｔｕｒｅ， ａｎｄｐｏｉ ｎｔｏｕｔｔｈｅｆｕｔｕｒｅｒｅｓｅａｒｃｈｄｉ ｒｅｃｔｉ ｏｎｂｒｉ ｅｆｌｙｆｉ ｎａｌ ｌｙ．Ｋｅｙｗｏｒｄｓｂｌ ｏｃｋｃｈａｉ ｎ； ｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄａｒｃｈｉｔｅｃｔｕｒｅ； ｅｎｄ ｅｄｇｅ ｃｌ ｏｕｄｃｏｌ ｌ ａｂｏｒａｔｉ ｏｎ； ｅｄｇｅｃｏｍｐｕｔｉ ｎｇ；ｄｉ ｓｔｒｉ ｂｕｔｅｄｃｏｍｐｕｔｉ ｎｇｉ 引 言作为一种地理上分布式部署、 在靠近数据源头处执行计算任务的计算模型［１］， 边缘计算可以提升服务的响应速度， 降低服务延迟． 但由于边缘计算设备的计算和存储能力有限，一些对计算和存储要求较高的任务仍需要发往云端执行． 因此相比于边缘计算单独发展， 边缘计算的发展方向是和云计算结合形成终端边缘云（ 端边云） 的层次型计算架构．相比于单纯的云计算或边缘计算， 端边云计算模型有效整合二者优势，一方面可以利用云计算的资源优势来提供充足的计算和存储资源， 满足资源密集型任务的需求； 另一方面可以利用边缘计算的地理优势来满足延时敏感型任务对低延时的需求．作为一种终端边缘云协同的架构， 端边云架构可实现纵横两方面协同． 纵向协同指端边云三层之间的协同， 通过多层次的计算资源满足不同的任务需求； 横向协同指同一层次下多节点之间的协同，通常指边缘层节点之间的协同， 横向协同又分为单场景下多节点之间的协同（ 比如车联网的多个边缘计算节点之间的协同） 和跨场景边缘节点之间的协同（ 比如车联网和交通管制节点之间的协同） ，后者可以满足更加复杂的应用需求． 端边云的计算架构可以将云计算和边缘计算有机融合， 但是在实际环境下， 端边云架构仍然面临着以下四方面挑战：ａ） 如何保证数据的可信存储． 端边云架构中的边缘计算设备一般在地理上分布式部署， 数据的收集也是通过处于不同地理位置的节点进行． 由于边缘计算设备的安全防护措施有限， 且处于开放环境之中， 容易受到安全攻击［２＜， 数据的完整性和可用性受到威胁， 不能确保数据可信存储；（ ２） 如何保证可信计算． 在端边云系统中， 整个系统往往由多个互不信任组织组成， 当系统作为一个整体对外提供服务或各方之间进行协同计算时，需要保证系统和各方之间计算过程透明， 而目前端边云系统缺乏透明可信的计算平台， 无法确保这一■点；（ ３） 如何保证数据的可信传递． 在边缘场景下，各利益方之间互不信任， 缺乏数据共享平台， 导致各平台数据孤立； 在缺乏激励的情况下， 各方之间倾向于不分享数据． 因此， 目前缺乏一个在端边云环境下为多方建立信任并利用激励机制促进各方进行可信数据传递和共享的平台；（ ４） 如何保证系统的可信管理． 在边缘场景下包含各种类型的边缘和终端设备， 这些设备呈现出一定的动态性， 会随时加人和退出网络， 另外这些设备可能会由于利益关系做出一些恶意的行为． 因此需要通过安全的设备监管平台监控并记录设备的行为， 而目前端边云系统缺乏一个可信的系统监管和审计平台．近年来， 随着比特币［５］等数字货币的快速发展，区块链作为其底层支撑技术受到了学界和工业界的广泛关注． 区块链具有历史数据可追溯、 数据不可否认、 不可篡改和安全透明的特点， 因此区块链可以作为过程监管和事后审计的多方交互平台， 可以在网络中为互不信任的多方建立信任， 使得多方能够在不可信的网络中进行有效的价值转移和数据交互．区块链２．０ 系统以太坊中智能合约的应用使得佟 兴等： 面向端边云协同架构的区块链技术综述 ２３４７ １２ 期区块链进一步成为了一种分布式的计算模型， 因此可以考虑利用区块链构建安全可信的端边云计算架构． 区块链作为一种分布式的计算模型， 而端边云架构同样是一种分布式计算模型， 这个共通点使二者具有融合的前提． 从融合效果来看， 将区块链融人到端边云协作架构中，一是可以利用区块链作为一个拜占庭容错的多副本存储机制来保证端边云数据的完整性和可用性， 实现数据的可信存储； 二是可以基于区块链智能合约为端边云计算架构构建一个可信计算框架， 实现可信计算； 三是可以利用区块链作为数据共享平台促进端边云架构下参与方之间数据安全共享， 实现数据可信传递； 四是可以将区块链作为边缘场景下的系统设备监管和审计管理平台， 实现端边云系统安全可监管， 进而实现端边云系统可信管理．尽管端边云架构融合区块链可以解决自身在存储、 计算、 数据传递和系统管理方面的安全性和可信问题， 但是由于区块链系统自身的一些特点， 使得端边云架构在与区块链进行融合时面临挑战．从架构层面来讲， 区块链本质上是一种“扁平”的单层架构； 而端边云系统是由终端边缘云结合形成的层次型的分布式架构， 从纵向的角度看， 端边云架构呈现出一种分层的结构， 横向来看， 端边云架构中的每一层都是一种“扁平”结构． 二者架构上的不完全匹配使得区块链和端边云架构融合时面临挑战．从数据隐私角度来讲， 在端边云架构中， 终端和边缘计算设备会收集环境中的各种隐私数据， 而区块链作为一种由多方共识形成的分布式账本， 每个节点都会保存完整的账本数据， 数据透明的特点会使得链上数据暴露在网络中， 造成隐私数据的泄露．尽管限制区块链节点的加人可以限制隐私数据的传播范围， 但是在端边云环境下， 边缘节点的安全防护措施有限， 攻击者可以攻击安全能力较差的边缘节点， 节点一旦被攻破， 区块链中的隐私数据将完全被泄露．从资源角度来讲， 端边云架构分为中心化的云计算层和分布式的边缘计算层， 边缘计算层中包括边缘计算设备和众多的终端设备． 相比于边缘计算节点， 云计算节点的硬件条件比较充足， 并且硬件结构较为统一； 而边缘计算节点通常依据不同的场景设计， 硬件结构多种多样， 且硬件资源有限， 因此端边云系统内部节点之间表现出了很强的异构性． 端边云节点的存储和计算能力差异较大： 云端具有充足的存储和计算资源， 而边缘计算节点的存储和计算资源相对有限． 在边缘计算节点部署区块链时， 区块链全副本存储机制和共识过程会消耗节点大量的存储和计算资源．在端边云架构下， 不同的端边云场景具有不同的信任模型， 比如一些边缘场景由多个机构或组织共同参与， 部分组织会部署多个节点， 同属一个组织的节点互相信任， 不同组织则不信任， 因而整体呈现出一种“局部可信， 全局不可信”的混合信任模型． 从共识的角度来看， 面向单一信任模型的拜占庭容错协议或非拜占庭容错的协议并不能很好的满足实际的场景需求； 另外在边缘环境下，节点的硬件条件较差， 计算和存储资源欠缺， 需要保证共识过程不会给节点带来大的计算开销， 比如Ｐ〇Ｗ（Ｐｒ〇〇ｆｏｆＷ〇ｒｋ）［６］类的共识算法在边缘场景下并不适用； 最后， 在不同的场景下， 系统具有不同的开放性， 在无许可的环境中（ Ｐｅｒｍｉ ｓｓｉ ｏｎｌ ｅｓｓ ） ， 在涉及大量节点接人时， 需要保证系统不因节点数量增加而导致效率急剧降低， 传统的基于投票的ＢＦＴ（ＢｙｚａｎｔｉｎｅＦａｕｌ ｔＴｏｌ ｅｒａｎｃｅ）类算法， 如ＰＢＦＴＴ（ ＰｒａｃｔｉｃａｌＢｙｚａｎｔｉ ｎｅＦａｕｌｔＴＴｏｌ ｅｒａｎｃｅ）ｍ等面临严重的扩展性问题．总结来说， 区块链融人端边云架构时， 会面临系统架构、 数据隐私安全、 参与节点资源和共识等多方面的挑战． 本文将分析区块链和端边云协同如何融合、 融合后能解决的问题以及在端边云环境下区块链技术面临的一些挑战， 并综述目前端边云架构和区块链融合的研究进展．部分文献综述了区块链和物联网融合［８］， 区块链和边缘计算融合［９］等工作． 端边云协同计算架构相比于单纯的云计算或边缘计算能够提供更加多样且高效的计算解决方案， 将区块链融人到端边云架构中可以解决端边云架构中的安全性问题， 但由于区块链自身特点， 将区块链融人到端边云架构中会面临很多挑战． 基于此， 本文首先介绍边缘计算、 端边ｚ？协同架构和区块链， 之后以端边ｚ？架构的安全性问题为切人点， 阐述端边云架构融合区块链的必要性， 之后从区块链自身特点出发， 深人阐述端边云融合区块链时区块链所面临的挑战， 并介绍研究这些问题的现有研究工作， 最后总结在端边云协同与区块链融合未来的发展方向．本文第２ 节介绍边缘计算的由来和端边云协同２３４８ 计 算机 学 报 ２０２１年架构的意义； 第３ 节从区块链数据结构、 共识机制、密码学相关技术和智能合约四部分介绍区块链； 第４ 节介绍端边云架构中存在的问题； 第５ 节介绍如何利用区块链解决端边云架构面临的挑战； 第６ 节讨论区块链和端边云架构融合时区块链面临的挑战； 第７ 节提出了未来端边云架构融合区块链的研究方向； 第８ 节总结全文．２ 边缘计算和端边云架构２． １ 边缘计算在传统的物联网计算模型中， 受限于物联网终端设备有限的存储和计算能力， 大多数数据处理过程都是在云端完成的． 云端具有较强的计算和存储能力， 因此将计算任务放在云端是一种高效的数据处理手段． 但是， 随着物联网的快速发展， 大量物联设备接人网络会产生海量的数据， 尽管云端数据处理能力也在不断增强， 但海量数据的传输会给网络造成很大的压力， 网络的带宽将成为瓶颈； 同时对于一些延迟敏感的应用来说， 云计算较高的延迟不能很好的满足应用需求； 云计算中心机房会产生大量的能源消耗以及相对应的散热成本．针对云计算模型的缺点， 近年来出现了边缘计算模型， 边缘计算本质上是在靠近数据源头的地方执行计算任务， 无需再将终端设备产生的数据传送到云计算中心， 因此具有如下优点．（ １ ） 减轻网络的压力． 在网络边缘产生的大量数据无需再上传云端， 减轻网络带宽的压力；（ ２） 降低延时． 在靠近数据源头的地方对数据进行处理， 不需要请求云数据中心的响应， 降低网络延时， 提高系统效率；（ ３） 降低隐私泄露风险． 隐私数据可以在边缘计算层进行一些加密处理甚至保存在边缘计算层，降低数据泄露的风险；（ ４） 降低云计算中心的能耗． 数据在本地进行处理或预处理， 云计算中心不再需要处理海量的数据， 降低云计算中心的能耗；（５） 灵活性更强． 可以针对具体的应用场景设计相应的边缘服务， 提高计算服务的灵活性．根据边缘设备和网络类型的不同， 边缘网络可以分为Ｃｌ 〇ｕｄｌ ｅｔ［１ °］、 雾计算［１ １］和移动边缘计算（ Ｍｏｂｉ ｌ ｅＥｄｇｅＣｏｍｐｕｔｉ ｎｇ， ＭＥＣ）［１ ２］， Ｃｌ ｏｕｄｌ ｅｔ是一■个部署在网络边缘的计算机或计算机集群， 相比于一般的终端设备， Ｃｌ ｏｕｄｌ ｅｔ 拥有更强的计算和存储能力， 对外与互联网连接， 对内为边缘设备提供计算服务， 形成一个本地局域访问网络； 雾计算由性能较弱、 分散的功能计算机组成， 比如路由器或交换机等［１ ３］； 移动边缘计算（ Ｍｏｂｉ ｌ ｅＥｄｇｅＣｏｍｐｕｔｉ ｎｇ，ＭＥＣ） 是在无线接人网内， 在接近移动边缘设备的移动网络边缘提供计算服务， 移动边缘计算服务器通常与无线网络基站共存， 具有超低延迟、 高带宽、位置感知等优点．无论是Ｃｌ ｏｕｄｌ ｅｔ、 雾计算还是移动边缘计算， 彼此之间的区别主要在于边缘计算设备和网络类型的不同， 但其核心思想都是将数据在靠近数据源头处进行处理， 本质上都属于边缘计算的范畴．文献［１ ４］ 设计了针对具有能源收集功能的移动设备（ ＥｎｅｒｇｙＨａｒｖｅｓｔｉ ｎｇ， ＥＨ） 的移动边缘计算系统． 通过计算任务卸载结合能源收集来实现绿色的边缘计算模型， 作者将执行开销作为性能指标开发了基于Ｌｙａｐｕｎｏｖ 优化的动态计算卸载（ ＬＯＤＣＯ）算法， 动态地将终端设备中的计算任务分配到移动边缘计算服务器中． 卸载之前将移动设备执行过程中ＣＰＵ周期频率以及卸载过程中的能源消耗作为参考指标综合考量来做出卸载策略， 通过边缘计算为终端设备提供计算服务， 降低终端设备的计算压力． 文献［１ ５］ 针对计算任务卸载过程中存在的隐私泄露问题设计了两阶段的卸载优化策略，卸载过程中对卸载的效用和隐私的保护进行综合考量． 第一阶段设计了基于ＮＳＧＡＩＩＩ 的任务卸载方法， 实现ＥＣＵ（ ＥｄｇｅＣｏ