區塊鏈賦能之多代理人強化學習研究：建構安全與高可擴展之物聯網系統;Blockchain-Enabled Multi-Agent Reinforcement Learning for Secure and Scalable Iot Systems

NCUIR > College of Electrical Engineering & Computer Science > Department of Communication Engineering > Research Project > Item 987654321/109652

Please use this identifier to cite or link to this item: https://ir.lib.ncu.edu.tw/handle/987654321/109652

Title:	區塊鏈賦能之多代理人強化學習研究：建構安全與高可擴展之物聯網系統;Blockchain-Enabled Multi-Agent Reinforcement Learning for Secure and Scalable Iot Systems
Authors:	黃志煒
Contributors:	國立中央大學通訊工程學系
Keywords:	區塊鏈;多代理人強化學習;物聯網;值分解;因果推論;終身學習;Blockchain;Multi-Agent Reinforcement Learning (MARL);Internet of Things (IoT);Value Decomposition;Causal Influence;Lifelong Learning
Date:	2026-07-23
Issue Date:	2026-07-27 15:45:00 (UTC+8)
Publisher:	國家科學及技術委員會(本會)
Abstract:	一、計畫執行目的本計畫旨在構建一個深度整合區塊鏈與多代理人強化學習（MARL）之分散式協作架構。核心目標是解決大規模智慧物聯網（IoT）環境中，MARL 面臨的運算擴展性瓶頸、策略非平穩性及災難性遺忘等技術挑戰。我們將區塊鏈從「資料儲存層」轉化為「信任協作層」，以確保在動態且缺乏中心化管理的環境下，系統仍能維持高效、安全且具持續進化能力的協作策略。二、預期影響性 1. 社會面向：提升智慧基礎設施的安全性與韌性。應用於自駕車導航與交通管理，透過區塊鏈不可竄改特性建立去中心化信任基礎，防止惡意數據干擾並降低單點故障風險，保障公共安全。 2. 經濟面向：建構公平高效的資源調度市場。透過智能合約與代幣激勵機制（Incentive Mechanism），實現自動化且透明的任務分配與算力回報，優化異質 IoT 設備間的資源配置效率。 3. 產業發展：加速 IoT 技術之實務落地與成本優化。提出「鏈下運算、鏈上聚合」的混合架構，大幅降低區塊鏈運算（Gas）成本並提升吞吐量。結合 Raspberry Pi 與 Geth 平台進行實體驗證，為資源受限的 AI IoT 設備提供可量產的技術參考路徑。
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Communication Engineering] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	19	View/Open

社群 sharing

Loading...