随着移动网络流量的持续增长，边缘服务器上的内容缓存对于降低延迟至关重要。然而，当前面临两大挑战：一是恶意边缘服务器可能删除或篡改缓存内容，二是边缘服务器自身容量有限。为克服容量限制，可引入辅助移动节点贡献其缓存资源，但这些节点可能因自私行为而不愿共享，且同样存在恶意节点风险。本文提出一种基于区块链的信任管理机制，旨在解决上述问题。该机制利用智能合约计算直接信任和间接信任，能够准确识别可信的边缘服务器和移动节点，有效过滤恶意节点。信任度基于移动节点对服务质量的满意度进行判定，并安全地将信任数据存储在区块链上，保证不可篡改。同时，为抑制节点自私性，设计了奖励机制以激励缓存共享；此外，还提出基于区块链的认证机制，防止节点冒充攻击。方法在共识过程中综合考虑移动节点的移动性、能耗和计算能力约束，对信任、缓存容量和成本效率进行联合优化。模拟实验表明，即使在数据存在10%噪声的情况下，该方法仍能准确区分诚实节点与恶意服务器。该研究为移动边缘计算环境下的安全缓存与信任管理提供了新思路，适合从事边缘计算安全、区块链应用和信任模型研究的人员阅读。

该论文针对自治网络（Autonomous Networks）Level 4-5 中跨厂商 AI Agent 协作的安全信任问题展开研究。在高级别自治网络中，AI Agent 需要跨厂商边界调用各类管理工具，且无需人工干预。然而，现有 3GPP 网络资源管理（NRM）标准缺乏对工具信任状态的标准化可见性机制，导致当一个厂商（如 Vendor B）的工具被攻陷或出现信任降级时，其他厂商（如 Vendor A）的 Agent 依然会继续调用该工具，无法感知信任变化，从而引发级联服务影响。为此，作者提出 AgentToolMO——一个基于 3GPP NRM 的信息模型，用于跨厂商 Agent 工具信任管理。该模型包含四个核心组件：一是形式化定义的信任状态机，支持可证明的渐进式强制（graduated enforcement）策略；二是带阻尼的级联传播机制（damped cascade propagation），确保收敛有界；三是通过现有管理服务（MnS）接口发送跨厂商信任通知；四是基于 NRM 依赖图遍历的追溯性影响评估。作者通过多厂商拓扑仿真验证了该方案：相比传统无通知场景下数小时级别的未检测传播，标准化的跨厂商通知能将影响范围缩小至接近实时遏制，且遏制时延受限于 MnS 通知投递时间；级联收敛可在有界迭代内完成，通知扩展性呈亚线性特性。该框架完全运行在现有 3GPP 管理基础设施内，复用现有协议，为可信的多厂商自治网络管理提供了标准化路径。适合网络运维、标准制定者、AI 安全以及自治网络领域的研究人员阅读。

在工业物联网（IIoT）环境中，信任管理对于保障系统安全至关重要，尤其是面对资源受限的设备。传统信任模型往往忽略网络质量波动的影响，导致信任收敛缓慢且评估不准确。本文提出一种动态信任管理方案——信任收敛加速（TCA）方法，该方法集成机器学习（ML）以加速在恶劣网络条件下的信任收敛。TCA模型基于关键网络指标预测信任收敛所需的时间单位数，并动态调整信任模型中的转移概率以提升收敛速度。通过基于IEEE 802.11标准的真实Wi-Fi信道条件仿真框架，实验证明TCA方法在挑战性条件下可将信任收敛时间最多减少28.6%。此外，该方案在存在恶意节点的场景中表现出弹性，提高了信任评估的准确性。本工作为动态工业环境中的IIoT系统提供了可扩展、自适应的信任框架，确保在不同网络条件下具有稳健的性能。