检索结果-南通市图书馆

计算机应用 2022年第4期42卷 1216-1224页

作者：曾续玲李陶深巩健杜利俊广西大学计算机与电子信息学院南宁530004 南宁学院信息工程学院南宁530200

针对能量受限的多用户移动边缘计算(MEC)系统存在恶意窃听节点的问题,提出一种联合无线能量传输(WPT)和MEC的安全部分计算卸载方案。该方法以系统接入点(AP)能耗最小化为优化目标,在计算延迟、安全卸载和能量捕获约束条件下,联合优化AP... 详细信息

针对能量受限的多用户移动边缘计算(MEC)系统存在恶意窃听节点的问题,提出一种联合无线能量传输(WPT)和MEC的安全部分计算卸载方案。该方法以系统接入点(AP)能耗最小化为优化目标,在计算延迟、安全卸载和能量捕获约束条件下,联合优化AP能量传输协方差矩阵、本地CPU频率、用户卸载比特数、用户卸载时间分配以及用户传输功率。针对AP能耗最小化问题为非凸问题,首先采用凸差分算法(DCA)将原始非凸问题转换为凸问题,然后采用拉格朗日对偶法以半封闭形式获得问题最优解。当计算任务数为5×10^(5)比特时,与本地计算和安全全部计算卸载方法相比,安全部分卸载方案的能量消耗分别降低了61.3%和84.4%;当窃听节点距离超过25m时,安全部分卸载方案所消耗的能量远小于本地计算和安全全部计算卸载。仿真实验结果表明,在保证物理层安全卸载的情况下,所提方案能够有效降低AP能耗、提高系统性能增益。

关键词：移动边缘计算无线能量传输计算卸载安全卸载凸差分算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

UDN中面向安全卸载的多目标联合优化算法研究

引用

华东交通大学学报 2024年第1期41卷 70-77页

作者：周天清王博博华东交通大学信息工程学院江西南昌330013

【目的】随着各类移动应用与服务的迅猛增加,移动终端电池容量同能量消耗之间的矛盾日益突出。此外,超密集网络(UDN)中小基站的超密集部署使得网络干扰变得更为复杂,且位于网络边缘的服务器易遭恶意攻击。【方法】针对多任务UDN,通过联... 详细信息

【目的】随着各类移动应用与服务的迅猛增加,移动终端电池容量同能量消耗之间的矛盾日益突出。此外,超密集网络(UDN)中小基站的超密集部署使得网络干扰变得更为复杂,且位于网络边缘的服务器易遭恶意攻击。【方法】针对多任务UDN,通过联合优化用户设备(UE)关联、密码服务分派、UE功率控制、UE与小基站的计算资源分配以最小化标准总能耗与标准总安全成本之权和。首先,为UDN构建MEC和本地计算的系统模型;然后,构建上述权和最小化问题并为其设计了进一步改进的分层自适应搜索(FIHAS)算法。【结果】仿真中,FIHAS能够获得较其他算法更低的权和,且在降低总成本方面更具优势。【结论】总体上,FIHAS能够获得较其他算法更优的系统性能。

关键词：超密集网络安全卸载遗传算法粒子群算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于安全特征的MEC系统性能优化研究

基于安全特征的MEC系统性能优化研究

引用

作者：晏彬洋华北电力大学

学位级别：硕士

在物联网与5G通信发展的驱动下,近年来移动计算模式正逐步从集中式云计算向移动边缘计算（mobile edge computing,MEC）转变。MEC技术的主要特点是将移动计算、网络控制和存储任务推到网络边缘（如基站和接入点）进行处理,从而可以在资... 详细信息

在物联网与5G通信发展的驱动下,近年来移动计算模式正逐步从集中式云计算向移动边缘计算（mobile edge computing,MEC）转变。MEC技术的主要特点是将移动计算、网络控制和存储任务推到网络边缘（如基站和接入点）进行处理,从而可以在资源有限的移动设备上运行计算密集型和延迟敏感型应用。MEC技术可以大幅降低移动设备计算任务处理的能耗与时延,已成为实现5G通信需求的关键技术之一。但由于无线信道的广播特性,MEC系统中所卸载的计算任务中的关键信息极有可能被非法窃听者所窃取,因此,MEC系统的安全性能将会是其能否得到大规模应用的关键挑战之一。本文通过建立不同的应用场景与系统模型,利用物理层安全技术来保障MEC系统计算任务卸载过程的安全,研究了基于安全特征的MEC系统性能优化问题。首先,针对考虑安全卸载场景下的MEC系统的时延最小化问题,形成了两种计算任务卸载处理模式,并提出了时延最优化任务划分策略与最佳卸载模式选择策略,从而达到最小化系统时延的目的。其次,为解决MEC系统中移动设备能量不足问题,将无线能量传输技术与MEC系统结合,在此基础上考虑计算任务安全卸载中的性能优化问题,选取系统时延作为优化目标,并利用拉格朗日法对优化问题进行了求解。最后,对考虑计算任务安全卸载的多用户MEC系统性能进行了研究,选取计算能效作为系统的优化目标,并形成了相关优化问题。利用分式规划原理将非凸优化问题近似为凸优化问题,并提出基于逐步凸逼近方法的迭代算法,从而有效提升了系统安全计算能效。

关键词：移动边缘计算物理层安全安全卸载无线传能

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的MEC系统卸载计算优化研究

基于深度学习的MEC系统卸载计算优化研究

引用

作者：苏滕敏南京邮电大学

学位级别：硕士

随着5G的快速发展和移动设备的激增,传统的移动云计算（Mobile Cloud Computing,MCC）已经无法满足计算密集型任务低时延服务要求,同时移动设备受限于计算能力、电池量而无法带给用户满意的体验感。为了解决上述问题,移动边缘计算（Mobi... 详细信息

随着5G的快速发展和移动设备的激增,传统的移动云计算（Mobile Cloud Computing,MCC）已经无法满足计算密集型任务低时延服务要求,同时移动设备受限于计算能力、电池量而无法带给用户满意的体验感。为了解决上述问题,移动边缘计算（Mobile Edge Computing,MEC）通过将高性能服务器部署在移动用户的附近,将强大的云计算能力转移到网络边缘,用户可就近卸载任务,从而能显著减少任务的计算延迟。然而,如何基于有限的MEC资源实现大量用户任务的低时延卸载计算仍然存在一些难题。为此,本文围绕多用户MEC系统卸载计算优化问题展开研究,探讨在功率、能耗等约束条件下提高安全数据量、降低用户时延的方法。本文的主要研究内容和成果如下:（1）研究了MEC资源受限条件下大量用户任务的低时延MEC卸载计算问题,建立了端边协同下多用户卸载和计算调度联合优化问题,提出一种基于深度强化学习（Deep Reinforcement Learning,DRL）的多用户MEC优化方案。该方案包含两个子算法:其一为任务调度算法,实现MEC服务器中计算任务优化调度;其二为SRLA卸载决策算法,解决用户端边卸载决策和边缘服务器选择。研究结果表明,本文提出的方案能够有效降低任务的总处理时延,提升有限资源对大量并发用户计算任务的服务效率。（2）研究了安全MEC场景下多用户卸载问题。建立了本地计算模型和边缘计算模型,以最大化用户安全卸载计算数据量为目标建立优化问题。在该方案中,用户的安全数据量包括本地计算量以及安全卸载到边缘服务器的任务量,通过优化用户发射功率和本地计算量来解决我们的目标函数。为了解决上述问题,本文将目标函数分为两个子问题（1）本地计算量优化子问题;（2）用户发射功率优化子问题。每个子问题通过给定另一个变量得出最优解。分别求解两个子问题,得到原问题的最优解,进而提出一种最优的部分任务安全卸载方案。研究结果验证了本文所提方案的性能,同时表明了本文方案能相比二进制卸载方案能够实现更好性能。总之,本文对MEC环境中大量用户任务的卸载计算进行了深入研究,通过优化多用户卸载顺序,有效降低了用户时延,并且通过优化发射功率和本地计算量,有效提高了在被窃听的情况下用户的安全数据量。

关键词：移动边缘计算任务调度低时延安全卸载

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：