面向空地协同移动边缘计算的服务布置策略

无人机辅助的移动边缘计算被认为是在下一代移动通信网络中能高效灵活处理时延敏感的计算密集型任务的潜力技术之一.本文研究了基于无人机的空地协同移动边缘计算的服务布置问题,具体而言,如何在满足任务时延需求和其他资源约束的情况下,通过联合优化无人机和地面基站的服务布置、无人机航迹、任务卸载和计算资源分配,以最小化所有用户的总能...     

面向空天地一体化信息网络的边缘计算资源融合管理方法

随着空天地一体化信息网络的建设与发展，无线网络的全球无缝覆盖与泛在的人工智能成为了可能.卫星与无人机作为天基边缘计算节点，辅助地面设备完成各项任务，成为6G网络中的重要应用场景.当前针对卫星、无人机边缘计算的研究处于起步阶段，这些研究在边缘计算服务模式及实际应用方面仍有待进一步深入.单个卫星或无人机的计算能力薄弱，通常难于独立提供较复杂的数据处理服务.现有资源管理算法通常需要多轮博弈才能收敛，难于满足空天地一体化场景中资源管理方法快速收敛的需求.针对以上挑战，本文在天算星座边缘计算服务场景基础上，对空天地一体化网络中天基资源的服务模式进行了分析，提出了组合及聚合两种计算服务融合方式.本文将天基边缘计算资源的管理建模为两阶段的斯坦科尔伯格博弈模型，提出了分布式混合动态迭代算法与分布式分组动态迭代算法，加快了博弈过程的收敛速度.本文基于分布式场景构建了仿真实验，并在典型参数设置下对算法性能进行了分析.仿真实验结果表明：在两种不同服务模式下，本文提出的方法能够使空中边缘计算节点与用户设备获得最大收益;相比近年相关研究，本文所提方法的收敛时间能够缩短60%以上.     

边缘环境下计算密集型任务调度研究综述

随着移动设备数量的急剧增长及计算密集型应用如人脸识别、车联网以及虚拟现实等的广泛使用,为了实现满足用户QoS请求的任务和协同资源的最优匹配,使用合理的计算密集型应用的任务调度方案,从而解决边缘云中心时延长、成本高、负载不均衡和资源利用率低等问题。阐述了边缘计算环境下计算密集型应用的任务调度框架、执行过程、应用场景及性能指标。从时间和成本、能耗和资源利用率以及负载均衡和吞吐量为优化目标的边缘计算环境下计算密集型应用的任务调度策略进行了对比和分析,并归纳出目前这些策略的优缺点及适用场景。通过分析5G环境下基于SDN的边缘计算架构,提出了基于SDN环境下的边缘计算密集型数据包任务调度策略、基于深度强化学习的计算密集型应用的任务调度策略和5G IoV网络中多目标跨层任务调度策略。从容错调度、动态微服务调度、人群感知调度以及安全和隐私等几个方面总结和归纳了目前边缘计算环境中任务调度所面临的挑战。     

车辆边缘计算环境下任务卸载研究综述

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.     

物联网环境下移动边缘计算安全问题

物联网时代多类型流量的接入与应用场景的多样性,从计算能力、存储和业务时延等多个方面对当前集中式云计算架构提出新的挑战.移动边缘计算(MEC)作为一种在网络边缘为用户提供服务的解决方案,能够满足物联网多样性的业务需求.针对移动边缘计算在物联网中的安全问题,对移动边缘计算的概念、应用场景和安全进程进行介绍,着重从数据传输安全、存储安全和计算安全3个方面阐述了移动边缘计算在物联网时代所面临的安全挑战.     

移动边缘计算在车载网中的应用综述

移动边缘计算（MEC）技术将IT服务环境与云计算技术在网络边缘结合以提高边缘网络的计算和存储能力,减少网络操作和服务交付时延; 应用MEC的车载网络可以满足车辆对服务延时和通信可靠性的严格要求,提升车辆用户的服务质量（QoS）。对移动边缘计算在车载网中的应用进行分析研究,首先概述MEC的基本概念及架构、典型应用场景;然后介绍MEC在车载网中的应用、基于软件定义网络（SDN）的车载网MEC研究现状以及车载网MEC应用实例;最后给出了车载网中部署MEC所要面临的问题和挑战,并对该领域未来的研究方向进行了展望。     

基于改进虚拟力算法的无人机边缘节点部署北大核心

无人机边缘节点结合了无人机的移动性和边缘计算的源端处理优势,可以在基础设施薄弱区域中提供计算、传输和存储服务。其中,如何对多个无人机边缘节点进行合理部署,避免提供服务时承载不均造成的缓存资源浪费,是提升服务质量的关键挑战。本文首先对初始状态下的无人机边缘节点的理想部署进行了分析,确定相应的最小无人机边缘节点数。接着通过改进虚拟力算法对单个无人机边缘节点的最佳部署进行调整,将虚拟力定义为无人机边缘节点间的分子力和节点与地面设备间万有引力的合力,使用排斥、吸引、盘旋这3个准则来调整每个时隙中无人机边缘节点的分布,在满足边缘缓存限制的同时使无人机边缘节点的区域覆盖率达到最大。最后与传统的虚拟力算法进行了比较,仿真结果表明,上述算法能够动态地维持对地面设备的覆盖率,降低边缘计算的服务时延。     

边缘环境下计算密集型应用的卸载技术研究

移动边缘计算（Mobile Edge Computing,MEC）中的计算卸载技术通过将终端设备的计算任务卸载到网络边缘处,以解决云计算中心时延长、能耗大和负载高等问题。介绍了MEC的概念、目前主流的MEC网络架构和部署方案。从卸载决策方面对MEC环境下计算密集型应用的卸载技术进行了详细研究,从最小化时延、最小化能耗、权衡时延和能耗及最大化收益为优化目标的4种计算卸载方案进行了分析和对比,并总结出各自的关键研究点。通过分析5G环境下MEC卸载技术的发展趋势,介绍了支持5G的IIoT-MEC网络部署架构,在此基础上分析了基于深度强化学习的轻量级任务卸载策略和基于D2D协作的MEC卸载策略。总结和归纳了目前MEC中计算卸载技术所面临的卸载决策、干扰管理、移动性管理等方面的核心挑战。     

铁路5G移动通信系统边缘计算安全研究

边缘计算作为智能铁路5G网络的关键技术,将数据缓存能力、流量转发能力与应用服务能力下沉到网络边缘,有效契合智能铁路的低时延、大带宽、海量连接需求,以支持智能轨道交通应用。然而,由于其在物理位置、业务类型等多方面发生了变化,且铁路场景外部环境复杂、高度动态性、可信度低,使智能铁路业务的边缘节点面临新的安全挑战。结合5G边缘计算安全的研究现状,基于终端、边缘网络、边缘节点和边缘应用四个方面分析铁路5G边缘计算面临的安全威胁,在细化安全需求和挑战、标准进展的基础上,综述和总结可适用于铁路MEC安全的研究方法和评价指标,结合铁路5G边缘计算特点,提出铁路MEC端到端安全服务方案和未来智能铁路MEC安全研究的发展方向。     

移动边缘网络中计算迁移与内容缓存研究综述

随着移动设备数量的爆炸性增长以及许多新兴应用的出现,移动网络的流量呈指数级增长.传统的集中式网络架构由于回程链路负载过重、时延较长,无法满足移动用户的需求.因此,提出了将网络能力从核心网开放至边缘网的新体系结构,即移动边缘计算（MEC）.移动边缘计算能够在移动蜂窝网络的边缘提供轻量级的云计算和存储能力.对移动边缘计算相关的最新研究成果进行了详尽的回顾：首先,概述了移动边缘计算的发展历程、关键问题和支撑技术;然后,针对MEC架构、计算迁移、边缘缓存和服务编排这4个关键研究问题进行了全面的综述,并讨论了增强现实、虚拟现实、动态内容交付、车联网和物联网等移动边缘计算中的典型应用案例;最后,从移动边缘计算功能增强、服务质量保障和安全可用性这3个方面展望了移动边缘计算的开放式研究挑战和未来的发展趋势.     

5G移动边缘计算在军事领域中的应用

5G移动网络开启了万物互联的时代,任务部队、武器装备、战场态势等都将与5G技术深度融合,催生新的指挥网络体系。在对时延和安全保密要求较高的移动应用中,移动边缘计算技术可将云计算平台从网络内部向网络边缘迁移,有效抑制网络拥塞,降低移动业务端到端时延。本文从5G移动网络特性和移动边缘计算技术出发,结合军事指挥需求,提出移动边缘计算技术在军事领域的应用场景并给出部署建议,同时指出5G移动边缘计算面临的问题与挑战。     

移动边缘计算安全防御研究

移动边缘计算(Mobile Edge Computing,MEC)通过进一步将电信蜂窝网延伸至其他无线接入网络,可以有效地解决传统网络中回程链路负载过重、时延较长的问题.但由于MEC服务节点暴露在网络边缘,且计算能力、存储能力和能量受限,更易受到攻击者的青睐.在分析移动边缘计算面临的安全威胁问题基础上,针对设备安全、节...     

边缘计算:新型计算范式综述与应用研究

科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算(EC)应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。     

基于改进MADDPG的UAV轨迹和计算卸载联合优化算法

在地震、台风、洪水、泥石流等造成严重破坏的灾区,无人机(unmanned aerial vehicle, UAV)可以作为空中边缘服务器为地面移动终端提供服务,由于单无人机有限的计算和存储能力,难以实时满足复杂的计算密集型任务.本文首先研究了一个多无人机辅助移动边缘计算模型,并构建了数学模型;然后建立部分可观察马尔可夫决策过程,提出了基于复合优先经验回放采样方法的MADDPG算法(composite priority multi-agent deep deterministic policy gradient, CoP-MADDPG)对无人机的时延能耗以及飞行轨迹进行联合优化;最后,仿真实验结果表明,本文所提出算法的总奖励收敛速度和收敛值均优于其他基准算法,且可为90%左右的地面移动终端提供服务,证明了本文算法的有效性与实用性.     

面向多边缘设备协作的任务卸载和服务缓存在线联合优化机制

移动边缘计算通过在边缘设备上部署通信、计算、存储等资源,有效克服传统云计算存在的传输距离较长、响应时延过慢等问题,满足新兴的计算密集型和时延敏感型应用的服务需求.然而,移动边缘计算中存在边缘设备资源有限且多边缘设备间负载不均衡的问题.为了解决上述问题,多边缘设备协作成为一种必然趋势.然而,多边缘设备协作面临任务卸载与服...     

无人机集群网络资源优化综述

无人机集群以其灵活性、低成本和可搭载各类传感器等优势,已成为执行复杂任务的关键设备,其应用依赖于及时高效的通信,因此针对无人机集群网络的研究近年来也得到了广泛关注。无人机集群高移动性、高信息交互量和低能源存储量等固有特性,使其通信资源的管理面临各种严峻的挑战。本文首先综述了无人机集群网络的应用场景、优势及其特点,并结合信道接入控制体制,对无人机集群的无线资源优化问题进行分类,提炼出资源优化所面临的挑战。随后从策略与方法的角度对现有的网络资源优化方案进行了总结归纳,梳理了大规模集群场景下的通信性能提升、高动态环境下的及时决策更新,以及多元异构需求下的通信满意度提升等技术难点。最后,依据研究现状与潜在机遇,结合新兴技术的应用优势,对无人机集群网络的技术方向和发展前景进行了展望。     

无人机基站辅助的内容缓存多目标优化策略

近年来,随着各类视频、短视频平台的快速发展,网络视频流量在全球无线网络总流量中占比日益增长.移动边缘计算通过将用户可能请求的视频内容事先存放于网络边缘节点可以有效降低骨干网负载,提高视频服务的响应速度.另一方面,移动无人机技术的推广应用为移动边缘计算应用带来了新的机遇.针对短视频等新兴的应用场景,本文提出的视频内容缓存策略(DC-DRL),基于视频文件内容流行度预测,并与无人机基站调度相结合,从边缘服务器的内容缓存策略和无人机的调度等方面进行多因素、多目标的联合优化,以提升边缘节点高速缓存的系统平均缓存命中率.在缓存替换策略方面,使用对时序特征敏感的长短期记忆神经网络进行基于流行度的文件替换;在无人机基站的轨迹优化方面,本文提出的系统模型,结合演员-批评家算法,利用无人机的移动性辅助优化系统平均缓存命中率.最后通过一系列的仿真实验分析验证了上述策略的有效性.     

边缘计算安全与隐私保护研究进展

物联网、5G等信息技术的快速发展加速了万物互联时代的到来,网络边缘设备的爆发式增长产生了海量级边缘数据,传统云计算模型的集中式大数据处理已无法满足对边缘设备海量数据的高效处理。边缘计算作为一种新型计算模型,在更靠近用户的网络边缘侧就近提供服务,减缓了网络负载,增强了响应能力,但同时由于边缘环境的开放性、多源异构性、边缘节点资源受限等特性,使得边缘计算的安全与隐私保护面临诸多挑战。首先从安全需求出发,围绕身份认证、通信安全协议、入侵检测以及隐私保护等关键技术,系统阐述和分析了边缘计算安全与隐私保护领域的国内外研究成果,最后提出了未来可能的研究方向。     

面向5G/Beyond 5G的移动边缘缓存优化技术综述

随着移动设备和新兴移动应用的广泛使用,移动网络中流量的指数级增长所引发的网络拥塞、时延较大、用户体验质量差等问题无法满足移动用户的需求。边缘缓存技术通过对网络热点内容的复用,能极大缓解无线网络的传输压力;同时,该技术减少用户请求的网络时延,进而改善用户的网络体验,已经成为面向5G/Beyond 5G的移动边缘计算（MEC）中的关键性技术之一。围绕移动边缘缓存技术,首先介绍了移动边缘缓存的应用场景、主要特性、执行过程和评价指标;其次,对以低时延高能效、低时延高命中率及最大化收益为优化目标的边缘缓存策略进行了分析和对比,并总结出各自的关键研究点;然后,阐述了支持5G的MEC服务器的部署,并在此基础上分析了5G网络中的绿色移动感知缓存策略和5G异构蜂窝网络中的缓存策略;最后,从安全、移动感知缓存、基于强化学习的边缘缓存、基于联邦学习的边缘缓存以及Beyond 5G/6G网络的边缘缓存等几个方面讨论了边缘缓存策略的研究挑战和未来发展方向。     

基于萤火虫算法的移动边缘计算网络带宽资源优化策略

由于移动边缘计算网络在边缘位置部署,在多用户并发的情况下带宽资源优化策略容易出现高计算负荷,降低带宽资源优化的效果。为了解决这一问题,提出基于萤火虫算法的移动边缘计算网络带宽资源优化策略。在服务器之间数据连续传输的情况下,确定网络内用户分布情况,计算网络运行需要消耗的能量,利用萤火虫算法建立以带宽资源为中心的数学模型,以移动边缘计算网络的各项参数作为依据,对数学模型求解,得到最优解后,以用户最大收益为目标部署优化策略。实验结果表明:提出的基于萤火虫算法的带宽资源优化策略计算延迟小,网络带宽资源优化效能高,整体计算性能得到了明显提升。