面向联邦算力网络的隐私计算自适激励机制

面对“人-机-物”超融合与万物智能互联远景的现实需求,联邦算力网络充分发挥联邦学习等分布式智能技术的数据聚合优势以及“信息高铁（低熵算力网）”的计算协同优势,高效利用网络中泛在离散部署的海量数据与算力资源,从而最大化满足多种高性能、智能化计算任务需求瓶颈.同时,为建立用户泛在协作计算过程中的全生命周期安全保障和对联邦算力网络的互信任基础,差分隐私等隐私计算技术的引入成为基础性需求之一.因此,在用户自身安全和隐私不受模型逆转、梯度泄露等新兴攻击威胁的前提下,如何对大量的个性化参与用户进行有效激励,促使其积极参与并真实共享本地数据和算力,是实现联邦算力任务实际部署的关键步骤之一.然而,当前联邦算力网络的激励机制大多主要侧重于用户数据评估与公平性等计算性能相关指标研究,缺少对用户隐私需求的关注,无法有效规约隐私噪声注入过程.边缘算力节点出于自身利益考量,往往夸大隐私预算需求,造成严重的冗余精度损失.针对这一问题,本文基于改进的斯塔克伯格主从博弈模型,提出一种面向联邦算力网络的隐私计算自适应激励方法,通过两阶段的动态博弈根据分布式计算过程中隐私注入尺度进行差异化定价激励.基于反向归纳法,参与用...     

算网融合下时间连续的计算任务卸载机制

算力网络通过网络协同云、边、端计算资源，突破单点算力的性能瓶颈，为智能化社会提供了算力支撑.算网融合逐渐成为新型信息通信网络技术发展的趋势.由于计算资源异构、网络负载动态，如何协同云、边、端计算资源，从而降低计算任务时延是算网融合下极具挑战性的问题之一.为简化问题，现有工作往往假设系统时间是离散的，并且只在时隙结束时进行计算卸载决策.但该假设会引入决策等待时间，增加了计算任务的整体时延.针对上述问题，提出一种算网融合下时间连续的计算任务卸载机制，在保证时间轴连续和协同多个边缘节点计算资源的前提下，以服务体验提升率为优化目标，对云、边、端间任务卸载问题进行建模，并设计了一种基于深度强化学习的任务卸载方法，从而更高效地利用算力网络计算资源.通过大量的仿真实验证明，与2种基线算法相比所提算法能够有效降低任务时延，提升服务体验.     

基于高性能计算环境的HPC算力编程模式

【目的】随着云计算、大数据、人工智能等技术的兴起和广泛应用,促进了基于多元算力的融合计算发展。在国家“东数西算”战略的指引下,充分发挥HPC算力优势,提供新型HPC算力编程模式,是新一代计算基础设施可编程能力的重要变革。【方法】分析了高性能计算环境服务模式发展和现有计算环境下不同的编程模式,提出了基于高性能计算环境的HPC算力编程模式HPC as a function,定义了HPC算力和任务模式的基本抽象,以及HPC算力编程模式的参考体系结构。【结果】HPC算力编程模式可支持科研业务中融合计算对HPC算力的基本需求,可将适用于HPC的计算任务分发到合适的计算资源执行并有效管理,相比传统的工作流系统提供了更大的灵活性和可编程性。【结论】HPC算力编程模式可望有效提高“东数西算”计算基础设施的可编程性。     

算力网络环境下基于势博弈的工作流任务卸载优化机制

边缘计算虽然部分解决了任务上云导致的时延过长的问题,但由于通常只考虑端边云间的垂直协同,不可避免出现了“算力孤岛”效用,因而仍然难以满足工作流任务的低延迟执行需求.为了高效协同利用广域网上的算力资源,降低工作流任务的执行时间,亟需对算力网络中的工作流任务卸载和资源分配问题进行研究.首先描述了算力网络环境下面向多用户的工作流任务执行场景,并对该场景下的网络环境、工作流任务及其执行流程进行建模.其次根据优化目标建立工作流执行时延模型,以构建面向算力网络环境的多用户工作流任务卸载与资源分配问题.最后根据工作流应用的特点,针对链式工作流提出了一种基于势博弈的分布式工作流卸载算法.针对复杂DAG工作流提出一种基于动态资源权重的启发式工作流卸载算法.仿真实验表明,与其他算法相比,所提算法均能够协同广域网上的算力与网络资源,降低工作流任务的平均完成时间,从而有效提高了算力网络环境中的工作流任务的执行效率.     

新型算力网络架构及其应用案例分析

随着人工智能（AI）算力向网络边缘甚至终端设备扩散,端边云超协同的算力网络成为最佳计算解决方案,而新机遇催生了端边云超计算和网络之间的深度集成。然而,集成系统的完整开发还没有得到很好的解决,包括适应性、灵活性和价值性,因此提出了一种区块链赋能的端边云超算力网络架构。其中,端边云超融合为框架提供基础设施,该设施构成的算力资源池为用户提供安全可靠的算力,网络通过调度资源满足用户需求,而框架内的神经网络和执行平台为AI任务执行提供接口;同时,区块链保证资源交易的可靠性,以激励更多算力贡献者加入平台。本框架为算力网络中的用户提供了适应性,为组网算力资源调度提供了灵活性,为算力供应商提供了价值激励,并利用案例清晰地描述了该新型算力网络架构。     

区块链赋能的算力网络协同资源调度方法

随着AI内容生成、多媒体处理、VR视频等对于计算资源有着极大需求的互联网服务的快速发展，在可以遇见的将来，计算资源将成为网络中的稀缺资源.算力网络通过将算力作为网络基本单元之一来实现算力的网络化，为这些计算敏感的应用提供了行之有效的解决方案.得益于来自云—边—端等节点的计算资源，算力网络能够为大规模用户提供弹性泛在的计算调度.尽管算力网络具有广泛的应用前景，如何实现在这些地理分布的计算节点之间高效调度，计算资源对于算力网络的性能至关重要.提出了一种区块链赋能的资源调度（blockchain empowered resource allocation,BCERA）算法.不同于现有的资源调度方法，BCERA依赖于一个区块链结构来实现分布式、高效的计算资源调度.特别地，有别于现有的区块链结构，BCERA中的区块链节点通过求解任务调度优化问题来实现区块链的共识，从而在避免共识所带来的额外开销和时延的同时，还能提升系统的可扩展性和鲁棒性.计算资源调度问题被建模为一个马尔可夫决策过程（Markov decision process,MDP）并通过强化学习方法来求解.除此之外，还设计了一个激励机制以...     

面向“云-边-端”算力系统的计算和传输联合优化方法

“云—边—端”资源协同优化是算力网络部署的关键难题之一.如何有效整合高性能云计算、低延时边缘计算和低成本用户设备等异构算力资源，对于算力网络建设具有重要意义.基于此，提出了一种面向“云—边—端”算力网络的计算和传输联合优化方案，旨在从应用服务模型、网络状态感知和资源联合优化3方面提供一套系统性解决方案.首先，根据通用应用服务的特性，改进了传统网络服务的链状表征模型，提出了广义图结构的通用服务模型.其次，为表征异构网络状态的动态规律，提出了用于建模计算和传输时变负载的双虚拟队列结构.再次，为降低在大规模算力网络中计算和传输资源联合优化的问题复杂度，提出了一种基于图概念的增广图模型，该模型能够将计算和传输联合优化问题转化为增广图的路由问题，简化了异构资源联合优化问题的形式化表征难度.为实际解决该问题，设计了基于波利亚重球法（Polyak heavy-ball method）的异构资源协同优化算法，并给出了算法复杂度和相关理论的性能分析.最后，通过数值仿真和原型系统实验，验证了算法理论性能的正确性，以及在服务效用和资源成本等方面对比同期3种相关解决方案的性能优势.     

算力网络可编程服务路由策略的分析与探讨

【目的】分析和设计了面向算力网络的可编程服务路由策略的实现机制,使得网络可灵活高效、按需实时地调用计算资源。【方法】结合算力网络的可编程服务理念,设计了路由策略的三种实现机制,包括集中式、分布式以及集中与分布协同的混合式,详细介绍了每种实现机制的信息通告、路由决策、流量转发等服务流程,以及技术特点和应用场景。【结果】面向算力网络的可编程服务路由策略可基于业务场景及网络状况等特点,按需选择不同实现机制进行部署。【结论】算力网络可编程服务路由策略的研究将为算网一体化编排调度赋能,实现算力随需随选随时随地接入,但仍需从技术标准、商业应用、产业生态等多方面推进深入研究与落地。     

工业互联网场景下边缘计算的关键技术探讨

边缘计算由于其算力节点下沉、实时处理能力强等特点,近年来在工业互联网领域被广泛应用.本文将从算网融合、云边协同、网络高可靠性承载方面切入,探讨如何通过边缘计算助力工业互联网发展,推动企业数字化转型.     

工业互联网技术发展分析及算网融合的趋势思考

工业互联网自首次提出以来发展已有10年,当前已经经过概念普及的阶段,形成了以网络、平台和安全为核心的技术体系,进入到技术应用部署的沉淀期。边缘计算在工业互联网的应用落地中起到了关键作用,促进算力的现场化部署,一定程度上也改变了网络的流量模型。算力网络作为网络和计算融合发展的全新方向,将进一步促进技术和产业融合,为工业互联网提供新型融合基础设施的支撑。     

普及计算及其应用模型

1.普及计算的基本概念 1.什么是普及计算? 我们当前所处的时代是计算机技术仍然复杂到让大部分人们难以学习的地步的时代。虽然目前计算机已经进入了许多人的家庭,但是真正能够发挥计算机全部能力的用户是很少的。计算机业界有许多的技术和专有名词,而且它们还随着时间的流逝不断发展变化。再者,过去所有的传统思路都是以计算机为中心,当计算机系统发生变化时,人们的思想也必须     

普适计算体系结构的研究

普适计算使人在信息空间与物理空间相融合的环境下，利用任意设备，通过任意网络，在任意时间透明地获得一定质量的网络服务，根据目前国际上普适计算研究的现状和发展趋势，提出了一个普适计算体系结构的参考模型，并简要讨论了该参考模型的四个关键研究内容一移动计算、互操作计算、情感计算和上下文感知计算．     

Characterizing application scheduling on edge,fog, and cloud computing resources

Cloud computing has grown to become a popular distributed computing service offered by commercial providers. More recently, edge and fog computing resources have emerged on the wide-area network as part of Internet of things (IoT) deployments. These three resource abstraction layers are complementary, and offer distinctive benefits. Scheduling applications on clouds has been an active area of research, with workflow and data flow models offering a flexible abstraction to specify applications for execution. However, the application programming and scheduling models for edge and fog are still maturing, and can benefit from learnings on cloud resources. At the same time, there is also value in using these resources cohesively for application execution. In this article, we offer a taxonomy of concepts essential for specifying and solving the problem of scheduling applications on edge, fog, and cloud computing resources. We first characterize the resource capabilities and limitations of these infrastructure and offer a taxonomy of application models, quality-of-service constraints and goals, and scheduling techniques, based on a literature review. We also tabulate key research prototypes and papers using this taxonomy. This survey benefits developers and researchers on these distributed resources in designing and categorizing their applications, selecting the relevant computing abstraction(s), and developing or selecting the appropriate scheduling algorithm. It also highlights gaps in literature where open problems remain.     

云计算与网络信息安全研究

网络信息安全一直是IT行业的一个热门话题和研究热点。云计算是一个新兴技术,给网络信息安全提供机遇的同时,也带来了很多挑战。本文介绍了云计算的基本概念和实现机制,并在此基础上分析了云计算与网络信息安全的关系。最后,针对云计算面临的网络信息安全的挑战,给出了几点建设性的提议并对云计算进行了展望。     

普适计算网络环境中的密钥预分配方案

普适计算使用大量无线传感器节点组成网络,如何保证通信安全是普适计算所面临的重大问题。提出一种普适计算环境中的三层二项式密钥预分配方案,它能够很好地完成两两簇头间密钥对的生成,同时满足对节点极小的能量损耗、极少的通信负载和存贮空间要求。该方案有效地解决了节点获取攻击问题,提高了网络恢复度;同时成功地解决了多项式密钥预分配方案中的“K-security”问题。     

基于Internet的分布式网络精馏计算系统

文章简要叙述了近10年来化工领域网络计算技术的发展状况,提出了一种基于分布式计算的网络计算模型,并将这一模型应用到化工精馏模拟计算领域。文章对分布式网络计算模型的成员结构及成员间的关系和通信方式进行了仔细分析,给出了一个模型结构框图,同时,对如何选择开发平台、开发语言和开发工具提出了一些建议。并给出了一个采用分布式网络计算模型的化工精馏模拟网络计算系统的设计实例,并列举了采用这个模型进行实际模拟计算应用的两个具体例子。最后对网络计算的发展前景做了一些展望。     

网络计算中间件

网络计算中间件是随着互联网的发展而于20世纪90年代兴起的一类基础软件,网络计算中间件为各种网络应用系统的开发、部署、运行和管理提供了有力支持.随着信息网络技术和软件服务工程的快速发展,网络计算中间件又被赋予了新的内涵,首先从网络计算环境出发,就基础中间件、应用集成中间件和领域应用框架的基本概念和主要技术作较全面的诠释;然后聚焦于云计算和物联网等网络计算的热点研究方向,从中间件的角度指出当前值得关注的某些挑战性研究课题和需要深入探索的若干关键技术.     

初探云计算与气象数据处理

云计算是在网格计算基础上提出的一种新型计算模型,是下一代网络计算平台的核心技术,它提供了可靠安全的数据存储、方便快捷的互联网服务和强大的计算能力。对气象部门而言,云计算可能成为未来气象数据处理和分析的基本平台,同时对气象资源的开发也提出了新的思路。     

普适环境中任务计算范例研究综述

为了减少用户注意力的耗费,实现普适计算以用户为中心的目标,从高层、抽象的用户任务出发的任务计算范例逐步引起了国内外研究者的关注,并被认为是实现"以用户为中心"的普适计算的可行方式.基于此,对国内外关于任务计算范例的研究现状进行总结和分析,并在此基础上对任务计算范例未来发展趋势进行了展望.     

UbiCloud:一种面向普适终端的云计算系统

针对低性能终端的复杂计算需求,设计了面向普适终端的云计算系统UbiCloud。通过对云中计算资源的描 述、发现、访问、评价等问题进行研究,在前端普适终端与后端云之间构建虚拟计算环境,实现了一个异构终端的云计 算服务发布及访问平台。在对服务质量的评价上结合AHP算法给出了一个有效的服务评价模型,在建立判断矩阵 的过程中提出了两种一致性矩阵构建方法。最后对系统进行了性能测试,结果表明系统在应用响应时间等指标方面 可以达到设计目的。