区块链赋能的6G零信任车联网可信接入方案

6G网络将带来全场景按需服务泛在智能新范式,其中可信可靠网络服务是泛在智能的关键技术指标。该文面向6G零信任网络的通信需求,以区块链为“信任桥梁”,研究6G车联网边缘计算中的可信可靠接入管理方法。首先,采用基于2次剩余的零知识身份验证算法,在不暴露车辆隐私的前提下完成基站和车辆之间的相互验证与授权。然后,为提高验证效率并节省基站能耗,建立了基于契约理论的路侧冗余算力激励模型,将基站的一部分验证任务分配给边缘服务器或停泊车辆,再给予相应的报酬。最后,建立了基于双层区块链的6G零信任车联网架构,利用基站群维护的主链与边缘算力维护的辅链记录车联网身份验证的重要参数,实现零信任网络环境的可信接入。通过与现有方法比较,该文所述方法在不泄露车辆隐私的前提下显著提升了车辆验证效率,降低了基站能耗,具有更高的安全性。     

Edge Intelligence for 6G Networks

<正>With the rapid development of smart terminals and infrastructures, as well as diversified applications(e.g., autonomous driving, virtual and augmented reality, space-air-ground integrated networks) with colorful demands, current networks(e.g., 4G and 5G networks) may not be well suited to the requirements of novel applications and services. Recently, efforts from both the industry and academia have been made on the research into 6G networks, artificial intelligence(AI) will play a pivot...     

Towards Intelligent Reflecting Surface Empowered 6G Terahertz Communications: A Survey

Terahertz (THz) communications have been widely envisioned as a promising enabler to provide adequate bandwidth and achieve ultra-high data rates for sixth gene...     

基于联盟链的运营商最佳缓存策略

基于区块链的边缘缓存技术可以实现更大范围的内容共享并提高缓存内容的使用效率。针对不同运营商各自建设边缘设备,缓存内容相互隔离,难以共享信息的问题,该文提出一种基于联盟链的边缘缓存系统框架并设计了内容共享和交易流程,实现了不同运营商之间的内容共享。此外,为了降低高维缓存节点的共识开销,设计了基于内容缓存的部分实用拜占庭容错(pPBFT)共识机制,仅选取缓存相关内容的联盟链节点作为验证智能合约的执行节点。最后,将运营商内容共享所带来的收益进行量化并构建为最大化收益的优化问题。通过所提出的内容缓存算法,得到了最优缓存决策的闭式表达式和与内容流行度相关的最优缓存策略。仿真结果表明,在该框架中所提出的共识机制和缓存策略能够有效增加运营商的缓存收益。     

面向无线边缘缓存的文件库大小分析

文件库大小对无线边缘缓存的性能具有重要的影响。本文基于Zipf文件流行度模型，分析了文件库大小与用户请求数、流行度参数等因素的渐近关系。研究结果表明，当用户请求数较少时，文件库大小随请求数线性增长，而当请求数较多时，文件库大小随请求数呈负指数增长，这一结论适用于不同的流行度参数。仿真结果验证了所分析结果的准确性，并基于校园网中采集的典型视频网站请求记录验证了分析结果的有效性。在实际系统中，无线边缘节点覆盖范围内的用户请求数通常远小于视频网站的文件总数，因此用户请求的文件库大小随请求数线性增长，而非文献中猜测的亚线性增长，这对提升无线边缘缓存性能带来严峻挑战。      

Learning-Based Joint Service Caching and Load Balancing for MEC Blockchain Networks

Integrating the blockchain technology into mobile-edge computing(MEC) networks with multiple cooperative MEC servers(MECS) providing a promising solution to improving resource utilization,and helping establish a secure reward mechanism that can facilitate load balancing among MECS. In addition, intelligent management of service caching and load balancing can improve the network utility in MEC blockchain networks with multiple types of workloads. In this paper, we investigate a learningbased join...     

数字孪生使能的智能超表面边缘计算网络任务卸载

针对新兴的计算密集型应用对移动用户高计算性能需求问题,该文提出一种数字孪生(DT)结合智能反射面(RIS)辅助的移动边缘计算(MEC)任务卸载方案。首先,在满足用户传输功率、用户和资源设备能耗、计算资源限制条件下,通过联合优化用户卸载决策、用户传输功率、RIS 相移、波束成形矢量、计算资源分配,建立一个系统能耗最小化问题;其次,将该非凸组合优化问题分解为3个子问题,使用深度双Q网络(DDQN)方法确定用户卸载策略;然后对每个训练时间步进行一次求解,基于交替迭代方法得到问题的优化解。仿真结果表明,基于DDQN的算法训练速度较快,有效降低了系统总能耗。     

边缘计算网络中区块链赋能的异步联邦学习算法

由于数据量激增而引起的信息爆炸使得传统集中式云计算不堪重负,边缘计算网络(ECN)被提出以减轻云服务器的负担。此外,在ECN中启用联邦学习(FL),可以实现数据本地化处理,从而有效解决协同学习中边缘节点(ENs)的数据安全问题。然而在传统FL架构中,中央服务器容易受到单点攻击,导致系统性能下降,甚至任务失败。本文在ECN场景下,提出基于区块链技术的异步FL算法(AFLChain),该算法基于ENs算力动态分配训练任务,以提高学习效率。此外,基于ENs算力、模型训练进度以及历史信誉值,引入熵权信誉机制评估ENs积极性并对其分级,淘汰低质EN以进一步提高AFLChain的性能。最后,提出基于次梯度的最优资源分配(SORA)算法,通过联合优化传输功率和计算资源分配以最小化整体网络延迟。仿真结果展示了AFLChain的模型训练效率以及SORA算法的收敛情况,证明了所提算法的有效性。     

无人机接替场景中相似度感知的边缘计算缓存算法

无人机边缘计算将无人机的移动性和边缘计算的源端处理优势相结合,可以在基础设施薄弱区域中提供计算、传输和存储服务,近两年得到了广泛关注。然而,无人机平台的计算、能量和存储容量有限,面对不断增长的内容服务请求,无人机边缘节点只能缓存部分流行度较高的内容。此外,为了保证服务的连续性,无人机之间往往需要接替提供缓存服务。现有的边缘缓存算法大多根据内容的请求历史来预测流行度,使得接替无人机上对新请求的内容服务启动缓慢,缓存命中率较低,限制了边缘计算缓存的性能。在此背景下,充分考虑无人机的移动性和内容请求的动态性,设计了一种针对接替无人机的动态缓存架构,并综合考虑接替无人机上缓存内容的流行度、相似性以及接替距离,提出了一种相似度感知缓存算法(Similarity-Aware Caching,SAC)。仿真结果表明,该缓存算法可以有效提升无人机接替场景中的缓存命中率和接替成功率。     

Collaborative Caching in Vehicular Edge Network Assisted by Cell-Free Massive MIMO

The 6G mobile communications demand lower content delivery latency and higher quality of service for vehicular edge network. With the popularity of content-centric networks, mobile users are paying more and more attention to the delay and reliability of fetching cached content. For reducing communication costs, increasing network capacity and improving the content delivery, we propose a collaborative caching scheme based on deep reinforcement learning for vehicular edge network assisted by cell-...     

Federated Reinforcement Learning with Adaptive Training Times for Edge Caching

To relieve the backhaul link stress and reduce the content acquisition delay, mobile edge caching has become one of the promising approaches.In this paper, a novel federated reinforcement learning(FRL) method with adaptive training times is proposed for edge caching. Through a new federated learning process with the asynchronous model training process and synchronous global aggregation process, the proposed FRL-based edge caching algorithm mitigates the performance degradation brought by the non...     

基于随机几何理论的流行度匹配边缘缓存策略

异构网络边缘缓存机制是解决传统回程传输链路负载过大的可靠技术之一,但已有的缓存策略往往不能与被请求数据的流行度相匹配。为了解决这一问题,该文提出一种流行度匹配边缘缓存策略(PMCP),该策略能够根据流行度参数匹配对应的文件缓存概率以最大限度提升通信可靠性并降低回程带宽压力。基站的平面位置通过随机几何建模,文件的被请求概率则通过齐夫分布建模。蒙特卡罗仿真结果表明缓存机制能够有效降低回程带宽压力,且所提出缓存策略的可靠性优于对比策略。     

专题:面向B5G/6G的智能边缘计算网络技术

随着我国5G网络的规模化部署与商用,目前是开展B5G/6G研究的关键阶段。面向未来B5G/6G的主要可能应用场景,例如车联网、工业互联网、空天地海一体化等网络的业务特征,形成了通信-计算-感知一体化融合、通信网络与人工智能融合等新趋势,构建智能边缘计算网络平台与架构,解决智能资源管理与调度、低时延与高可靠传输技术等关键科学问题和技术,对推动移动通信网络朝着6G演进,保持国家在该领域的领先地位,并促进数字经济发展具有重要意义。     

5G+区块链网络分片技术

基于5G+区块链网络分片建模,仿真对比了保证分片网络可信和保证全网可信的两种网络分片方案的性能差异,分析了单点受控概率、分片可信度、分片数量、全网可信度等参数对分片规模、网络规模的影响,给出了在满足一定可信度条件下,区块链网络分片的最优规模,并提出一定网络规模下,区块链网络从保证分片网络可信向保证全网可信方案演进再向更大规模分片网络可信方案演进的路线。     

Intelligent Edge Network Routing Architecture with Blockchain for the IoT

The demand for the Internet of Everything has slowed down network routing efficiency.Traditional routing policies rely on manual configuration,which has limitations and adversely affects network performance.In this paper,we propose an Internet of Things(IoT) Intelligent Edge Network Routing(ENIR) architecture.ENIR uses deep reinforcement learning(DRL) to simulate human learning of empirical knowledge and an intelligent routing closed-loop control mechanism for real-time interaction with the netw...     

Cloud-Assisted Distributed Edge Brains for Multi-Cell Joint Beamforming Optimization for 6G

In 5G networks, optimization of antenna beam weights of base stations has become the key application of AI for network optimization. For 6G,higher frequency bands and much denser cells are expected, and the importance of automatic and accurate beamforming assisted by AI will become more prominent. In existing network, servers are “patched” to network equipment to act as a centralized brain for model training and inference leading to high transmission overhead, large inference latency and potenti...     

Resource Trading and Miner Competition in Wireless Blockchain Networks with Edge Computing

To promote the application of edge computing in wireless blockchain networks,this paper presents a business ecosystem,where edge computing is introduced to assist blockchain users in implementing the mining process.This paper exploits resource trading and miner competition to enable secure and efficient transactions in the presented business ecosystem.The resource trading problem is formulated as a Stackelberg game between miner candidates and edge computing servers,where computing,caching,and c...     

构建面向5G的边缘计算

本文旨在介绍边缘计算产生的背景、应用需求、技术特性、应用场景,以及英特尔公司在推进边缘计算创新进程中所扮演的角色和发挥的作用。     

3G边缘网络解决方案

简要介绍了为 ３Ｇ 边缘网络建设提供低成本、高效率、高带宽的 ＩＢ Ａ Ｓ１００系列产品的主要技术特点。     

移动边缘计算中基于联邦学习的视频请求预测和协作缓存策略

随着互联网社交平台的崛起和移动智能终端设备的普及,自媒体短视频、直播等视频业务蓬勃发展,人们对高质量视频服务的需求也急剧上升。与此同时,连接到核心网络的大量智能设备增加了回程链路的负载,传统的云计算难以满足用户对视频服务的低延迟要求。移动边缘计算(MEC)通过在网络边缘部署具有计算和存储能力的边缘节点,通过在更靠近用户的边缘侧提高计算和存储服务,降低了数据传输时延进而缓解了网络阻塞。因此,基于MEC架构,该文充分利用网络边缘资源,提出了基于联邦学习的视频请求预测和视频协作缓存策略。通过利用多个边缘节点对提出的深度请求预测模型(DRPN)视频请求预测模型进行联邦训练,预测视频未来的请求情况,然后量化缓存内容所带来的时延收益并协作地以最大化该时延收益为目的进行缓存决策。该文分析了真实数据集MovieLens,模拟了视频请求缓存场景并进行实验。仿真结果表明,相比于其他策略,所提策略不仅能有效降低用户等待时延,在有限的缓存空间中提高内容多样性,从而提高缓存命中率,降低缓存成本,还能降低整个系统的通信成本。