雾计算

摘要： 针对现有雾计算网络的迁移优化研究主要集中在降低任务计算时延及能量消耗上,缺乏融合考虑雾节点选择的公平性,该文提出了一种面向雾计算网络的能耗最小化公平计算迁移机制。具体地,构建了一个最小化所有任务完成总能耗的优化问题,充分考虑了任务迁移比、传输功率和雾节点选择的联合优化;基于上述优化问题,提出一种任务迁移候选目的节点集生成算法,通过二分法获得各个雾节点在相应延迟约束下的最低能耗及其对应的迁移比与传输功率;进一步,为了在低能耗与目的节点选择公平性之间取得平衡,基于公平调度指标,提出一种目的节点公平选择算法,以低能耗且公平的方式实现计算任务分配。最后,仿真结果表明,该机制可以在总能耗较低的情况下保证各个雾节点之间的公平性,较最大等效处理速率机制,平均雾节点存活率提升了10.9%。

摘要： 雾计算是实现物联网中的计算密集型和时延关键型应用一种很有前景的解决方案。考虑到计算节点的布局会直接影响雾计算网络中任务卸载的性能,旨在解决雾计算网络中计算节点的最优布局问题。通过同时考虑计算节点的通信覆盖和计算能力,该问题可以建模为一个NP难的p中心问题。为解决这个问题,首先给出所需布局的计算节点数量的下界,然后提出2种有效的启发式算法以较低的复杂度对计算节点进行布局。数值结果验证了所提算法的性能和优点。

摘要： 针对移动云计算存在的传输延迟高和核心网络负载严重等问题,主流的解决方案是通过计算下沉的方式在路侧单元上部署边缘服务器,这种卸载到边缘服务器或路由器的计算模式称为雾计算。本文提出了两种雾计算环境下的任务卸载算法:泛洪算法和基于阈值的切换算法,并通过Matlab R2017a平台对这两种卸载算法进行分析,并与本地执行和卸载到云服务器执行进行比较。结果表明雾计算环境下的任务卸载算法不仅能减轻云服务器的负载,而且能够大大缩短任务的完成时间。雾计算环境下,基于阈值的切换算法比泛洪算法更好地节约任务完成时间。

摘要： 大数据场景下,远程云服务器通常被部署用于数据处理与价值挖掘,但在面对时延敏感型或需要动态频繁交互的业务时,该种处理模式显得力不从心.作为对云计算模式的补充,雾计算因其可有效降低任务处理时延、能耗与带宽消耗而备受关注;同时,面向雾计算的计算迁移机制因其能有效缓解节点的处理负担并改善用户体验而成为领域研究焦点.在雾计算模式下,为了更好地满足计算密集型任务对时延与能耗的要求,基于区块链赋能物联网场景,本文提出了一种联合资源分配与控制的智能计算迁移方案.具体地,规划了一个在时延、能耗与资源约束下的最小化所有任务完成总成本的优化问题,其总成本构成综合考量了时延、能耗和挖掘成本,通过对通信、计算资源与迁移决策的联合优化,实现总成本的最小化.为完成任务迁移,终端以矿工的身份向雾节点挖掘(租借)计算资源,所提出的基于区块链技术的激励机制可充分调动终端和雾节点参与计算迁移的积极性并保障交易过程的安全性,设计的奖励分配规则可保证成功挖掘资源终端收获奖励的公平性.为解决上述规划的优化问题(即混合整数非线性规划问题),提出了一个联合通信、计算与控制的智能计算迁移算法,该算法融合深度确定性策略梯度算法思想,设计了基于反梯度更新的双“行动者-评论家”神经网络结构,使训练过程更加稳定并易于收敛;同时,通过对连读动作输出进行概率离散化运算,使其更加适用于混合整数非线性规划问题的求解.最后,仿真结果表明本文方案能以较快的速度收敛,且与其他三种基准方案相比,本文方案的总成本最低,例如,与其中性能最好的基于深度Q学习网络的计算迁移方案相比,总成本平均可降低15.2%.

摘要： 密文策略属性加密为基于云存储的物联网系统提供了一对多的访问控制,然而现有方案中存在开销大、粒度粗等问题。基于此,结合雾计算技术提出了一种支持计算外包的微型属性加密方案。该方案缩短了密钥与密文的长度,减少了客户端的存储开销;将部分计算转载到雾节点,提高了加解密效率;具有更加丰富的策略表达能力,并且可以快速验证外包解密的正确性。安全分析结果表明,该方案具有选择密文攻击下的不可区分性。性能评估结果表明,该方案能够为雾计算中终端设备受限时的数据存储提供高效的访问控制。

摘要： 当网络在云数据中心发送和处理数据的延迟较大时,大多实时智能应用程序都难以达到预期效果。雾计算允许这些对延迟敏感的应用程序在边缘设备上运行,这些设备被称为雾节点,其在地理位置上更接近应用程序。然而,雾计算中的雾节点通常计算资源有限,容易受到海量高维异常流量攻击,为此,提出一种特征降维的改进准递归神经网络,并基于该网络构建轻量级入侵检测模型FR-IQRNN。将雾节点采集到的高维攻击样本编码为低维向量以减少冗余特征,利用FR-IQRNN的循环连接捕获低维向量的时间依赖关系,同时在时间步长和小批量维度中实现并行计算,在此基础上,引入注意力机制强化模型对关键特征的提取能力,从而实现雾节点的入侵检测。在公开数据集UNSW_NB15上,FR-IQRNN模型能取得99.51%的准确率、99.23%的精确率以及99.79%的召回率,优于RNN-IDS、AESVM等模型,并且仅需127.94 s便达到95%以上的训练精度。在NSL-KDD数据集上,FR-IQRNN模型获得99.39%的准确率和99.27%的召回率,且在鲁棒性方面表现突出。

摘要： 当前物联网调度系统在实际操作过程中,无法精准确定物联网数据状况,导致网络信息收集能力较弱,接入时间延迟率高。为此引入雾计算及RoF-DAS架构设计了一种新的物联网调度系统。硬件结构设计了检测模块、监控模块、定位模块,三个模块协调配合,检测外部数据信息,实现定位监控,增强信息收集能力。软件部分利用雾计算技术,连接硬件终端设备与云计算数据中心系统,并按照连接的组合顺序进行数据排列,在RoF-DAS架构控制下分析物联网的应用数据,由此完成物联网调度系统设计。实验将所设计物联网调度系统设计应用在车辆调度中,结果表明,该系统能够准确地记录车辆数据状况,相较于传统系统,延迟率提高了36.4%,具有实际应用价值。

摘要： 5G网络中将会部署大量的超密集边缘设备,在边缘设备附近放置和处理数据,可以避免不必要的网络数据传输,减少网络传输时延。雾计算网络将云服务的能力扩展到网络边缘,通过近距离地为终端提供计算、存储和通信等服务,能够有效地降低系统数据传输时延。在5G愿景的驱动下,针对雾计算网络的数据存储,提出了一种利用编码缓存技术在雾计算网络中快速获取数据的有效方案——雾网络缓存架构,解决了缓存资源分配和数据传输问题。首先将基于雾网络的缓存架构建模为两跳网络,并为两跳网络提出一种基于文件分割和极大最小距离可分码的去中心化在线编码缓存方案。该方案通过合理设计服务器文件更新方法以及中继和用户的缓存更新策略,保证了服务器文件与中继和用户的缓存文件的一致性,使得中继和用户的缓存内容保持有效性。然后通过仿真分析了两跳网络的缓存内存和传输负载之间的关系。仿真结果证明了所提出的方案具有较低的传输负载,能够有效地缓解网络拥塞。

摘要： 目的:设计基于雾计算的移动医疗设备信息隐私保护方案,为移动医疗设备信息安全提供保护。方法:采用静态分析、动态分析和静态与动态综合分析的方法,分析Android系统软件访问私有数据的内在机制。采用基于应用程序接口(API)函数上下文的隐私泄漏检测方法,提出用于移动医疗设备隐私保护的雾计算解决方案,并设计基于雾计算的安全和隐私保护框架。结果:提出的移动医疗设备隐私保护的雾计算解决方案,实现了实时监控Android系统的个人健康决定(PHD)上各种应用程序及检测恶意代码;基于API函数上下文信息库的方法及隐私泄漏检测方法,有效避免了医疗设备信息的隐私泄漏。结论:基于雾计算的移动医疗设备信息隐私保护方案,具有低能耗以及良好的适应性和检测性能,可为移动医疗设备信息隐私安全提供保护。

摘要： 雾计算网络是连接云计算网络和边缘网络的中间人,相比于云计算,更加接近边缘网络,在处理边缘网络数据时,具有低延时、分布式、移动性、虚拟化等优点。本文优化了LQR控制器,并仿真验证道路上的路径跟踪准确性。最后,提出了雾计算网络下汽车实现路径跟踪的一种可能措施,为智能网联汽车自动驾驶提供一个参考方案。

摘要： 为满足消防行业物联网系统运营和性能的特殊性要求,本文在分析现有云计算架构在消防物联网适用性的基础上,设计了一种基于雾计算的消防物联网体系结构,其中重点论述了针对消防无线传感器网络数据采集部分采用雾计算特点与优势.在基于该架构的基础上,无线通信部分采用低功耗广域网中的LoRa通信技术构建了无线火灾报警系统雾计算网络,通过网关接入消防云计算中心构成消防物联网.

摘要： 大数据时代物联网等应用背景下数据量每天指数增长,数据在地理上是分散的,而地震监测预警、预报等对响应时效性提出了更高的要求.云计算虽然是大数据处理的计算平台,但是目前网络带宽的增长速度远远赶不上数据的增长速度,另外,各种网络延迟很难有突破性提升.因此,传统云计算模式需要解决带宽和延迟这两大瓶颈.相比于云计算，雾计算可以更好的支持移动计算与物联网应用。

摘要： 雾计算利用去中心化的设计思想有效解决了长期困扰云计算的时延和拥塞两大难题,迅速成为各方研究的热点,同时被引入各类大型网络信息系统发挥作用.通过对雾计算网络结构及特征的分析研究,结合军队信息系统建设中存在的网络带宽不足、数据安全特殊等管理域问题,提出了雾计算在军队信息系统中应用的几点考虑,以期为解决军队信息系统建设中的难题提供技术支撑.

摘要： 在物联网成为下一代互联网的大趋势下,为应对随之而来的海量数据和网络带宽压力,“雾计算”技术应运而生,同时带来大量新应用、新服务和新架构.以烟草行业物联网的实践经验为例,分析了近年来浙江烟草物联网的发展现状,结合浙烟“1253”基础架构规划,提出了云雾混合架构的总体架构和建设方式,对基于该架构的物联网技术在行业各条线的广泛应用进行了设想.

摘要： 云计算是新一代的集中式计算,而雾计算则是新一代的分布式计算.首先介绍了雾计算的概念,分析了雾计算与云计算、边缘计算的区别,然后详细阐述了雾计算的技术架构,包括雾计算的层次结构、系统结构、软件结构、关键点,最后探讨了雾计算技术在中国移动通信集团物联网OneNET平台中的应用.

摘要： 文章在基于属性加密技术的基础上提出了面向雾计算的隐私保护与访问控制方案,并以车联网为例介绍了该方案的具体实现.采用该方案后,雾节点与终端用户之间的交互信息均以密文传递,只有满足访问策略的终端用户或者雾节点才可以解密信息.该方案可赋予数据保护自身的能力,使得数据在不依赖第三方的情况下保证自身机密性并实现灵活的访问控制,从而实现雾计算中的隐私保护与访问控制.

摘要： 从经典的物联网三层系统架构出发,探讨了雾计算、边缘计算、eMTC、NB-IoT这些技术对系统架构的影响,提出一种5G蜂窝网络时代理想情况下,有5个层次的系统架构参考模型.

摘要： 点数据取得部(21)取得表示由光传感器(41)得到的反射点的点数据，该光传感器(41)接收放射出的光束由反射点反射后的反射光。图像数据取得部(22)取得点数据所示的反射点周边的图像数据。亮度计算部(23)计算图像数据的亮度的平滑度。雾确定部(24)根据由点数据确定的从光传感器(41)到反射点的距离、以及亮度的平滑度，确定雾的浓度。

摘要： 点数据取得部(21)取得由光传感器(41)得到的表示反射点的点数据的集合，该光传感器(41)接收放射出的光束由反射点反射后的反射光。俯瞰由点数据取得部(21)取得的集合中包含的点数据所示的反射点，雾确定部(22)将反射点投影到进深方向和水平方向的平面。该情况下，雾确定部(22)判定反射点是否呈圆弧状分布在光传感器(41)的周边。雾确定部(22)根据判定结果确定雾的浓度。

摘要： 点数据取得部(21)取得由光传感器(41)得到的表示反射点的点数据的集合，该光传感器(41)接收放射出的光束由反射点反射后的反射光。点数据是1次点数据和2次点数据的组，该1次点数据表示针对某个光束的反射点即1次反射点，该2次点数据表示针对某个光束的反射光的强度比1次反射点低的反射点即2次反射点。雾确定部(22)根据与取得的集合中包含的点数据有关的1次反射点与2次反射点之间的距离的分布，确定雾的浓度。

摘要： 本发明涉及一种雾计算网络中基于雾节点协作的负载均衡方法，属于移动通信技术领域。本发明首先对雾节点协作场景的通信过程和计算过程进行了相关建模；之后设计了用于筛选协作雾节点的协作贡献度和基于多属性决策的协作雾节点筛选算法；进而设计了基于协作贡献度的协作贡献比系数χm，并构建了引入协作贡献比系数的系统总开销优化问题模型；最后设计了基于协作贡献度的负载均衡算法，用于求解任务负载在雾节点间的最佳分配结果。本发明能够在保证雾节点协作的可行性、公平性、稳定性的前提下，对业务负载进行合理分流，提升系统性能和用户的QoE。

摘要： 本发明公开了一种边缘计算或雾计算环境下基于激励机制的微计算集群形成方法，通过收集和协作大量设备，实现计算和通信资源共享，以达到低延迟和高能效的移动任务执行。该发明首先引入一个有效的激励机制来促进设备之间的资源共享；然后利用联盟博弈，以促进设备之间互惠互利地协同执行任务。其中，为了防止损害资源丰富设备的协作意愿，提出的激励机制将设备分组为多个微计算集群，在每个微计算集群中，设备可以通过帮助其他设备计算或传输任务来交换互利行动，从而使所有任务的效益变得更高。本发明通过集中式和分布式算法设计微计算集群形成的解决方案，并且进一步证明算法的高效性以及在减少能量和时延开销方面的显著表现。

摘要： 本发明属于数据存储和计算技术领域，公开了一种基于物联网雾计算‑边缘计算的安全数据存储和计算方法，通过数据采集模块实现本地化ε差分隐私，并通过在雾节点实现数据加密，保护了本地区域数据的安全；数据存储模块实现加密数据存储，保护数据在雾服务器上的隐私；数据访问模块实现数据安全解密，保护数据信息安全共享；分配模块将自己的分配任务上传到调度器，可有效保护计算终端的隐私；同时，通过任务处理模块对计算任务进行分解，且对分解出的多个计算子任务进行并行计算。本发明在提高计算任务的处理速度的同时，保障了整个系统数据安全和数据隐私。

摘要： 本发明涉及一种雾计算网络中基于雾节点协作的负载均衡方法，属于移动通信技术领域。本发明首先对雾节点协作场景的通信过程和计算过程进行了相关建模；之后设计了用于筛选协作雾节点的协作贡献度和基于多属性决策的协作雾节点筛选算法；进而设计了基于协作贡献度的协作贡献比系数χm，并构建了引入协作贡献比系数的系统总开销优化问题模型；最后设计了基于协作贡献度的负载均衡算法，用于求解任务负载在雾节点间的最佳分配结果。本发明能够在保证雾节点协作的可行性、公平性、稳定性的前提下，对业务负载进行合理分流，提升系统性能和用户的QoE。

摘要： 本发明涉及一种基于混合云计算和雾计算的计算卸载通信网络的方法，通过在云中心与用户端之间设置雾节点，有雾节点分担部分云中心的任务量，从而解决用户终端计算资源有限，无法执行计算密集型任务；或者虽然能执行这些任务，但是能耗太高导致手机待机时间太短，或时延太大不能满足用户QoS需求的问题；通过在用户端与云中心之间设置了雾节点，通过雾节点分担了部分云中心的工作量，使得部分用户应用不需要通过远离用户的云中心进行处理，直接通过靠近用户的雾节点就可以对其需求进行满足，从而大大提高了应用的实时性，减小了用户终端的能耗，使得网络架构能够更好的满足用户的使用要求。

摘要： 本发明公开了一种边缘计算或雾计算环境下基于激励机制的微计算集群形成方法，通过收集和协作大量设备，实现计算和通信资源共享，以达到低延迟和高能效的移动任务执行。该发明首先引入一个有效的激励机制来促进设备之间的资源共享；然后利用联盟博弈，以促进设备之间互惠互利地协同执行任务。其中，为了防止损害资源丰富设备的协作意愿，提出的激励机制将设备分组为多个微计算集群，在每个微计算集群中，设备可以通过帮助其他设备计算或传输任务来交换互利行动，从而使所有任务的效益变得更高。本发明通过集中式和分布式算法设计微计算集群形成的解决方案，并且进一步证明算法的高效性以及在减少能量和时延开销方面的显著表现。

摘要： 本发明属于数据存储和计算技术领域，公开了一种基于物联网雾计算‑边缘计算的安全数据存储和计算方法，通过数据采集模块实现本地化ε差分隐私，并通过在雾节点实现数据加密，保护了本地区域数据的安全；数据存储模块实现加密数据存储，保护数据在雾服务器上的隐私；数据访问模块实现数据安全解密，保护数据信息安全共享；分配模块将自己的分配任务上传到调度器，可有效保护计算终端的隐私；同时，通过任务处理模块对计算任务进行分解，且对分解出的多个计算子任务进行并行计算。本发明在提高计算任务的处理速度的同时，保障了整个系统数据安全和数据隐私。