CN110602727A - 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 - Google Patents
一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 Download PDFInfo
- Publication number
- CN110602727A CN110602727A CN201910799639.3A CN201910799639A CN110602727A CN 110602727 A CN110602727 A CN 110602727A CN 201910799639 A CN201910799639 A CN 201910799639A CN 110602727 A CN110602727 A CN 110602727A
- Authority
- CN
- China
- Prior art keywords
- task
- mode
- user
- unloading
- offload
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了提出一种以系统时延最小化为目标的基于物理层安全的协作MEC系统计算任务卸载模式选择方法。其中,用户可以将自身的计算任务分为两部分,同时进行本地处理及远程卸载处理操作。通过分析信道状态、MEC系统参数以及用户的安全需求,用户可以选择卸载模式1:将任务卸载到具有有限计算能力的中继处进行远程处理;或是选择卸载模式2:在中继的帮助下,将任务卸载到更远的具有强大计算能力的MEC服务器处进行处理。通过在这两种卸载模式中进行选择,达到系统时延最小化。
Description
技术领域
本发明属于无线通信领域,尤其涉及一种基于物理层安全的协作MEC系统计算任务卸载模式选择方法。
背景技术
近年来,移动边缘计算(Mobile edge computing,MEC)被认为是一种可以满足未来5G网络毫秒级时延需求的可行技术。通过利用在网络边缘部署的MEC服务器,用户可以通过无线传输的方式将自身繁重的计算任务卸载到MEC服务器进行处理,并从MEC服务器接收数据量很小的计算结果,从而实现计算任务的远程高效处理。虽然通过移动边缘计算卸载可以显著降低移动设备的能耗以及端到端时延,但同时也带来了新的挑战。用户卸载的计算任务往往包含一些重要且敏感的信息,然而由于无线信道的广播特性,用户极有可能被恶意攻击者所攻击。因此,MEC系统的安全性其未来大规模应用部署所面临的核心挑战之一。
发明内容
(一)要解决的技术问题
发明人发现,由于MEC服务器部署和覆盖范围的问题,加上复杂的无线通信环境和移动设备的有限传输功率,在许多实际应用场景中用户是难以通过自身将计算任务卸载到MEC服务器进行计算的。现有的关于考虑安全卸载的MEC系统的研究均没有考虑这一情况,本发明所提出了协作MEC系统,该系统具有更强的应用意义与扩展潜力。
(二)技术方案
为解决上述技术问题,本发明公开了一种基于物理层安全的协作MEC系统计算任务卸载模式选择方法,该方法具体包括:
第一步,基于物理层安全,计算卸载模式1和卸载模式2两种卸载模式的保密中断概率及保密中断容量;
第二步,分析两种卸载模式下MEC系统的参数,并分别形成时延最小化优化问题;
第三步,利用二分法,寻找最佳任务划分系数,并进行优化问题转化;
第四步,得到两种卸载模式的系统时延后,利用卸载模式选择策略选择具有最小系统时延的卸载模式。
(三)有益效果
本发明提出一种以系统时延最小化为目标的基于物理层安全的协作MEC系统计算任务卸载模式选择方法。其中,用户可以将自身的计算任务分为两部分,同时进行本地处理及远程卸载处理操作。通过分析信道状态、MEC系统参数以及用户的安全需求,用户可以选择卸载模式1:将任务卸载到具有有限计算能力的中继处进行远程处理;或是选择卸载模式2:在中继的帮助下,将任务卸载到更远的具有强大计算能力的MEC服务器处进行处理。通过在这两种卸载模式中进行选择,达到系统时延最小化。
附图说明
图1为本发明所述的基于物理层安全的协作MEC系统计算任务卸载模式选择方法的流程图。
具体实施方式
发明人发现,由于MEC服务器部署和覆盖范围的问题,加上复杂的无线通信环境和移动设备的有限传输功率,在许多实际应用场景中用户是难以通过自身将计算任务卸载到MEC服务器进行计算的。现有的关于考虑安全卸载的MEC系统的研究均没有考虑这一情况,本发明所提出了协作MEC系统,该系统具有更强的应用意义与扩展潜力。
本发明的核心思想是,针对现有的技术不足,提出一种以系统时延最小化为目标的基于物理层安全的协作MEC系统计算任务卸载模式选择方法。其中,用户可以将自身的计算任务分为两部分,同时进行本地处理及远程卸载处理操作。通过分析信道状态、MEC系统参数以及用户的安全需求,用户可以选择卸载模式1:将任务卸载到具有有限计算能力的中继处进行远程处理;或是选择卸载模式2:在中继的帮助下,将任务卸载到更远的具有强大计算能力的MEC服务器处进行处理。通过在这两种卸载模式中进行选择,达到系统时延最小化。
为解决上述问题,本专利提供的技术方案如下:
第一步:基于物理层安全,计算卸载模式1和卸载模式2两种卸载模式的保密中断概率及保密中断容量。
第二步:分析两种模式下MEC系统的参数,并分别形成时延最小化优化问题。
第三步:利用二分法,寻找最佳任务划分系数,并进行优化问题转化。
第四步:得到两种卸载模式的系统时延后,利用卸载模式选择策略选择具有最小系统时延的卸载模式。
下面对上述方案涉及到的关键步骤进行说明。
1、基于物理层安全,计算两种卸载模式下MEC系统的保密中断概率及保密中断速率。
令hS,R,hS,E,hR,D,hR,E分别表示用户到中继、用户到窃听者、中继到MEC服务器、中继到窃听者的信道参数,令gx,y=|hx,y|2,那么gx,y是服从参数为λx,y的独立指数分布随机变量,即gx,y~Exp(λx,y)。考虑被动窃听场景下的不完全信道状态信息(CSI)模型,用户完全知晓主信道的信道状态信息(hS,R,hR,D),但仅知道窃听信道状态信息的概率密度函数(λS,E,λR,E)。
(1)卸载模式1
在卸载模式1中,用户将自身任务划分别两部分分别进行本地计算及卸载到具有有限计算能力的中继处进行处理。令P1≤P1max表示用户的传输能量,P1max表示P1的最大值,n~CN(0,σ2)表示在MEC服务器、中继及窃听者处的加性高斯白噪声,其中σ2表示白噪声方差,那么在中继节点及窃听节点的信噪比(SNR)可以分别表示为:及根据香农公式,主信道及窃听信道的可达保密速率可以进一步表示为:
其中W表示带宽。
物理层安全技术的关键在于以一个窃听节点无法解码任何信息的最大传输速率去传输机密信息。如果主信道及窃听信道的CSI都已知,那么可达安全速率可由CS=[CB-CE]+求出,其中[x]+=max(x,0),这里卸载模式1中CB即为CE即为但由于考虑了不完全CSI模型,用户仅知晓gS,E的概率密度函数,所以在此我们将保密中断容量(SOC)作为安全性能衡量指标,保密中断容量可以定义为当数据传输速率大于可达保密速率的中断概率等于一个给定值ε时系统的最大可达速率。模式1的保密中断概率为:
其中为模式1的保密中断容量,令可以求出保密中断容量的表达式为
(2)卸载模式2
在模式2中,用户在中继节点的协助下将计算任务卸载到具有强大计算能力的MEC服务器处进行处理。时间块被分为两个时隙,在第一个时隙中,用户将计算任务卸载到中继节点。在第二个时隙,中继节点成功解码计算任务后,他利用相同的加密码本以传输功率P2≤P2max将计算任务卸载到MEC服务器进行处理,P2max表示P2的最大值。由于计算任务在中继节点的二次传输,任务被窃听的风险增加。
主信道的可达速率可以表示为:
其中标量因子1/2表示两相传输模式。
在两个阶段中,窃听节点从用户及中继节点处被动窃听信息,并利用选择合并(SC)的方式对窃听到的信息进行解码,窃听信道的可达速率可以表示为:
进一步可以求出模式2的保密中断概率表达式为:
令可以求出保密中断容量的表达式为
2、分析两种卸载模式下MEC系统的参数,并分别形成时延最小化优化问题。
考虑计算任务输入位彼此独立的部分卸载任务模型,用户可将输入任务量为L>0的计算任务以参数θ任意划分为两部分。其中θL比特的任务在用户处进行本地处理,(1-θ)L比特的任务进行卸载处理。
(1)卸载模式1
对于卸载模式1,用户本地任务处理时间为在中继节点的任务处理时间为其中fS和fR分别为用户和中继节点的计算速度。
对于数据量大小为(1-θ)L计算任务的安全卸载,用户的上行传输数据量为β1(1-θ)L,其中β1表示上行传输过程中的额外开销,如信道编码等。由于经过处理后需要返回给用户的计算结果的数据量相较于计算任务的输入比特往往是可以忽略不计的,所以在此我们忽略下行计算结果返回时间。
当系统的保密中断容量大于系统的任务传输速率时,窃听者无法解码所窃听到的信息,即无线卸载传输过程是安全的。为了在保证卸载过程安全的前提下最小化系统时延,系统的保密中断容量被选定为数据传输速率。由此可以得到卸载模式1的任务卸载上行传输时间为总卸载处理时间的表达式为:
由此可将卸载模式1的时延最小化优化问题构建为
s.t.0≤θ≤1
0≤P1≤P1max
(2)卸载模式2
对于卸载模式2,与卸载模式1相同,用户的本地任务处理时间为
由于MEC服务器具备强大的计算能力,卸载计算任务在MEC服务器处的计算时间短到可以被忽略。所以模式2的卸载处理时间由上行传输时间构成,令β2表示模式2中上行传输过程中的额外开销,模式2的总卸载处理时间表达式为:
由此可将卸载模式2的时延最小化优化问题构建为
s.t.0≤θ≤1
0≤P1≤P1max
0≤P2≤P2max
3、时延最优化任务划分方法及优化问题转化
基于二分法的时延最优化任务划分算法
通过利用上述基于二分法的时延最优化任务划分算法,可以得到最佳任务划分系数θ*。观察算法,当给定门限值c足够小,即当x1(θj)=x2(θj)时,设定i可以为I或II,可以得到最佳任务划分系数θ*。也就是说,当本地处理时间与总卸载处理时间相同时,可以得到时延最优化的任务划分策略。基于该结论,可以进行优化问题转化。
(1)卸载模式1
卸载模式1的最佳任务划分系数的表达式为:
由此可将优化问题转化为
s.t.0≤P1≤P1max
通过转化,多变量优化问题变为了单变量优化问题,可通过一维搜索方法进行求解。
(2)卸载模式2
卸载模式2的最佳任务划分系数的表达式为:
由此可将优化问题转化为
s.t.0≤P1≤P1max
0≤P2≤P2max
进行变量缩减后,优化问题可通过数值仿真进行求解。
4、最佳卸载模式选择
在求得了两种卸载模式的系统时延T(i),可通过利用最佳卸载模式选择策略选择其中系统时延更小的最佳模式进行操作,模式选择策略为:
本发明具有如下有益效果:
(1)考虑协作MEC系统场景下计算任务的安全卸载问题,利用物理层安全技术去保障任务卸载过程不被非法窃听者所窃听。
(2)提出在不完全CSI信道模型下利用保密中断概率及保密中断容量代替保密速率作为安全性能的衡量指标,并根据物理层安全的定义将保密中断容量选作数据传输速率以达到在保证计算任务卸载安全的前提下最小化系统时延的目的。
(3)提出两种不同的计算任务卸载模式,即卸载模式1:用户将计算任务卸载到具备有限计算能力的中继节点进行远程处理,和卸载模式2:用户在中继节点的帮助下将计算任务卸载到更远端的具有强大计算能力的MEC节点进行计算。在此基础上对卸载模式1及卸载模式2分别形成时延最小化优化问题,并利用时延最优化任务划分算法对优化问题进行了简化,使之更易于求解。
(4)提出了最佳卸载模式选择策略,信道状态及系统参数,以及对安全性能的要求都是影响模式选择的关键因素。
(5)考虑含中继节点的协作MEC系统场景,具有更强的扩展性和实用性。
(6)基于物理层安全保障协作MEC系统的安全卸载,为未来MEC系统的大规模部署助力。
(7)不再以能量或计算能效作为优化目标,而是结合未来5G网络需求以低时延作为优化目标。
本说明书中各个部分采用递进的方式描述,每个部分重点说明的都是与其他部分的不同之处,各个部分之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本申请所示的实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (1)
1.一种基于物理层安全的协作MEC系统计算任务卸载模式选择方法,其特征在于,其具体包括如下步骤:
第一步,基于物理层安全,计算卸载模式1和卸载模式2两种卸载模式的保密中断概率及保密中断容量;
第二步,分析两种卸载模式下MEC系统的参数,并分别形成时延最小化优化问题;
第三步,利用二分法,寻找最佳任务划分系数,并进行优化问题转化;
第四步,得到两种卸载模式的系统时延后,利用卸载模式选择策略选择具有最小系统时延的卸载模式。
其中,第一步具体包括:
令hS,R,hS,E,hR,D,hR,E分别表示用户到中继、用户到窃听者、中继到MEC服务器、中继到窃听者的信道参数,令gx,y=|hx,y|2,那么gx,y是服从参数为λx,y的独立指数分布随机变量,即gx,y~Exp(λx,y)。考虑被动窃听场景下的不完全信道状态信息(CSI)模型,用户完全知晓主信道的信道状态信息(hS,R,hR,D),但仅知道窃听信道信道状态信息的概率密度函数(λS,E,λR,E)。
在卸载模式1中,用户将自身任务划分别两部分分别进行本地计算及卸载到具有有限计算能力的中继处进行处理。令P1≤P1max表示用户的传输能量,P1max表示P1的最大值,n~CN(0,σ2)表示在MEC服务器、中继及窃听者处的加性高斯白噪声,其中σ2表示白噪声方差,那么在中继节点及窃听节点的信噪比(SNR)可以分别表示为:及根据香农公式,主信道及窃听信道的可达保密速率可以进一步表示为:
其中W表示带宽。
物理层安全技术的关键在于以一个窃听节点无法解码任何信息的最大传输速率去传输机密信息。如果主信道及窃听信道的CSI都已知,那么可达安全速率可由CS=[CB-CE]+求出,其中[x]+=max(x,0),这里卸载模式1中CB即为CE即为但由于考虑了不完全CSI模型,用户仅知晓gS,E的概率密度函数,所以在此我们将保密中断容量(SOC)作为安全性能衡量指标,保密中断容量可以定义为当数据传输速率大于可达保密速率的中断概率等于一个给定值ε时系统的最大可达速率。卸载模式1的保密中断概率为:
其中为模式1的保密中断容量,令可以求出保密中断容量的表达式为
在模式2中,用户在中继节点的协助下将计算任务卸载到具有强大计算能力的MEC服务器处进行处理。时间块被分为两个时隙,在第一个时隙中,用户将计算任务卸载到中继节点。在第二个时隙,中继节点成功解码计算任务后,他利用相同的加密码本以传输功率P2≤P2max将计算任务卸载到MEC服务器进行处理,P2max表示P2的最大值。由于计算任务在中继节点的二次传输,任务被窃听的风险增加。
主信道的可达速率可以表示为:
其中标量因子1/2表示两相传输模式。
在两个阶段中,窃听节点从用户及中继节点处被动窃听信息,并利用选择合并(SC)的方式对窃听到的信息进行解码,窃听信道的可达速率可以表示为:
进一步可以求出模式2的保密中断概率表达式为:
令可以求出保密中断容量的表达式为
其中,第二步具体包括:
考虑计算任务输入位彼此独立的部分卸载任务模型,用户可将输入任务量为L>0的计算任务以参数θ任意划分为两部分。其中θL比特的任务在用户处进行本地处理,(1-θ)L比特的任务进行卸载处理。
对于卸载模式1,用户本地任务处理时间为在中继节点的任务处理时间为其中fS和fR分别为用户和中继节点的计算速度。
对于数据量大小为(1-θ)L计算任务的安全卸载,用户的上行传输数据量为β1(1-θ)L,其中β1表示上行传输过程中的额外开销,如信道编码等。由于经过处理后需要返回给用户的计算结果的数据量相较于计算任务的输入比特往往是可以忽略不计的,所以在此我们忽略下行计算结果返回时间。
当系统的保密中断容量大于系统的任务传输速率时,窃听者无法解码所窃听到的信息,即无线卸载传输过程是安全的。为了在保证卸载过程安全的前提下最小化系统时延,系统的保密中断容量被选定为数据传输速率。由此可以得到卸载模式1的任务卸载上行传输时间为总卸载处理时间的表达式为:
由此可将模式1的时延最小化优化问题构建为
s.t.0≤θ≤1
0≤P1≤P1max
对于卸载模式2,与卸载模式1相同,用户的本地任务处理时间为
由于MEC服务器具备强大的计算能力,卸载计算任务在MEC服务器处的计算时间短到可以被忽略。所以模式2的卸载处理时间由上行传输时间构成,令β2表示模式2中上行传输过程中的额外开销,模式2的总卸载处理时间表达式为:
由此可将卸载模式2的时延最小化优化问题构建为
s.t.0≤θ≤1
0≤P1≤P1max
0≤P2≤P2max
其中,第三步具体包括:
通过利用上述基于二分法的时延最优化任务划分算法,可以得到最佳任务划分系数θ*。观察算法,当给定门限值c足够小,即当x1(θj)=x2(θj)时,设定i可以为I或II,可以得到最佳任务划分系数θ*。
也就是说,当本地处理时间与总卸载处理时间相同时,可以得到时延最优化的任务划分策略。基于该结论,可以进行优化问题转化。
卸载模式1的最佳任务划分系数的表达式为:
由此可将优化问题转化为
s.t.0≤P1≤P1max
通过转化,多变量优化问题变为了单变量优化问题,可通过一维搜索方法进行求解。
卸载模式2的最佳任务划分系数的表达式为:
由此可将优化问题转化为
s.t.0≤P1≤P1max
0≤P2≤P2max
进行变量缩减后,优化问题可通过数值仿真进行求解。
其中,第四步中卸载模式选择策略为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799639.3A CN110602727B (zh) | 2019-08-28 | 2019-08-28 | 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799639.3A CN110602727B (zh) | 2019-08-28 | 2019-08-28 | 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110602727A true CN110602727A (zh) | 2019-12-20 |
CN110602727B CN110602727B (zh) | 2023-02-03 |
Family
ID=68856078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910799639.3A Active CN110602727B (zh) | 2019-08-28 | 2019-08-28 | 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602727B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111818130A (zh) * | 2020-06-17 | 2020-10-23 | 华北电力大学(保定) | 基于强化学习缓存与计算的联合优化 |
CN113411786A (zh) * | 2021-06-28 | 2021-09-17 | 中山大学 | 一种最小化系统计算能耗的d2d分布式协作计算方法 |
WO2021214645A1 (en) * | 2020-04-23 | 2021-10-28 | International Business Machines Corporation | Sharing geographically concentrated workload among neighboring mec hosts of multiple carriers |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108029060A (zh) * | 2015-10-09 | 2018-05-11 | 英特尔Ip公司 | 网络发起的分组数据网络连接 |
CN109167787A (zh) * | 2018-09-06 | 2019-01-08 | 电子科技大学 | 一种移动边缘计算网络中安全计算卸载的资源优化方法 |
CN109644199A (zh) * | 2016-10-18 | 2019-04-16 | 华为技术有限公司 | 移动边缘计算中的虚拟网络状态管理 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
CN110087257A (zh) * | 2019-04-24 | 2019-08-02 | 重庆邮电大学 | 一种支持移动边缘计算的任务卸载装置及方法 |
-
2019
- 2019-08-28 CN CN201910799639.3A patent/CN110602727B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108029060A (zh) * | 2015-10-09 | 2018-05-11 | 英特尔Ip公司 | 网络发起的分组数据网络连接 |
CN109644199A (zh) * | 2016-10-18 | 2019-04-16 | 华为技术有限公司 | 移动边缘计算中的虚拟网络状态管理 |
CN109167787A (zh) * | 2018-09-06 | 2019-01-08 | 电子科技大学 | 一种移动边缘计算网络中安全计算卸载的资源优化方法 |
CN109788069A (zh) * | 2019-02-27 | 2019-05-21 | 电子科技大学 | 物联网中基于移动边缘计算的计算卸载方法 |
CN110087257A (zh) * | 2019-04-24 | 2019-08-02 | 重庆邮电大学 | 一种支持移动边缘计算的任务卸载装置及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021214645A1 (en) * | 2020-04-23 | 2021-10-28 | International Business Machines Corporation | Sharing geographically concentrated workload among neighboring mec hosts of multiple carriers |
GB2610719A (en) * | 2020-04-23 | 2023-03-15 | Ibm | Sharing geographically concentrated workload among neighboring MEC hosts of multiple carriers |
CN111818130A (zh) * | 2020-06-17 | 2020-10-23 | 华北电力大学(保定) | 基于强化学习缓存与计算的联合优化 |
CN113411786A (zh) * | 2021-06-28 | 2021-09-17 | 中山大学 | 一种最小化系统计算能耗的d2d分布式协作计算方法 |
CN113411786B (zh) * | 2021-06-28 | 2023-02-03 | 中山大学 | 一种最小化系统计算能耗的d2d分布式协作计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110602727B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Intelligent reflecting surface (IRS)-aided covert wireless communications with delay constraint | |
Yang et al. | Optimal resource allocation in full-duplex ambient backscatter communication networks for wireless-powered IoT | |
CN110602727B (zh) | 一种基于物理层安全的协作mec系统计算任务卸载模式选择方法 | |
CN109640320B (zh) | 一种基于混合noma的移动边缘计算系统计算任务的安全卸载方法 | |
Yang et al. | Covert transmission and secrecy analysis of RS-RIS-NOMA-aided 6G wireless communication systems | |
CN114900219A (zh) | 一种智能反射面辅助的信息安全传输方法及系统 | |
CN112333702A (zh) | 一种基于安全noma移动边缘计算的延迟最小化的优化方法 | |
CN105813081B (zh) | 选择增强认知中继网络安全性能的中继节点的方法 | |
Gu et al. | Socially aware V2X networks with RIS: Joint resource optimization | |
CN112738822A (zh) | 移动边缘计算环境中基于noma的安全卸载和资源分配方法 | |
Li et al. | Secure analysis of multi‐antenna cooperative networks with residual transceiver HIs and CEEs | |
Sun et al. | Performance analysis for blockchain driven wireless iot systems based on tempo-spatial model | |
Zhang et al. | Covert Communications for STAR-RIS-Assisted Industrial Networks With a Full Duplex Receiver and RSMA | |
Yang et al. | Covert Communication for Wireless Networks with Full‐Duplex Multiantenna Relay | |
Cheng et al. | Performance analysis and power allocation for covert mobile edge computing with ris-aided noma | |
Li et al. | Performance analysis of STAR-RIS-CR-NOMA based consumer IoT networks for resilient industry 5.0 | |
CN106953819B (zh) | 基于多无线电协作预编码的物理层保密通信方法 | |
CN110213793B (zh) | 一种基于速率控制的中继系统安全吞吐量优化方法 | |
Zheng et al. | Secure Offloading in NOMA-Enabled Multi-Access Edge Computing Networks | |
Zhou et al. | Queueing aware power minimization for wireless communication aided by double-faced active RIS | |
Zhao et al. | Power allocation and scaling law analysis for secured and energy efficient URLLC IoT networks | |
Shi et al. | Optimization of Quasi-static Design for An IRS-assisted Secure Wireless Communication System | |
Cheng et al. | Edge computing and power control in NOMA‐enabled cognitive radio networks | |
Tao et al. | On secrecy outage probability and average secrecy rate of large‐scale cellular networks | |
Ju et al. | Learning based and physical-layer assisted secure computation offloading in vehicular spectrum sharing networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |