CN112104494A - 基于空地协同边缘计算网络的任务安全卸载策略确定方法 - Google Patents
基于空地协同边缘计算网络的任务安全卸载策略确定方法 Download PDFInfo
- Publication number
- CN112104494A CN112104494A CN202010939692.1A CN202010939692A CN112104494A CN 112104494 A CN112104494 A CN 112104494A CN 202010939692 A CN202010939692 A CN 202010939692A CN 112104494 A CN112104494 A CN 112104494A
- Authority
- CN
- China
- Prior art keywords
- task
- representing
- computing
- user
- cloud
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18504—Aircraft used as relay or high altitude atmospheric platform
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0852—Delays
-
- 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)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Environmental & Geological Engineering (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于空地协同边缘计算网络的任务安全卸载策略确定方法,属于无线通信与计算融合领域。包括:1)将数据任务上传至无人机微云,计算任务处理时延与能耗;2)将数据任务上传至远端基站边缘云,计算任务处理时延与能耗;3)综合考虑数据任务卸载的安全性和能效性,计算任务卸载的安全能效函数;4)得到任务卸载过程中兼具安全性和能效性的最大化优化问题。本发明方法通过融合无人机微云和远端基站边缘云协同计算模式,为计算密集型应用提供服务质量保障,在满足时延约束和能量约束的同时最大化合法用户的安全能效性。
Description
技术领域
本发明涉及无线通信与计算融合技术领域,尤其涉及一种基于空地协同边缘计算网络的任务安全卸载策略确定方法。
背景技术
移动边缘计算(Mobile Edge Computing,MEC)作为5G新兴卸载范式,通过无线接入网络缩短了数据处理距离,增强了移动终端用户的计算能力,从而实现计算密集型和时延敏感型任务的执行。传统的MEC系统依赖于地面基础设施,因此在灾害响应、紧急救援或农村环境等基础设施有限的情况下存在一定的局限性。借助于无人机平台的灵活部署、高速移动等特性,通过在无人机上搭载数据处理装置构成无人机边缘云,可为覆盖区域内的移动终端提供便捷的边缘计算服务。在基于无人机的空地协同网络中融入MEC技术,可为移动用户提供多层次、异构的计算资源,实现物联网体系架构的突破性创新。
由于无线通信的广播特性和无线信道的随机性,终端用户通过无线信道将计算任务卸载至边缘服务器的同时很容易受到非法用户的恶意窃听,从而导致信息泄漏。因此,如果一个终端用户盲目地将其计算任务卸载到边缘服务器,就会发生服务中断。近年来,物理层安全技术作为构筑信息安全的第一道屏障已经成为了MEC任务安全卸载的关键支撑技术之一。针对MEC网络的任务安全卸载问题,建立在信息论基础上的物理层安全方法以较低的成本可提供更强的隐私保护性能。
空地协同边缘计算网络是未来无线通信网络主要发展方向之一,现有的任务安全卸载研究工作只处于构想和初步探索阶段。因空地协同边缘计算网络的固有本质及特殊性,传统的地面无线通信系统物理层安全技术不能直接应用于其中。此外,忽略了考虑空地协同计算模式下对合法用户安全性和能效性的综合提升。
发明内容
针对以上问题,本发明提出一种基于空地协同边缘计算网络的任务安全卸载策略确定方法。
为实现本发明的目的,提供一种基于空地协同边缘计算网络的任务安全卸载策略确定方法,包括如下步骤:
S30,获取在合法用户k将计算任务卸载到无人机微云时产生的第一上行传输数据速率以及此时窃听用户进行窃听时的第一窃听传输速率获取当合法用户k将计算任务卸载到远端基站边缘云时产生的第二上行传输数据速率以及此时窃听用户进行窃听的第二窃听数据速率根据第一上行传输数据速率和第一窃听传输速率确定合法用户k在无人机微云卸载模式下的第一安全容量根据第二上行传输数据速率以及第二窃听数据速率确定合法用户k在远端基站边缘云卸载模式下的第二安全容量
S40,根据第一安全容量第二安全容量第一传输能耗和第二传输能耗确定任务卸载的安全能效函数ηk,根据安全能效函数ηk设置优化函数,根据第一传输时延第一计算时延计算能耗第二传输时延和第二计算时延确定约束条件,根据所述优化函数和约束条件确定任务安全卸载策略。
在一个实施例中,所述优化函数包括:
所述约束条件包括:
ak,u,ak,u,ak,BS∈{0,1},
ak,0+ak,u+ak,BS=1,
其中,min表示求最小值,max表示求最大值,ak表示合法用户k的任务卸载决策向量,ak=[ak,0,ak,u,ak,BS],rk表示资源向量,qU表示无人机的三维位置,K表示合法用户总个数,表示无人机分配给合法用户k的计算资源,表示远端基站分配给合法用户k的计算资源,fUAV表示无人机微云的计算频率,表示本地计算模式下的时延,Tk表示可容忍的时延需求,表示第一传输时延,表示第一计算时延,表示第二传输时延,表示第二计算时延,表示无人机处理合法用户k任务时的能耗,表示无人机的最大能量限制,ak,0表示合法用户在本地独立处理计算任务的决策因子,ak,u表示任务卸载到无人机微云计算的决策因子,ak,BS表示卸载到远端基站边缘云的决策因子。
计算能耗包括:
其中,ak,BS表示任务卸载决策向量的第三元素,表示第二上行传输数据速率,pk表示合法用户k的发送功率,Lk表示输入任务数据的大小,Dk表示计算每比特任务所需的CPU周期数,表示分配给合法用户k的计算频率。
其中,B表示信道带宽,表示无人机微云卸载模式下合法用户k接收到的干扰信号,σ2表示噪声功率,pjam表示远端基站发送干扰信号的功率,表示合法用户k与无人机之间的信道链路,表示合法用户k的发送功率,表示窃听用户接收到的干扰信号,表示远端基站边缘云卸载模式下合法用户k接收到的干扰信号,表示合法用户k与窃听用户之间的信道链路,表示合法用户k与远端基站之间的信道链路,max表示取最大值,符号表示定义。
在一个实施例中,所述安全能效函数ηk包括:
上述基于空地协同边缘计算网络的任务安全卸载策略确定方法,通过获取合法用户k在无人机微云卸载模式的第一传输时延和第一传输能耗获取无人机微云执行计算任务时的第一计算时延和计算能耗获取合法用户k在远端基站边缘云卸载模式下的第二传输时延和第二传输能耗获取远端基站边缘云执行计算任务时的第二计算时延获取在合法用户k将计算任务卸载到无人机微云时产生的第一上行传输数据速率以及此时窃听用户进行窃听时的第一窃听传输速率获取当合法用户k将计算任务卸载到远端基站边缘云时产生的第二上行传输数据速率以及此时窃听用户进行窃听的第二窃听数据速率根据第一上行传输数据速率和第一窃听传输速率确定合法用户k在无人机微云卸载模式下的第一安全容量根据第二上行传输数据速率以及第二窃听数据速率确定合法用户k在远端基站边缘云卸载模式下的第二安全容量根据第一安全容量第二安全容量第一传输能耗和第二传输能耗确定任务卸载的安全能效函数ηk,根据安全能效函数ηk设置优化函数,根据第一传输时延第一计算时延计算能耗第二传输时延和第二计算时延确定约束条件,根据所述优化函数和约束条件确定任务安全卸载策略,以依据任务安全卸载策略确定卸载决策因子优化解,指示无人机微云安全卸载和远端基站边缘云卸载,实现空地协同计算模式下对合法用户安全性和能效性的提升。
附图说明
图1是一个实施例的基于空地协同边缘计算网络的任务安全卸载策略确定方法流程图;
图2是一个实施例的空地协同边缘计算网络示意图;
图3是一个实施例的任务卸载示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参考图1所示,图1为一个实施例的基于空地协同边缘计算网络的任务安全卸载策略确定方法流程图,包括如下步骤:
S30,获取在合法用户k将计算任务卸载到无人机微云时产生的第一上行传输数据速率以及此时窃听用户进行窃听时的第一窃听传输速率获取当合法用户k将计算任务卸载到远端基站边缘云时产生的第二上行传输数据速率以及此时窃听用户进行窃听的第二窃听数据速率根据第一上行传输数据速率和第一窃听传输速率确定合法用户k在无人机微云卸载模式下的第一安全容量根据第二上行传输数据速率以及第二窃听数据速率确定合法用户k在远端基站边缘云卸载模式下的第二安全容量
S40,根据第一安全容量第二安全容量第一传输能耗和第二传输能耗确定任务卸载的安全能效函数ηk,根据安全能效函数ηk设置优化函数,根据第一传输时延第一计算时延计算能耗第二传输时延和第二计算时延确定约束条件,根据所述优化函数和约束条件确定任务安全卸载策略。
上述空地协同边缘计算网络由一个无人机微云、一个远端基站边缘云、K个资源受限的终端设备(即合法用户)和一个窃听用户组成。每个合法用户可自由选择任务卸载的模式,共有三种模式:模式1为本地计算,即合法用户自身CPU处理任务;模式2为无人机边缘计算,即通过无线网络将任务卸载至无人机微云服务器;模式3为远端基站边缘计算,即通过互联网将任务卸载至远端基站边缘云服务器。在任务卸载过程中,窃听用户试图截获卸载的数据。假设合法用户在本地独立处理计算任务的决策因子为ak,0,任务卸载到无人机微云计算的决策因子为ak,u,卸载到远端基站边缘云的决策因子为ak,BS,且满足ak,0+ak,u+ak,BS=1。在任务卸载阶段,合法用户的计算任务可由三元组Wk=<Lk,Dk,Tk>描述,其中Lk表示计算卸载任务的数据大小,Dk表示计算每比特任务数据所需的CPU周期数,Tk表示可容忍的时延需求。
上述基于空地协同边缘计算网络的任务安全卸载策略确定方法,通过获取合法用户k在无人机微云卸载模式的第一传输时延和第一传输能耗获取无人机微云执行计算任务时的第一计算时延和计算能耗获取合法用户k在远端基站边缘云卸载模式下的第二传输时延和第二传输能耗获取远端基站边缘云执行计算任务时的第二计算时延获取在合法用户k将计算任务卸载到无人机微云时产生的第一上行传输数据速率以及此时窃听用户进行窃听时的第一窃听传输速率获取当合法用户k将计算任务卸载到远端基站边缘云时产生的第二上行传输数据速率以及此时窃听用户进行窃听的第二窃听数据速率根据第一上行传输数据速率和第一窃听传输速率确定合法用户k在无人机微云卸载模式下的第一安全容量根据第二上行传输数据速率以及第二窃听数据速率确定合法用户k在远端基站边缘云卸载模式下的第二安全容量根据第一安全容量第二安全容量第一传输能耗和第二传输能耗确定任务卸载的安全能效函数ηk,根据安全能效函数ηk设置优化函数,根据第一传输时延第一计算时延计算能耗第二传输时延和第二计算时延确定约束条件,根据所述优化函数和约束条件确定任务安全卸载策略,以依据任务安全卸载策略确定卸载决策因子优化解,指示无人机微云安全卸载和远端基站边缘云卸载,实现空地协同计算模式下对合法用户安全性和能效性的提升。
在一个实施例中,所述优化函数包括:
所述约束条件包括:
ak,u,ak,u,ak,BS∈{0,1},
ak,0+ak,u+ak,BS=1,
其中,min表示求最小值,max表示求最大值,ak表示合法用户k的任务卸载决策向量,ak=[ak,0,ak,u,ak,BS],rk表示资源向量,qU表示无人机的三维位置,K表示合法用户总个数,表示无人机分配给合法用户k的计算资源,表示远端基站分配给合法用户k的计算资源,fUAV表示无人机微云的计算频率,表示本地计算模式下的时延,Tk表示可容忍的时延需求,表示第一传输时延,表示第一计算时延,表示第二传输时延,表示第二计算时延,表示无人机处理合法用户k任务时的能耗,表示无人机的最大能量限制,ak,0表示合法用户在本地独立处理计算任务的决策因子,ak,u表示任务卸载到无人机微云计算的决策因子,ak,BS表示卸载到远端基站边缘云的决策因子。
本实施例中,记合法用户k的任务卸载决策向量为ak=ak,0,ak,u,ak,BS,计算资源向量为无人机的三维位置为qU。该方案在能量约束和时延约束前提下,基于最大最小准则,通过联合优化任务卸载决策变量及无人机微云和远端基站边缘云计算资源分配,最大化所有合法用户任务卸载的最小安全能效函数。该问题将被描述为一个优化函数表征的最优化问题。该优化问题是一类大规模、多约束、非线性优化问题,目标函数和约束条件中不同变量之间存在耦合和交互,需要设计相互通信的计算系统以及对应的分布式算法,在进行计算卸载决策的同时,实现一个兼具安全性和能效性的最优资源分配。
具体地,无人机微云是合法用户任务卸载的第一个位置。记无人机微云的计算频率为fUAV,分配给合法用户k的计算频率为因无人机微云是一个小型的边缘计算服务器,其分配给合法用户总的计算频率不能超过无人机微云的最大处理频率,即
计算能耗包括:
其中,ak,BS表示任务卸载决策向量的第三元素,表示第二上行传输数据速率,pk表示合法用户k的发送功率,Lk表示输入任务数据的大小,Dk表示计算每比特任务所需的CPU周期数,表示分配给合法用户k的计算频率。
本实施例中,远端基站边缘云是合法用户任务卸载的第二个位置。远端基站边缘云具有比无人机微云更多的计算资源,分配给合法用户k的计算频率记为基于通信模型,合法用户k在远端基站边缘云卸载模式下的传输时延和能耗可分别进行相应表示。
其中,B表示信道带宽,表示无人机微云卸载模式下合法用户k接收到的干扰信号,σ2表示噪声功率,pjam表示远端基站发送干扰信号的功率,表示合法用户k与无人机之间的信道链路,表示合法用户k的发送功率,表示窃听用户接收到的干扰信号,表示远端基站边缘云卸载模式下合法用户k接收到的干扰信号,表示合法用户k与窃听用户之间的信道链路,表示合法用户k与远端基站之间的信道链路,符号表示定义,本质上,任务卸载安全容量是从信息论的角度量化了合法链路上行传输数据速率与窃听链路窃听数据速率的差值。
本实施例为了提高任务卸载的安全性,地面基站采用全双工模式,不仅能够通过无线信道接收来自合法用户卸载的任务,还可以发射干扰信号抑制恶意窃听。记为合法用户k与无人机之间的信道链路,和分别为合法用户k与远端基站及合法用户k与窃听用户之间的信道链路,和分别为远端基站与无人机及窃听用户之间的信道链路。使用物理层安全的概念来量化合法用户向边缘服务器卸载任务时的安全性。根据物理层安全的原理,合法用户k在无人机微云卸载模式下的安全容量和合法用户k在远端基站边缘云卸载模式下的安全容量分别可以进行相应表示。
在一个实施例中,所述安全能效函数ηk包括:
在一个实施例中,上述基于空地协同边缘计算网络的任务安全卸载策略确定方法所确定的任务安全卸载策略致力于计算任务卸载的安全性和能效性,以最大化合法用户的安全能效性为目标,在进行计算任务卸载决策的同时,实现边缘服务器的最优资源分配。通过融合无人机微云与远端基站边缘云构建一种协同的边缘云计算架构,计算资源自低到高提供合法用户层级、无人机微云层级和远端基站边缘层级三种任务卸载模式,并引入全双工通信技术辅助合法用户接入更高层级的安全卸载模式,实现了对空地协同网络计算和通信资源能力异构性的充分开发,发挥了“机-边”协同计算模式增强合法用户计算能力和任务卸载安全性的作用。具体包括以下步骤:
(1)本地计算模式:每个合法用户拥有一个计算密集、时延要求严格的任务需要执行。在任务卸载过程中,所有的合法用户和无线网络状态不发生改变,合法用户不切换接入点。在本地执行计算时,因没有任务发生卸载,故不存在任务卸载的安全性问题。
在任务卸载阶段,合法用户k(k∈K)的计算任务可由三元组Wk=<Lk,Dk,Tk>描述,其中Lk表示计算卸载任务的数据大小,Dk表示计算每比特任务数据所需的CPU周期数,Tk表示可容忍的时延需求。假设合法用户在本地独立处理计算任务的决策因子为ak,0,当合法用户k在本地独立处理计算任务时,其计算任务为ak,0Lk。设它的CPU频率为则在本地计算模式下的时延可表示为:
本地计算模式下的能耗可表示为:
(2)无人机微云安全卸载模式:记合法用户k(k∈K)将计算任务卸载到无人机微云的决策因子为ak,u。假设合法用户k与无人机及窃听用户之间的信道链路分别为和远端基站与无人机之间的信道链路为地面基站工作于全双工模式,在接收合法用户卸载任务的同时,还可以发射干扰信号削弱窃听用户的窃听能力。当合法用户k将计算任务卸载到无人机微云时,则上行传输数据速率为:
使用物理层安全的概念来量化合法用户向边缘服务器卸载任务时的安全性。根据物理层安全的原理,合法用户k在无人机微云卸载模式下的安全容量可表示为:
(3)远端基站边缘云安全卸载模式:记合法用户k(k∈K)将计算任务卸载到远端基站边缘云时的决策因子为ak,BS,远端基站已知自身发射的干扰信号,故自干扰可消除,则上行传输数据速率为:
此时,窃听用户进行窃听的数据速率为:
使用物理层安全的概念来量化合法用户向边缘服务器卸载任务时的安全性。根据物理层安全的原理,合法用户k在远端基站边缘云卸载模式下的安全容量可表示为:
(4)构建任务卸载的安全能效性问题:从合法用户卸载计算任务到无人机微云和远端基站边缘云有益于接入充足的计算资源从而减少计算时延,但增加了额外的传输能耗和信息泄露的风险。所以,高效的计算卸载方法需要综合考虑安全性和能效性。本发明通过构造一个优化问题,使得在满足时延约束、能量约束和无人机计算资源约束条件下空地协同边缘计算网络中的任务卸载安全能效性最大,该优化问题描述为:
本实施例将无人机微云与远端基站边缘云相结合,构建“机-边”协同计算模式增强合法用户的计算能力,通过引入全双工干扰机制,在进行任务卸载决策的同时,实现边缘服务器的最优资源分配,提高了合法用户的安全能效性,在移动边缘计算领域具有广阔的应用前景。
在一个实施例中,上述基于空地协同边缘计算网络可以参考图2所示,基于空地协同边缘计算网络的任务安全卸载策略对应的任务卸载示意图可以参考图3所示。如图2所示,空地协同边缘计算网络,包括一个部署MEC服务器的远端基站,一个部署MEC服务器的无人机和K个合法用户。无人机微云更接近于用户侧,这会减轻地面基站边缘云处理计算任务的压力,例如拥挤的通信场景或临时突发事件。无人机充当小型分布式微云,受制于其大小、重量和功率;而远端基站集成更强大的边缘云服务器,具有更多的计算资源。考虑到“机-边”计算架构充分利用了集中式和分布式计算模型的优势,合法用户能够通过无线传输链路将计算任务卸载到远端基站边缘云或无人机微云上。在任务卸载过程中,窃听用户试图窃听卸载的任务数据。为了提高任务卸载的安全性,地面基站工作于全双工模式,不仅能够通过无线信道接收来自合法用户的卸载任务,同时还可以发射干扰信号削弱窃听用户的窃听能力。
采用三维笛卡尔坐标系来模拟各节点的位置信息。假设地面基站、所有终端用户和窃听用户的位置是固定的,记地面基站的位置为wBS=(x0,y0,0),合法用户k的位置为wk=(xk,yk,0),窃听用户的位置为wE=(xE,yE,0)。假设无人机在固定高度H飞行,不需要频繁的升降,记无人机的位置为qU=(xu,yu,H)。无人机和地面基站均具有信息传输和边缘计算服务的双重功能,而移动终端具有信息传输/接收的功能。合法用户与无人机之间的通信链路为视距传输,合法用户与远端基站之间的通信链路是非视距传输。根据3GPP技术报告,合法用户k与无人机之间的信道链路可表示为:
假设合法用户k(k∈K)在本地独立处理计算任务的决策因子为ak,0,任务卸载到无人机微云计算的决策因子为ak,u,卸载到远端基站边缘云的决策因子为ak,BS,且满足ak,0+ak,u+ak,BS=1。在任务卸载阶段,合法用户的计算任务可由三元组Wk=<Lk,Dk,Tk>描述,其中Lk表示计算卸载任务的数据大小,Dk表示计算每比特任务数据所需的CPU周期数,Tk表示可容忍的时延需求。
本地计算模式下的能耗可表示为:
合法用户经无线上行链路将任务卸载给无人机微云。记为合法用户k与无人机之间的信道链路,和分别为合法用户k与远端基站和窃听用户之间的信道链路,为远端基站与无人机之间的信道链路,为远端基站与窃听用户之间的信道链路。当合法用户k将计算任务卸载到无人机微云时,则上行传输数据速率为:
记无人机微云的计算频率为fUAV,分配给合法用户k的计算频率为无人机微云是一个小型的边缘云服务器,其计算资源有限,则分配给多个合法用户总的计算频率不能超过无人机微云的最大可用处理频率,即频率约束需满足:
基于该通信模型,合法用户k在无人机微云计算模式下的传输时延和能耗可分别表示为:
式中,表示卸载至无人机微云的上行传输数据速率,pk为合法用户k的发送功率。无人机微云接收到合法用户卸载的任务数据后,即可开始执行计算过程。无人机微云执行合法用户k(k∈K)任务时的时延和能耗可分别表示为:
远端基站边缘云具有比无人机微云更多的计算资源,当合法用户将计算任务卸载到远端基站边缘云时,远端基站已知自身发射的干扰信号,故自干扰可消除。此时,合法用户k(k∈K)的上行传输数据速率为:
此时,窃听用户进行窃听的数据速率为:
基于该通信模型,合法用户k将计算任务卸载到远端基站边缘云的传输时延和能耗可分别表示为:
使用物理层安全的概念来量化合法用户向边缘服务器卸载任务时的安全性。根据物理层安全的原理,合法用户k(k∈K)在无人机微云卸载模式下的安全容量可表示为:
合法用户k(k∈K)在远端基站边缘云卸载模式下的安全容量可表示为:
记合法用户k(k∈K)的卸载决策向量为ak=[ak,0,ak,u,ak,BS],计算资源向量为该方案在时延约束和能量约束前提下,基于最大最小准则,通过联合优化合法用户的卸载决策向量及无人机微云和远端基站边缘云分配的计算频率,最大化合法用户任务卸载的最小安全能效函数。该问题将被描述为一个优化问题:
式中,表示无人机微云所承载的最大能量门限值。约束条件1表示无人机微云计算资源受限;约束条件2表示合法用户k本地计算时延约束;约束条件3表示合法用户k卸载至无人机微云传输时延和计算时延和的约束;约束条件4表示合法用户k卸载至远端基站边缘云传输时延和计算时延和的约束;约束条件5表示无人机能量受限;约束条件6-8表示优化变量满足的条件。该优化问题是一类大规模、多约束、非线性优化问题,目标函数和约束条件中不同变量之间存在耦合和交互,需要设计相互通信的计算系统以及对应的分布式算法,从而得到优化解。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于空地协同边缘计算网络的任务安全卸载策略确定方法,其特征在于,包括如下步骤:
S30,获取在合法用户k将计算任务卸载到无人机微云时产生的第一上行传输数据速率以及此时窃听用户进行窃听时的第一窃听传输速率获取当合法用户k将计算任务卸载到远端基站边缘云时产生的第二上行传输数据速率以及此时窃听用户进行窃听的第二窃听数据速率根据第一上行传输数据速率和第一窃听传输速率确定合法用户k在无人机微云卸载模式下的第一安全容量根据第二上行传输数据速率以及第二窃听数据速率确定合法用户k在远端基站边缘云卸载模式下的第二安全容量
2.根据权利要求1所述的基于空地协同边缘计算网络的任务安全卸载策略确定方法,其特征在于,所述优化函数包括:
所述约束条件包括:
ak,u,ak,u,ak,BS∈{0,1},
ak,0+ak,u+ak,BS=1,
其中,min表示求最小值,max表示求最大值,ak表示合法用户k的任务卸载决策向量,ak=[ak,0,ak,u,ak,BS],rk表示资源向量,qU表示无人机的三维位置,K表示合法用户总个数,表示无人机分配给合法用户k的计算资源,表示远端基站分配给合法用户k的计算资源,fUAV表示无人机微云的计算频率,表示本地计算模式下的时延,Tk表示可容忍的时延需求,表示第一传输时延,表示第一计算时延,表示第二传输时延,表示第二计算时延,表示无人机处理合法用户k任务时的能耗,表示无人机的最大能量限制,ak,0表示合法用户在本地独立处理计算任务的决策因子,ak,u表示任务卸载到无人机微云计算的决策因子,ak,BS表示卸载到远端基站边缘云的决策因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939692.1A CN112104494B (zh) | 2020-09-09 | 2020-09-09 | 基于空地协同边缘计算网络的任务安全卸载策略确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010939692.1A CN112104494B (zh) | 2020-09-09 | 2020-09-09 | 基于空地协同边缘计算网络的任务安全卸载策略确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112104494A true CN112104494A (zh) | 2020-12-18 |
CN112104494B CN112104494B (zh) | 2023-02-14 |
Family
ID=73751729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010939692.1A Active CN112104494B (zh) | 2020-09-09 | 2020-09-09 | 基于空地协同边缘计算网络的任务安全卸载策略确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112104494B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112867065A (zh) * | 2021-01-05 | 2021-05-28 | 北京邮电大学 | 一种空地协同边缘计算方法及其系统 |
CN112911648A (zh) * | 2021-01-20 | 2021-06-04 | 长春工程学院 | 一种空地结合的移动边缘计算卸载优化方法 |
CN113156992A (zh) * | 2021-04-12 | 2021-07-23 | 安徽大学 | 面向边缘环境下无人机的三层架构协同优化系统及方法 |
CN113590232A (zh) * | 2021-08-23 | 2021-11-02 | 南京信息工程大学 | 一种基于数字孪生的中继边缘网络任务卸载方法 |
CN113626107A (zh) * | 2021-08-20 | 2021-11-09 | 中南大学 | 移动计算卸载方法、系统及存储介质 |
CN113810878A (zh) * | 2021-08-31 | 2021-12-17 | 南京信息工程大学 | 一种基于车联网任务卸载决策的宏基站放置方法 |
CN114363803A (zh) * | 2021-12-27 | 2022-04-15 | 杭州电子科技大学 | 一种移动边缘计算网络节能的多任务分配方法及系统 |
CN116567675A (zh) * | 2023-07-10 | 2023-08-08 | 南京邮电大学 | 基于无人机协同辅助移动边缘计算的安全卸载方法及系统 |
CN117555698A (zh) * | 2024-01-12 | 2024-02-13 | 南京信息工程大学 | 一种数字孪生辅助的边缘计算任务卸载方法 |
CN118113482A (zh) * | 2024-04-26 | 2024-05-31 | 北京科技大学 | 一种针对智能窃听者的安全计算卸载方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017099548A1 (en) * | 2015-12-11 | 2017-06-15 | Lg Electronics Inc. | Method and apparatus for indicating an offloading data size and time duration in a wireless communication system |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN111245539A (zh) * | 2020-01-07 | 2020-06-05 | 南京邮电大学 | 一种基于noma的移动边缘计算网络高效资源分配方法 |
CN111586762A (zh) * | 2020-04-29 | 2020-08-25 | 重庆邮电大学 | 一种基于边缘协作的任务卸载及资源分配联合优化方法 |
-
2020
- 2020-09-09 CN CN202010939692.1A patent/CN112104494B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017099548A1 (en) * | 2015-12-11 | 2017-06-15 | Lg Electronics Inc. | Method and apparatus for indicating an offloading data size and time duration in a wireless communication system |
CN109684075A (zh) * | 2018-11-28 | 2019-04-26 | 深圳供电局有限公司 | 一种基于边缘计算和云计算协同进行计算任务卸载的方法 |
CN111245539A (zh) * | 2020-01-07 | 2020-06-05 | 南京邮电大学 | 一种基于noma的移动边缘计算网络高效资源分配方法 |
CN111586762A (zh) * | 2020-04-29 | 2020-08-25 | 重庆邮电大学 | 一种基于边缘协作的任务卸载及资源分配联合优化方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112867065A (zh) * | 2021-01-05 | 2021-05-28 | 北京邮电大学 | 一种空地协同边缘计算方法及其系统 |
CN112867065B (zh) * | 2021-01-05 | 2023-04-07 | 北京邮电大学 | 一种空地协同边缘计算方法及其系统 |
CN112911648A (zh) * | 2021-01-20 | 2021-06-04 | 长春工程学院 | 一种空地结合的移动边缘计算卸载优化方法 |
CN113156992A (zh) * | 2021-04-12 | 2021-07-23 | 安徽大学 | 面向边缘环境下无人机的三层架构协同优化系统及方法 |
CN113626107A (zh) * | 2021-08-20 | 2021-11-09 | 中南大学 | 移动计算卸载方法、系统及存储介质 |
CN113626107B (zh) * | 2021-08-20 | 2024-03-26 | 中南大学 | 移动计算卸载方法、系统及存储介质 |
CN113590232A (zh) * | 2021-08-23 | 2021-11-02 | 南京信息工程大学 | 一种基于数字孪生的中继边缘网络任务卸载方法 |
CN113590232B (zh) * | 2021-08-23 | 2023-04-25 | 南京信息工程大学 | 一种基于数字孪生的中继边缘网络任务卸载方法 |
CN113810878B (zh) * | 2021-08-31 | 2023-04-25 | 南京信息工程大学 | 一种基于车联网任务卸载决策的宏基站放置方法 |
CN113810878A (zh) * | 2021-08-31 | 2021-12-17 | 南京信息工程大学 | 一种基于车联网任务卸载决策的宏基站放置方法 |
CN114363803A (zh) * | 2021-12-27 | 2022-04-15 | 杭州电子科技大学 | 一种移动边缘计算网络节能的多任务分配方法及系统 |
CN114363803B (zh) * | 2021-12-27 | 2024-04-02 | 杭州电子科技大学 | 一种移动边缘计算网络节能的多任务分配方法及系统 |
CN116567675A (zh) * | 2023-07-10 | 2023-08-08 | 南京邮电大学 | 基于无人机协同辅助移动边缘计算的安全卸载方法及系统 |
CN116567675B (zh) * | 2023-07-10 | 2023-10-10 | 南京邮电大学 | 基于无人机协同辅助移动边缘计算的安全卸载方法及系统 |
CN117555698A (zh) * | 2024-01-12 | 2024-02-13 | 南京信息工程大学 | 一种数字孪生辅助的边缘计算任务卸载方法 |
CN117555698B (zh) * | 2024-01-12 | 2024-04-16 | 南京信息工程大学 | 一种数字孪生辅助的边缘计算任务卸载方法 |
CN118113482A (zh) * | 2024-04-26 | 2024-05-31 | 北京科技大学 | 一种针对智能窃听者的安全计算卸载方法和系统 |
CN118113482B (zh) * | 2024-04-26 | 2024-08-13 | 北京科技大学 | 一种针对智能窃听者的安全计算卸载方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112104494B (zh) | 2023-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112104494B (zh) | 基于空地协同边缘计算网络的任务安全卸载策略确定方法 | |
CN109729528B (zh) | 一种基于多智能体深度强化学习的d2d资源分配方法 | |
Xiao et al. | Secrecy energy efficiency maximization for UAV-enabled mobile relaying | |
CN112737842B (zh) | 空地一体化车联网中基于最小化时延的任务安全卸载方法 | |
CN113573293A (zh) | 一种基于ris的智能应急通信系统 | |
Han et al. | Secrecy capacity maximization for a UAV-assisted MEC system | |
Pourbaba et al. | Full-duplex UAV relay positioning for vehicular communications with underlay V2V links | |
CN112911587B (zh) | Mec-d2d环境下利用物理层安全防窃听任务卸载方法 | |
Liu et al. | Joint resource optimization for UAV-enabled multichannel Internet of Things based on intelligent fog computing | |
Huang et al. | Resource allocation for D2D communications with a novel distributed Q-learning algorithm in heterogeneous networks | |
Shah et al. | Mobile edge computing (MEC)-enabled UAV placement and computation efficiency maximization in disaster scenario | |
CN111083708B (zh) | 一种基于干扰感知多图的v2v通信异质频谱分配方法 | |
Peng et al. | Security-aware resource sharing for D2D enabled multiplatooning vehicular communications | |
Alsharoa et al. | UAV-Direct: Facilitating D2D communications for dynamic and infrastructure-less networking | |
Zhang et al. | Matching-based resource allocation and distributed power control using mean field game in the NOMA-based UAV networks | |
AlSheyab et al. | Interference minimization algorithms for fifth generation and beyond systems | |
Xie et al. | Effective collaboration to maximize throughput based on multiuser cooperative mobility in social-physical ad hoc networks | |
Dai et al. | UAV placement and resource allocation for multi-hop UAV assisted backhaul system | |
Jamshed et al. | Green UAV-enabled Internet-of-Things Network with AI-assisted NOMA for Disaster Management | |
Cai et al. | Trajectory design and resource allocation for UAV-enabled data collection in wireless sensor networks with 3D blockages | |
CN115276768B (zh) | 融合干扰缓解与资源分配的无人机时延最小化方法 | |
Kiruthika et al. | Dynamic handover algorithm with interference cancellation in 5G networks for emergency communication | |
Rajoria et al. | Energy efficiency optimization for MM-NOMA heterogeneous network with wireless backhauling and energy harvesting | |
Mkiramweni et al. | Mean field games for 5G ultra-dense networks: A resource management perspective | |
CN115484261A (zh) | 一种无人机辅助的车辆边缘计算协同任务卸载方法 |
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 |