CN116095699A - 利用双边缘计算的高安全卸载方法、系统、终端及其介质 - Google Patents
利用双边缘计算的高安全卸载方法、系统、终端及其介质 Download PDFInfo
- Publication number
- CN116095699A CN116095699A CN202310082804.XA CN202310082804A CN116095699A CN 116095699 A CN116095699 A CN 116095699A CN 202310082804 A CN202310082804 A CN 202310082804A CN 116095699 A CN116095699 A CN 116095699A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- mmu
- task
- satellite
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004364 calculation method Methods 0.000 title claims abstract description 50
- 230000005540 biological transmission Effects 0.000 claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 37
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims description 63
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000002922 simulated annealing Methods 0.000 claims description 15
- 239000000654 additive Substances 0.000 claims description 11
- 230000000996 additive effect Effects 0.000 claims description 11
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000000137 annealing Methods 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 5
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 4
- 230000001934 delay Effects 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 201000008585 noma Diseases 0.000 claims description 4
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 238000011480 coordinate descent method Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/03—Protecting confidentiality, e.g. by encryption
-
- 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
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- 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
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
- H04B7/18508—Communications with or from aircraft, i.e. aeronautical mobile service with satellite system used as relay, i.e. aeronautical mobile satellite service
-
- 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
- H04B7/1851—Systems using a satellite or space-based relay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/22—Negotiating communication rate
-
- 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)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明涉及空天海一体化网络通信技术领域,具体为一种利用双边缘计算的高安全卸载方法、系统、终端及其介质,联合优化无人机发射功率、无人机轨迹、接入卫星接收功率以及MMU发射功率,最小化移动终端计算任务卸载给小基站和卫星边缘服务器过程的传输时延,从而提升了系统整体的传输效率。另外,与单纯追求系统时延最小的方案相比,充分考虑到系统的安全性,通过部署无人干扰机发送干扰信息,大大降低了MMUs在向卫星传输任务时被窃听风险,使系统整体具有最大的平均保密率。
Description
技术领域
本发明涉及空天海一体化网络通信技术领域,具体为一种利用双边缘计算的高安全卸载方法、系统、终端及其介质。
背景技术
无线通信技术的快速发展推动了基于空、天、海、地等多维无线通信的融合,可提供全时和全区域的数据传输服务。由于海洋集成无线网络在国防和智能海洋物联网的发展中具有重要意义,因此这极大推动了基于空-天-海三维网络深度融合的空天海一体化网络(Space-Ari-Aqua Integrated Network,SAAIN)发展,为各种海洋应用提供无处不在、智能、协作和高效的无线通信。
近年来,物联网的快速发展导致SAAIN的日数据量呈现爆炸式增长,随着海上移动用户(Marine Mobile Users,MMUs)对网络服务质量、服务请求时延等网络性能要求不断提高,资源受限的移动设备终端难以满足。为了应对上述挑战,移动边缘计算(Mobile EdgeComputing,MEC)作为SAAIN中的一种有前途的技术和架构被提出。MEC的思想是将云端的计算功能和服务下沉到具有地理位置优势的网络边缘,就近提供实时的计算辅助,减少移动终端的任务计算时延和能耗。当MEC网络采用部分计算卸载的操作模式时,MMUs的计算任务一部分在本地执行,另一部分则首先考虑卸载到地面上的基站(base station,BS)边缘服务器上计算执行,若该服务器的容量超过限制后,合法无人机(Legitimate UAV)会作中继将任务信息转发到近地轨道(Low Earth Orbit,LEO)卫星网络中的卫星(Satellite)边缘服务器上计算执行。
另一方面,由于无线通信的广播性质,通过无线信道从终端设备卸载到接入点的任务容易受到窃听者攻击从而导致信息泄露,特别是在具有视距(Light-of-Sight,LOS)链路的无人机网络中。因此采用物理层安全技术—协同干扰,在卫星卸载过程,部署无人干扰机(Jammer UAV)发送干扰信号,有效保证传输的安全性。
发明内容
为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种利用双边缘计算的高安全卸载方法、系统、终端及其介质,以解决现有技术中无人机安全卸载任务的平均保密率低以及移动终端计算任务卸载给小基站和卫星边缘服务器过程的安全传输时延长的技术问题。
本发明是通过以下技术方案来实现:
一种利用双边缘计算的高安全卸载方法,包括如下步骤:
S1、构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
S2、根据步骤S1得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
S3、利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将步骤S2得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
S4、通过迭代步骤S3得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
优选的,步骤S1中,构建空天海一体化网络模型的具体步骤如下:
S101、构建包含1个搭载MEC服务器的小基站、M个MMUs、L个安全无人机、J个无人干扰机、5颗卫星的空天海一体化网络模型,5颗卫星属同一轨道,其中1颗作接入卫星,直接与无人机传输数据,其余4颗卫星搭载MEC服务器,供接入卫星调度计算卸载任务,设置N个MMUs到小基站计算卸载任务,M-N个MMUs利用安全无人机作中继在卫星计算卸载任务;安全无人机的集合表示为无人干扰机的集合表示为到小基站卸载任务的MMU集合表示为到卫星卸载任务的MMU集合表示为
S102、建立MMU和无人机及无人机和接入卫星的通信模型,由于LOS链路在MMU和安全无人机之间的链路中占主要优势,信道增益服从自由空间损耗模型,则MMU和安全无人机之间的信道功率增益MMU和无人干扰机之间的信道功率增益分别如下公式表达:
其中,Gl为安全无人机的发射天线增益,Gj为无人干扰机的发射天线增益,Gs为卫星的接收天线增益,c为真空中的光速,Hs为卫星的垂直高度,f为载波频率;
S103、第m个MMU将计算任务卸载到地面小基站时,该MMU和小基站之间的上行链路的数据传输速率表示为:
其中,B为所有MMUs的传输带宽,Pm为MMU向小基站发射NOMA信号的功率值,为接收到的加性白色高斯噪声,0≤|h1|2≤|h2|2≤...|hm|2≤...≤|hN|2分别表示第1到N的MMUs信道增益;
在无人机辅助的上行传输系统中,当MMU以功率Pn,u,l向合法无人机发射FDMA信号,MMU以功率Pn,u,j向无人干扰机发射FDMA信号,MMU和安全无人机之间的上行链路的数据传输速率Rn,u,l、MMU和无人干扰机之间的上行链路的数据传输速率Pn,u,j分别表示为:
MMUs向合法无人机传输任务过程产生的系统平均保密率表示为:
其中,M为MMUs的总人数,N为MMUs到小基站计算卸载任务的人数,M-N为MMUs到卫星计算卸载任务的人数,Rn,u,l为MMU和安全无人机之间的上行链路的数据传输速率,Rn,u,j为MMU和无人干扰机之间的上行链路的数据传输速率。
优选的,步骤S2中,构建本地计算时延模型和任务卸载时延模型具体包括:
S201、第m个MMU的计算任务大小用Dm表示,定义其中dm为MMU所需执行的任务数据量大小,cm为计算任务dm中每1bit数据所需要的CPU周期频率数;MMU数据的整个计算过程包括本地计算和部分卸载;MMU本地计算的任务数据量为(1-xm)dm,MMU卸载到地面MEC服务器计算的数据量为xmdm,其中x为卸载变量;因此,MMU本地计算的时延表示为:
S202、计算任务卸载到地面的时延,N个MMUs将任务卸载到地面过程中产生的时延主要是MMUs任务卸载到地面小基站带MEC服务器的时延和小基站执行任务的计算产生时延;
S203,计算任务卸载到卫星的时延,当其余M-N个MMUs面临延迟敏感任务时,MMUs选择将任务卸载到空间卫星执行,MMUs在空间卸载产生的总时延由以下3个阶段产生的时延构成:MMUs向安全无人机传输任务的时延、安全无人机向接入卫星转发任务的时延和接入卫星调度MEC卫星的时延。
进一步的,步骤S202中,计算任务卸载到地面的时延过程如下:
首先,定义第m个MMU任务卸载到地面小基站的时延为:
其中,Rm为MMU和小基站之间的上行链路的数据传输速率;
其次,定义地面小基站执行第m个MMU任务产生的时延为:
其中fs表示为地面小基站分配给第m个MMU的CPU计算频率;
N个MMUs在地面小基站计算卸载任务花费的总时延表示如下:
进一步的,步骤S203中,计算任务卸载到卫星的时延的过程如下:
首先,定义第m个MMU向第l个安全无人机传输任务的时延为:
其次,定义第l个安全无人机向接入卫星转发任务的时延为:
接入卫星接收到来自无人机转发的任务后,先将卸载信息与干扰信息分离,再调度1颗MEC卫星进行卸载;系统中的5颗卫星位于同一轨道,则可以利用地球的半径、卫星的高度、轨道平面之间的夹角等参数估计两颗卫星之间的传播延迟;当纬度在66°以上时,卫星链路将被中断,因此最短的传播延迟发生在纬度66°左右的位置;根据余弦定理得到同一轨道上的两颗卫星之间的传播延迟为:
其中,Rp为地球半径,ny为该轨道平面上的卫星数;Hs为;
最后,MEC卫星执行序号m的MMU任务产生的时延为:
其中,Wu为卸载任务u(u=1,2,...,U)的大小,单位bits。
优选的,步骤S3中,通过数学模型将上述任务卸载模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题具体包括:
S301、联合优化安全无人机、无人干扰机水平位置以及MMU向合法无人机发送的功率,将SAAIN系统的平均保密率最大化问题建模为问题P1:
其中,约束C1-C4保证无人机每个间隔内移动的水平距离不得超过D,约束C5-C6表示无人机的发射功率不超过平均值和峰值;
S302、利用块坐标下降法将上述非凸问题P1解耦为4个子问题,包括MMU向合法无人机发送的功率优化问题、MMU向无人干扰机发送的功率优化问题、合法无人机的轨迹优化问题、无人干扰机的轨迹优化问题;
S303、在求解P1的基础上,联合优化无人机的发射功率、接入卫星的接收功率,将SAAIN系统的总传输时延最小化问题建模为问题P2:
C3:α1+α2=1
C4:fs≤fmax,tm≤T
其中,C1表示系统对平均保密率的约束,C2表示对系统任务量的约束,C4表示MEC服务器在系统中的计算能力有限,MMU在本地计算时间不允许超过总时延。
优选的,步骤S4中,通过迭代以求解MMU分别向合法无人机和无人干扰机的发射功率优化问题以及合法无人机和无人干扰机的轨迹优化问题近似最优解以及通过模拟退火算法求解P2问题,获得无人机最优的发射功率、和接入卫星的最优接收功率具体包括:
S401、在求解MMU发射功率子问题、无人机轨迹优化子问题时,给定其各个变量初值,带入求解第i次迭代下MMU向合法无人机发送信号的功率近似解,再把第i次迭代的MMU向合法无人机发送信号的功率近似解及其他初值代入MMU向无人干扰机发送信号的功率优化子问题,求解出第i次迭代下的MMU向无人干扰机发送信号的功率局部近似解,再将第i次迭代的MMU向无人机发送信号的功率值及其他初值代入合法无人机轨迹优化子问题,求解出合法无人机轨迹的第i次迭代局部近似解,再把第i次迭代的无人机发射功率解和合法无人机轨迹解代入无人干扰机轨迹子问题求局部近似解,不断增加迭代次数,直到两次迭代的P1目标函数值之差满足在一定范围内,即可得到最大平均保密率,结束流程;
S402、基于优化问题P2的解决过程与金属退火之间的相似性,使用模拟退火算法获取无人机最优的发射功率、和接入卫星的最优接收功率;给定初始温度T0、退火速率r、终止温度T以及各优化变量在初状态下的值,求解第i+1次迭代下的合法无人机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的无人干扰机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的接入卫星的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解;若第i+1次与第i次的合法无人机发射功率的差值不小于0,先判断差值的关系式是否满足大于随机数,若满足接受第i+1次迭代下的新解,反之,不接受第i+1次迭代下的新解;做完第i+1次迭代的判断后衰减温度值,直到到达终止温度,即可获得系统的最小传输时延,结束算法。
一种利用双边缘计算的高安全卸载系统,包括
第一模型创建模块,用于构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
第二模型创建模块,用于根据得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
第一数据处理模块,用于利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
第二数据处理模块,用于通过迭代得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
一种移动终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述一种利用双边缘计算的高安全卸载方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述所述一种利用双边缘计算的高安全卸载方法的步骤。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供了一种利用双边缘计算的高安全卸载方法,联合优化无人机发射功率、无人机轨迹、接入卫星接收功率以及MMU发射功率,最小化移动终端计算任务卸载给小基站和卫星边缘服务器过程的传输时延,从而提升了系统整体的传输效率。另外,与单纯追求系统时延最小的方案相比,充分考虑到系统的安全性,通过部署无人干扰机发送干扰信息,大大降低了MMUs在向卫星传输任务时被窃听风险,使系统整体具有最大的平均保密率。
附图说明
图1是本发明中利用双边缘计算的高安全卸载方法流程图;
图2是本发明方案中的高安全卸载方案的系统模型图。
图3是本发明模拟退火算法的流程图。
图4是本发明方案和基线方案在卫星接收功率方面的系统时延对比图。
图5是本发明方案和基线方案在平均保密率方面的系统时延对比图。
图6是本发明方案和基线方案在合法无人机发射功率方面的系统时延图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明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。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
本发明的目的在于提供一种利用双边缘计算的高安全卸载方法、系统、终端及其介质,以解决现有技术中无人机安全卸载任务的平均保密率低以及移动终端计算任务卸载给小基站和卫星边缘服务器过程的安全传输时延长的技术问题。
该利用双边缘计算的高安全卸载方法,如图1所示,包括如下步骤:
S1、构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
其中,构建空天海一体化网络模型的具体步骤如下:
S101、构建包含1个搭载MEC服务器的小基站、M个MMUs、L个安全无人机、J个无人干扰机、5颗卫星的空天海一体化网络模型,5颗卫星属同一轨道,其中1颗作接入卫星,直接与无人机传输数据,其余4颗卫星搭载MEC服务器,供接入卫星调度计算卸载任务,设置N个MMUs到小基站计算卸载任务,M-N个MMUs利用安全无人机作中继在卫星计算卸载任务;安全无人机的集合表示为无人干扰机的集合表示为到小基站卸载任务的MMU集合表示为到卫星卸载任务的MMU集合表示为
S102、建立MMU和无人机及无人机和接入卫星的通信模型,由于LOS链路在MMU和安全无人机之间的链路中占主要优势,信道增益服从自由空间损耗模型,则MMU和安全无人机之间的信道功率增益MMU和无人干扰机之间的信道功率增益分别如下公式表达:
其中,Gl为安全无人机的发射天线增益,Gj为无人干扰机的发射天线增益,Gs为卫星的接收天线增益,c为真空中的光速,Hs为卫星的垂直高度,f为载波频率;
S103、第m个MMU将计算任务卸载到地面小基站时,该MMU和小基站之间的上行链路的数据传输速率表示为:
其中,B为所有MMUs的传输带宽,Pm为MMU向小基站发射NOMA信号的功率值,为接收到的加性白色高斯噪声,0≤|h1|2≤|h2|2≤...|hm|2≤...≤|hN|2分别表示第1到N的MMUs信道增益;
在无人机辅助的上行传输系统中,当MMU以功率Pn,u,l向合法无人机发射FDMA信号,MMU以功率Pn,u,j向无人干扰机发射FDMA信号,MMU和安全无人机之间的上行链路的数据传输速率Rn,u,l、MMU和无人干扰机之间的上行链路的数据传输速率Pn,u,j分别表示为:
MMUs向合法无人机传输任务过程产生的系统平均保密率表示为:
其中,M为MMUs的总人数,N为MMUs到小基站计算卸载任务的人数,M-N为MMUs到卫星计算卸载任务的人数,Rn,u,l为MMU和安全无人机之间的上行链路的数据传输速率,Rn,u,j为MMU和无人干扰机之间的上行链路的数据传输速率。
S2、根据步骤S1得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
具体的,构建本地计算时延模型和任务卸载时延模型具体包括:
S201、第m个MMU的计算任务大小用Dm表示,定义其中dm为MMU所需执行的任务数据量大小,cm为计算任务dm中每1bit数据所需要的CPU周期频率数;MMU数据的整个计算过程包括本地计算和部分卸载;MMU本地计算的任务数据量为(1-xm)dm,MMU卸载到地面MEC服务器计算的数据量为xmdm,其中x为卸载变量;因此,MMU本地计算的时延表示为:
S202、计算任务卸载到地面的时延,N个MMUs将任务卸载到地面过程中产生的时延主要是MMUs任务卸载到地面小基站带MEC服务器的时延和小基站执行任务的计算产生时延;
其中,计算任务卸载到地面的时延过程如下:
首先,定义第m个MMU任务卸载到地面小基站的时延为:
其中,Rm为MMU和小基站之间的上行链路的数据传输速率;
其次,定义地面小基站执行第m个MMU任务产生的时延为:
其中fs表示为地面小基站分配给第m个MMU的CPU计算频率;
N个MMUs在地面小基站计算卸载任务花费的总时延表示如下:
S203,计算任务卸载到卫星的时延,当其余M-N个MMUs面临延迟敏感任务时,MMUs选择将任务卸载到空间卫星执行,MMUs在空间卸载产生的总时延由以下3个阶段产生的时延构成:MMUs向安全无人机传输任务的时延、安全无人机向接入卫星转发任务的时延和接入卫星调度MEC卫星的时延。
其中,计算任务卸载到卫星的时延的过程如下:
首先,定义第m个MMU向第l个安全无人机传输任务的时延为:
其次,定义第l个安全无人机向接入卫星转发任务的时延为:
接入卫星接收到来自无人机转发的任务后,先将卸载信息与干扰信息分离,再调度1颗MEC卫星进行卸载;系统中的5颗卫星位于同一轨道,则可以利用地球的半径、卫星的高度、轨道平面之间的夹角等参数估计两颗卫星之间的传播延迟;当纬度在66°以上时,卫星链路将被中断,因此最短的传播延迟发生在纬度66°左右的位置;根据余弦定理得到同一轨道上的两颗卫星之间的传播延迟为:
其中,Rp为地球半径,ny为该轨道平面上的卫星数;Hs为;
最后,MEC卫星执行序号m的MMU任务产生的时延为:
其中,Wu为卸载任务u(u=1,2,...,U)的大小,单位bits。
S3、利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将步骤S2得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
其中,步骤S3中,通过数学模型将上述任务卸载模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题具体包括:
S301、联合优化安全无人机、无人干扰机水平位置以及MMU向合法无人机发送的功率,将SAAIN系统的平均保密率最大化问题建模为问题P1:
其中,约束C1-C4保证无人机每个间隔内移动的水平距离不得超过D,约束C5-C6表示无人机的发射功率不超过平均值和峰值;
S302、利用块坐标下降法将上述非凸问题P1解耦为4个子问题,包括MMU向合法无人机发送的功率优化问题、MMU向无人干扰机发送的功率优化问题、合法无人机的轨迹优化问题、无人干扰机的轨迹优化问题;
其中,将非凸问题P1解耦为4个子优化问题,具体如下:
a)仅保留与MMU向合法无人机发送的功率有关约束条件,MMU向合法无人机发送的功率子优化问题表示如下:
同样的,MMU向无人干扰机发送的功率非凸子优化问题表示为:
b)仅保留与合法无人机轨迹有关的约束条件,合法无人机的轨迹优化非凸
子问题表示为:
C3:t[n]≥0,s[n]≥0.
同样的,无人干扰机的轨迹优化非凸子问题表示为:
C3:t[n]≥0,s[n]≥0.
S303、在求解P1的基础上,联合优化无人机的发射功率、接入卫星的接收功率,将SAAIN系统的总传输时延最小化问题建模为问题P2:
C3:α1+α2=1
C4:fs≤fmax,tm≤T
其中,C1表示系统对平均保密率的约束,C2表示对系统任务量的约束,C4表示MEC服务器在系统中的计算能力有限,MMU在本地计算时间不允许超过总时延。
S4、通过迭代步骤S3得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
其中,通过迭代以求解MMU分别向合法无人机和无人干扰机的发射功率优化问题以及合法无人机和无人干扰机的轨迹优化问题近似最优解以及通过模拟退火算法求解P2问题,获得无人机最优的发射功率、和接入卫星的最优接收功率具体包括:
S401、在求解MMU发射功率子问题、无人机轨迹优化子问题时,给定其各个变量初值,带入求解第i次迭代下MMU向合法无人机发送信号的功率近似解,再把第i次迭代的MMU向合法无人机发送信号的功率近似解及其他初值代入MMU向无人干扰机发送信号的功率优化子问题,求解出第i次迭代下的MMU向无人干扰机发送信号的功率局部近似解,再将第i次迭代的MMU向无人机发送信号的功率值及其他初值代入合法无人机轨迹优化子问题,求解出合法无人机轨迹的第i次迭代局部近似解,再把第i次迭代的无人机发射功率解和合法无人机轨迹解代入无人干扰机轨迹子问题求局部近似解,不断增加迭代次数,直到两次迭代的P1目标函数值之差满足在一定范围内,即可得到最大平均保密率,结束流程;
S402、基于优化问题P2的解决过程与金属退火之间的相似性,使用模拟退火算法获取无人机最优的发射功率、和接入卫星的最优接收功率;给定初始温度T0、退火速率r、终止温度T以及各优化变量在初状态下的值,求解第i+1次迭代下的合法无人机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的无人干扰机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的接入卫星的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解;若第i+1次与第i次的合法无人机发射功率的差值不小于0,先判断差值的关系式是否满足大于随机数,若满足接受第i+1次迭代下的新解,反之,不接受第i+1次迭代下的新解。做完第i+1次迭代的判断后衰减温度值,直到到达终止温度,即可获得系统的最小传输时延,结束算法。
实施例
在实施例中,每个MMU终端都具备一定的计算能力,满足本地执行的简单需求。但受限于本地计算能力和时延需求,MMU会将部分任务卸载给地面小基站、合法无人机作中继的空中卫星进行处理。而搭载MEC服务器的小基站和卫星具有很强的计算能力,可以满足终端低时延需求。
那么SAAIN系统下利用双边缘计算和物理层安全技术的高安全卸载方案,具体步骤包括如下:
第一步,构建包含1个搭载MEC服务器的小基站、M个MMUs、L个安全无人机、J个无人干扰机、5颗卫星的空天海一体化网络模型;
步骤(1.1),构建包含1个搭载MEC服务器的小基站、M个MMUs、L个安全无人机、J个无人干扰机、5颗卫星的空天海一体化网络模型,如图2所示。
5颗卫星属同一轨道,其中1颗作接入卫星,直接与无人机传输任务,其余4颗卫星搭载MEC服务器,供接入卫星调度计算卸载任务。假设有N个MMUs到小基站计算卸载任务,根据其位置被分布在W个小区中;M-N个MMUs则利用安全无人机作中继在卫星计算卸载任务。安全无人机的集合表示为无人干扰机的集合表示为到小基站卸载任务的MMU集合表示为到卫星卸载任务的MMU集合表示为
步骤(1.2),无人机均固定在地面以上的高度H,到卫星卸载任务的MMUs水平位置用表示,安全无人机的水平位置用表示,无人干扰机的水平位置用表示。因此序号m的MMU和序号l的安全无人机之间的欧氏距离dm,l用表示,序号m的MMU和序号j的无人干扰机之间的欧氏距离用表示。
步骤(1.3),由于LOS链路在MMU和无人机之间的链路中占主要优势,因此信道增益服从自由空间损耗模型,则MMU和安全无人机、MMU和无人干扰机之间的信道功率增益分别表示为如下公式所示:
其中,β0为参考距离d0=1时的信道功率增益,γ为路损指数。
相比垂直距离,无人机和接入卫星之间的水平距离小到可以忽略不计,因此,安全无人机和接入卫星、无人干扰机和接入卫星之间的信道功率增益分别表示为如下公式所示:
其中,Gl为安全无人机的发射天线增益,Gj为无人干扰机的发射天线增益,Gs为卫星的接收天线增益,c为真空中的光速,Hs为卫星的垂直高度,f为载波频率。
步骤(1.4),根据香农公式,序号m的MMU将计算任务卸载到地面小基站时,MMU和小基站之间的传输速率表示为:
其中,B为所有MMUs的传输带宽,Pm为MMU向小基站发射NOMA信号的功率值,为接收到的加性白色高斯噪声,0≤|h1|2≤|h2|2≤...|hm|2≤...≤|hN|2分别表示序号从1到N的MMUs信道增益。
在无人机辅助的上行传输系统中,当MMU以功率Pn,u,l向合法无人机发射FDMA信号,MMU以功率Pn,u,j向无人干扰机发射FDMA信号,MMU和合法无人机、MMU和无人干扰机之间的上行链路的数据传输速率分别表示为:
因此,MMUs向合法无人机传输任务过程产生的系统平均保密率可以表示为:
其中[x]+=max(x,0)。
第二步,基于空天海一体化网络模型,构建本地计算时延模型和任务卸载时延模型具体包括:
步骤(2.1),序号m的MMU的计算任务大小用Dm表示,定义其中dm为MMU所需执行的任务数据量大小,cm为计算任务dm中每1bit数据所需要的CPU周期频率数。MMU数据的整个计算过程可分为本地计算和部分卸载两个部分,因此,MMU本地计算的任务数据量为(1-xm)dm,MMU卸载到地面MEC服务器计算的数据量为xmdm,其中x为卸载变量。由上述分析,MMU本地计算的时延可以表示为,
步骤(2.3),本方案所提出的任务卸载模型涉及到两种场景:任务卸载到地面小基站计算和任务卸载到卫星计算。
步骤(2.3),N个MMUs将任务卸载到地面过程中产生的时延主要是MMUs任务卸载到地面小基站(搭载MEC服务器)的时延和小基站执行任务的计算产生时延。
首先,根据式(3),定义序号m的MMU任务卸载到地面小基站的时延为:
其次,定义地面小基站执行序号m的MMU任务产生的时延为:
其中fs表示为地面小基站分配给序号m的MMU的CPU计算频率。
最后,根据式(6)、(7),N个MMUs在地面小基站计算卸载任务花费的总时延表示如下:
步骤(2.4),当其余M-N个MMUs面临延迟敏感任务时,MMUs选择将任务卸载到空间卫星执行。MMUs在空间卸载产生的总时延由以下3个阶段产生的时延构成:MMUs向安全无人机传输任务的时延、安全无人机向接入卫星转发任务的时延和接入卫星调度MEC卫星的时延。本发明部署无人干扰机作为友好的干扰器,发送已知的干扰信号保护安全无人机安全卸载任务。假设在无人机向接入卫星传输过程存在一条自由光学链路,不仅能提供更好的传输速率,还确保了更加可靠和安全的传输。
首先,定义序号m的MMU和序号l向安全无人机传输任务的时延为:
其次,定义序号l的安全无人机向接入卫星转发任务的时延为:
其中M为子信道数,由带宽资源B平均划分得到。
接入卫星接收到来自无人机转发的任务后,先将卸载信息与干扰信息分离,再调度1颗MEC卫星进行卸载。本发明假设系统中的5颗卫星位于同一轨道,则可以利用地球的半径、卫星的高度、轨道平面之间的夹角等参数估计两颗卫星之间的传播延迟。当纬度在66°以上时,卫星链路将被中断,因此最短的传播延迟发生在纬度66°左右的位置。根据余弦定理得到同一轨道上的两颗卫星之间的传播延迟为:
其中,Rp为地球半径,ny为该轨道平面上的卫星数。
最后,MEC卫星执行序号m的MMU任务产生的时延为:
其中Wu为卸载任务u(u=1,2,...,U)的大小,单位bits。
第三步,通过数学模型将上述任务卸载模型建模为公式化的两个优化问题P1和P2,并将P1非凸问题解耦为4个子问题具体包括:
步骤(3.1),联合优化安全无人机、无人干扰机水平位置以及MMU向合法无人机发送的功率,将SAAIN系统的平均保密率最大化问题建模为非凸优化问题P1:
式中,约束C1-C4保证了无人机每个间隔内移动的水平距离不得超过D,约束C5-C6表示无人机的发射功率不超过平均值和峰值。
步骤(3.2),将非凸问题P1解耦为4个子优化问题,具体如下:
a)仅保留与MMU向合法无人机发送的功率有关约束条件,MMU向合法无人机发送的功率子优化问题表示如下:
所述MMU向合法无人机发送的功率子优化问题是凸优化问题,直接对优化变量求导即可得到MMU向合法无人机发送的最优功率值表示如下:
由于目标函数是凸函数、约束条件为凸集,可以利用CVX工具,通过标准凸优化算法进行求解,得到当前迭代次数下的MMU向合法无人机发送的最优功率。
同样的,MMU向无人干扰机发送的功率非凸子优化问题表示为:
因此该问题可以变换为求解以下凸问题:
由于该问题为凸问题,同样可以利用CVX工具,通过标准凸优化技术求解,得到当前迭代次数下的MMU向无人干扰机发送的局部最优功率。
b)仅保留与合法无人机轨迹有关的约束条件,合法无人机的轨迹优化非凸
子问题表示为:
因此,上述非凸问题可转化为凸问题,表示如下:
同样的,无人干扰机的轨迹优化子问题表示为:
C3:t[n]≥0,s[n]≥0. (24)
由于该问题已转化成了凸问题,同样可以利用CVX工具。
步骤(3.3),在P1的基础上,联合优化无人机的发射功率、接入卫星的接收功率,将SAAIN系统的总传输时延最小化问题建模为优化问题P2:
式中,C1表示系统对平均保密率的约束,C2表示对系统任务量的约束,C4表示MEC服务器在系统中的计算能力有限,MMU在本地计算时间不允许超过总时延。
P2是基于P1求解的,首先替换已经为优化问题P2确定的优化变量,问题表示如下:
C3:fs≤fmax,tm≤T
(26)
基于优化问题P1的求解过程和近熟退火之间的相似性,这里采用模拟退火算法解决P1。其中优化目标看作能量函数,解空间看作状态空间,通过随机扰动模拟粒子的热运动来解决优化问题。
第四步,通过迭代以求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解P2问题,获得无人机最优的发射功率、和接入卫星的最优接收功率具体包括:
步骤(4.1),利用CVX工具对MMU发射功率子问题、无人机轨迹优化子问题分别求近似解的过程为:先给定其各个变量初值,带入求解第i次迭代下MMU向合法无人机发送信号的功率近似解,再把第i次迭代的MMU向合法无人机发送信号的功率近似解及其他初值代入MMU向无人干扰机发送信号的功率优化子问题,求解出第i次迭代下的MMU向无人干扰机发送信号的功率局部近似解,再将第i次迭代的MMU向无人机发送信号的功率值及其他初值代入合法无人机轨迹优化子问题,求解出合法无人机轨迹的第i次迭代局部近似解,再把第i次迭代的无人机发射功率解和合法无人机轨迹解代入无人干扰机轨迹子问题求局部近似解,不断增加迭代次数,直到两次迭代的P1目标函数值之差满足在一定范围内,即可得到最大平均保密率,即最优的MMU发射功率、最优的无人机轨迹。
步骤(4.2),基于优化问题P2的解决过程与金属退火之间的相似性,提出使用模拟退火算法获取无人机最优的发射功率、和接入卫星的最优接收功率,如图3所示。给定初始温度、退火速率、终止温度以及各优化变量在初状态下的值,对合法无人机发射功率、无人干扰机发射功率、接入卫星接收功率三个优化变量重复“产生新解—>计算前后状态下变量值之差—>接受或舍弃新解”的迭代过程,并逐步衰减温度值,直到到达终止温度,即可获得系统的最小传输时延,即最优的无人机发射功率、最优的接入卫星接收功率。
下面结合放着对本发明的技术效果作详细描述。仿真在MMU、基站、无人机、卫星数量固定的网络环境中,统计了系统时延和平均保密率这两项性能指标。主要网络仿真参数:加性白色高斯噪声功率为100dB,小基站的发射功率为30dB,带宽资源为100MHz,本地CPU的计算容量为900Mbps,海洋边缘服务器的计算容量为6400Mbps,卫星边缘服务器的计算容量为8000Mbps。
将本发明与基线方案一(所有MMUs在本地计算)、基线方案二(部分MMUs利用海洋边缘服务器计算卸载)、基线方案三(部分MMUs利用卫星边缘服务器计算卸载)进行性能对比,如图4-6所示。
综上,本发明实施例提供了一种SAAIN系统下利用双边缘计算和物理层安全技术的高安全卸载方案,采用海洋边缘服务器和卫星边缘服务器,有效保证了MMU对网络性能、网络服务质量的高需求,同时又充分考虑到系统的安全性,采取物理层安全技术大大降低了MMUs在向卫星传输任务时被窃听风险。相比已有机制,本发明可有效降低系统的传输时延、提高系统整体的计算效率及安全性。
本发明还提供了一种利用双边缘计算的高安全卸载系统,包括
第一模型创建模块,用于构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
第二模型创建模块,用于根据得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
第一数据处理模块,用于利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
第二数据处理模块,用于通过迭代得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
本发明还提供了一种移动终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,例如利用双边缘计算的高安全卸载程序。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述一种利用双边缘计算的高安全卸载方法的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种利用双边缘计算的高安全卸载方法,其特征在于,包括如下步骤:
S1、构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
S2、根据步骤S1得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
S3、利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将步骤S2得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
S4、通过迭代步骤S3得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
2.根据权利要求1所述的一种利用双边缘计算的高安全卸载方法,其特征在于,步骤S1中,构建空天海一体化网络模型的具体步骤如下:
S101、构建包含1个搭载MEC服务器的小基站、M个MMUs、L个安全无人机、J个无人干扰机、5颗卫星的空天海一体化网络模型,5颗卫星属同一轨道,其中1颗作接入卫星,直接与无人机传输数据,其余4颗卫星搭载MEC服务器,供接入卫星调度计算卸载任务,设置N个MMUs到小基站计算卸载任务,M-N个MMUs利用安全无人机作中继在卫星计算卸载任务;安全无人机的集合表示为无人干扰机的集合表示为到小基站卸载任务的MMU集合表示为到卫星卸载任务的MMU集合表示为
S102、建立MMU和无人机及无人机和接入卫星的通信模型,由于LOS链路在MMU和安全无人机之间的链路中占主要优势,信道增益服从自由空间损耗模型,则MMU和安全无人机之间的信道功率增益MMU和无人干扰机之间的信道功率增益分别如下公式表达:
其中,Gl为安全无人机的发射天线增益,Gj为无人干扰机的发射天线增益,Gs为卫星的接收天线增益,c为真空中的光速,Hs为卫星的垂直高度,f为载波频率;
S103、第m个MMU将计算任务卸载到地面小基站时,该MMU和小基站之间的上行链路的数据传输速率表示为:
其中,B为所有MMUs的传输带宽,Pm为MMU向小基站发射NOMA信号的功率值,为接收到的加性白色高斯噪声,0≤|h1|2≤|h2|2≤...|hm|2≤...≤|hN|2分别表示第1到N的MMUs信道增益;
在无人机辅助的上行传输系统中,当MMU以功率Pn,u,l向合法无人机发射FDMA信号,MMU以功率Pn,u,j向无人干扰机发射FDMA信号,MMU和安全无人机之间的上行链路的数据传输速率Rn,u,l、MMU和无人干扰机之间的上行链路的数据传输速率Pn,u,j分别表示为:
MMUs向合法无人机传输任务过程产生的系统平均保密率表示为:
其中,M为MMUs的总人数,N为MMUs到小基站计算卸载任务的人数,M-N为MMUs到卫星计算卸载任务的人数,Rn,u,l为MMU和安全无人机之间的上行链路的数据传输速率,Rn,u,j为MMU和无人干扰机之间的上行链路的数据传输速率。
3.根据权利要求1所述的一种利用双边缘计算的高安全卸载方法,其特征在于,步骤S2中,构建本地计算时延模型和任务卸载时延模型具体包括:
S201、第m个MMU的计算任务大小用Dm表示,定义其中dm为MMU所需执行的任务数据量大小,cm为计算任务dm中每1bit数据所需要的CPU周期频率数;MMU数据的整个计算过程包括本地计算和部分卸载;MMU本地计算的任务数据量为(1-xm)dm,MMU卸载到地面MEC服务器计算的数据量为xmdm,其中x为卸载变量;因此,MMU本地计算的时延表示为:
S202、计算任务卸载到地面的时延,N个MMUs将任务卸载到地面过程中产生的时延主要是MMUs任务卸载到地面小基站带MEC服务器的时延和小基站执行任务的计算产生时延;
S203,计算任务卸载到卫星的时延,当其余M-N个MMUs面临延迟敏感任务时,MMUs选择将任务卸载到空间卫星执行,MMUs在空间卸载产生的总时延由以下3个阶段产生的时延构成:MMUs向安全无人机传输任务的时延、安全无人机向接入卫星转发任务的时延和接入卫星调度MEC卫星的时延。
5.根据权利要求3所述的一种利用双边缘计算的高安全卸载方法,其特征在于,步骤S203中,计算任务卸载到卫星的时延的过程如下:
首先,定义第m个MMU向第l个安全无人机传输任务的时延为:
其次,定义第l个安全无人机向接入卫星转发任务的时延为:
接入卫星接收到来自无人机转发的任务后,先将卸载信息与干扰信息分离,再调度1颗MEC卫星进行卸载;系统中的5颗卫星位于同一轨道,则可以利用地球的半径、卫星的高度、轨道平面之间的夹角等参数估计两颗卫星之间的传播延迟;当纬度在66°以上时,卫星链路将被中断,因此最短的传播延迟发生在纬度66°左右的位置;根据余弦定理得到同一轨道上的两颗卫星之间的传播延迟为:
其中,Rp为地球半径,ny为该轨道平面上的卫星数;Hs为;
最后,MEC卫星执行序号m的MMU任务产生的时延为:
其中,Wu为卸载任务u(u=1,2,...,U)的大小,单位bits。
6.根据权利要求1所述的一种利用双边缘计算的高安全卸载方法,其特征在于,步骤S3中,通过数学模型将上述任务卸载模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题具体包括:
S301、联合优化安全无人机、无人干扰机水平位置以及MMU向合法无人机发送的功率,将SAAIN系统的平均保密率最大化问题建模为问题P1:
其中,约束C1-C4保证无人机每个间隔内移动的水平距离不得超过D,约束C5-C6表示无人机的发射功率不超过平均值和峰值;
S302、利用块坐标下降法将上述非凸问题P1解耦为4个子问题,包括MMU向合法无人机发送的功率优化问题、MMU向无人干扰机发送的功率优化问题、合法无人机的轨迹优化问题、无人干扰机的轨迹优化问题;
S303、在求解P1的基础上,联合优化无人机的发射功率、接入卫星的接收功率,将SAAIN系统的总传输时延最小化问题建模为问题P2:
C3:α1+α2=1
C4:fs≤fmax,tm≤T
其中,C1表示系统对平均保密率的约束,C2表示对系统任务量的约束,C4表示MEC服务器在系统中的计算能力有限,MMU在本地计算时间不允许超过总时延。
7.根据权利要求1所述的一种利用双边缘计算的高安全卸载方法,其特征在于,步骤S4中,通过迭代以求解MMU分别向合法无人机和无人干扰机的发射功率优化问题以及合法无人机和无人干扰机的轨迹优化问题近似最优解以及通过模拟退火算法求解P2问题,获得无人机最优的发射功率、和接入卫星的最优接收功率具体包括:
S401、在求解MMU发射功率子问题、无人机轨迹优化子问题时,给定其各个变量初值,带入求解第i次迭代下MMU向合法无人机发送信号的功率近似解,再把第i次迭代的MMU向合法无人机发送信号的功率近似解及其他初值代入MMU向无人干扰机发送信号的功率优化子问题,求解出第i次迭代下的MMU向无人干扰机发送信号的功率局部近似解,再将第i次迭代的MMU向无人机发送信号的功率值及其他初值代入合法无人机轨迹优化子问题,求解出合法无人机轨迹的第i次迭代局部近似解,再把第i次迭代的无人机发射功率解和合法无人机轨迹解代入无人干扰机轨迹子问题求局部近似解,不断增加迭代次数,直到两次迭代的P1目标函数值之差满足在一定范围内,即可得到最大平均保密率,结束流程;
S402、基于优化问题P2的解决过程与金属退火之间的相似性,使用模拟退火算法获取无人机最优的发射功率、和接入卫星的最优接收功率;给定初始温度T0、退火速率r、终止温度T以及各优化变量在初状态下的值,求解第i+1次迭代下的合法无人机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的无人干扰机的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解,同时继续求解第i+1次迭代下的接入卫星的发射功率,若第i+1次与第i次的差值小于0,接受第i+1次迭代下的新解;若第i+1次与第i次的合法无人机发射功率的差值不小于0,先判断差值的关系式是否满足大于随机数,若满足接受第i+1次迭代下的新解,反之,不接受第i+1次迭代下的新解;做完第i+1次迭代的判断后衰减温度值,直到到达终止温度,即可获得系统的最小传输时延,结束算法。
8.一种利用双边缘计算的高安全卸载系统,其特征在于,包括
第一模型创建模块,用于构建空天海一体化网络模型,其中空天海一体化网络模型包括若干小基站、海上移动用户MMU、安全无人机、无人干扰机和卫星;
第二模型创建模块,用于根据得到的空天海一体化网络模型构建本地计算时延模型和任务卸载时延模型,其中任务卸载时延模型包括任务卸载到地面边缘服务器以及任务卸载到卫星边缘服务器;
第一数据处理模块,用于利用中继无人机向卫星卸载任务过程存在的信息安全问题,通过数学模型将得到的任务卸载时延模型建模为公式化的最大化平均保密速率的问题P1和最小化系统时延的问题P2,并将问题P1解耦为4个子问题;
第二数据处理模块,用于通过迭代得到的问题P1求解MMU发射功率子问题、无人机轨迹优化子问题近似最优解以及通过模拟退火算法求解步骤S3得到的问题P2,获得无人机最优的发射功率和接入卫星的最优接收功率,完成利用双边缘计算的高安全卸载工作。
9.一种移动终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种利用双边缘计算的高安全卸载方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述一种利用双边缘计算的高安全卸载方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310082804.XA CN116095699A (zh) | 2023-02-07 | 2023-02-07 | 利用双边缘计算的高安全卸载方法、系统、终端及其介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310082804.XA CN116095699A (zh) | 2023-02-07 | 2023-02-07 | 利用双边缘计算的高安全卸载方法、系统、终端及其介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116095699A true CN116095699A (zh) | 2023-05-09 |
Family
ID=86200615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310082804.XA Pending CN116095699A (zh) | 2023-02-07 | 2023-02-07 | 利用双边缘计算的高安全卸载方法、系统、终端及其介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116095699A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2023
- 2023-02-07 CN CN202310082804.XA patent/CN116095699A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112243252A (zh) | 一种面向无人机中继网络的安全传输增强方法 | |
Duo et al. | Joint trajectory and power optimization for securing UAV communications against active eavesdropping | |
CN110730031A (zh) | 一种用于多载波通信的无人机轨迹与资源分配联合优化方法 | |
Diao et al. | UAV-relaying-assisted multi-access edge computing with multi-antenna base station: Offloading and scheduling optimization | |
Han et al. | Secrecy capacity maximization for a UAV-assisted MEC system | |
Liu et al. | Joint optimization of resource allocation and multi-UAV trajectory in space-air-ground IoRT networks | |
Xiong et al. | Three-dimensional trajectory design for unmanned aerial vehicle-based secure and energy-efficient data collection | |
CN116095699A (zh) | 利用双边缘计算的高安全卸载方法、系统、终端及其介质 | |
Wang et al. | Double-edge computation offloading for secure integrated space-air-aqua networks | |
Wang et al. | IRS/UAV-based edge-computing/traffic-offloading over RF-powered 6G mobile wireless networks | |
Chen et al. | Trajectory design and link selection in UAV-assisted hybrid satellite-terrestrial network | |
Chen et al. | Energy efficient hybrid offloading in space-air-ground integrated networks | |
Dai et al. | UAV-assisted data offloading for smart container in offshore maritime communications | |
Liang et al. | Joint trajectory optimization and spectrum access for cognitive UAV networks | |
Hu et al. | Optimization for HTTP adaptive video streaming in UAV-enabled relaying system | |
Nasr-Azadani et al. | Distillation and ordinary federated learning actor-critic algorithms in heterogeneous UAV-aided networks | |
Guo et al. | Machine learning for predictive deployment of UAVs with multiple access | |
Dang et al. | Low-latency mobile virtual reality content delivery for unmanned aerial vehicle-enabled wireless networks with energy constraints | |
Wang et al. | Energy-Efficient and Secure Power Allocation and Trajectory Optimization for UAV-Enabled Data Collection in Wireless Sensor Networks | |
Sun et al. | Three-dimensional trajectory design for energy-efficient UAV-assisted data collection | |
Li et al. | Multiagent reinforcement learning for task offloading of space/aerial‐assisted edge computing | |
CN115827185B (zh) | 6g空中基站结合北斗空中避障的方法、存储介质及设备 | |
Hu et al. | Joint resource allocation and trajectory optimization for UAV-aided relay networks | |
Shabanighazikelayeh et al. | Optimal UAV deployment for rate maximization in IoT networks | |
Fu et al. | UAV Trajectory, User Association and Power Control for Multi-UAV Enabled Energy Harvesting Communications: Offline Design and Online Reinforcement Learning |
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 |