关键词： 移动式计算机   恶意软件   预测分析   深度学习   卷积神经网络(CNN)  

摘要： 随着移动计算技术的快速发展,智能手机和平板电脑等移动设备已成为人们日常生活中不可或缺的一部分,也因此成为恶意软件攻击的新目标。本研究提出一种基于深度学习的恶意软件感染预测模型,采用卷积神经网络(CNN)进行恶意软件的特征提取和预测。研究方法包括数据预处理、模型训练和验证以及结果的评估。数据集来源于公开恶意软件库和网络安全公司的实际感染数据。实验结果表明,该模型在准确率、召回率、精确率和F1得分等多个指标上表现良好,显示出在处理大规模数据集和识别新型恶意软件方面的潜力。研究成果不仅提升了移动式计算机恶意软件预测的准确性,也为移动计算安全领域的理论和实践提供了重要贡献。

关键词： 移动边缘计算   星地网络   设备到设备   任务卸载  

摘要： 针对地面设备计算资源未得到有效利用的问题,研究了移动边缘计算使能的星地网络中设备到设备(D2D)辅助任务卸载。建模了最大化所有用户设备、服务设备和低轨道地球卫星的效用的问题,并将其分解为任务卸载比例优化子问题和任务卸载决策子问题。通过理论推导分别得到了D2D卸载和移动边缘计算卸载的最优任务卸载比例的解析解,并设计了一种基于匹配博弈的任务卸载决策算法,提出了一种任务卸载比例和任务卸载决策联合优化方案。仿真结果证明,与参考方案相比,所提方案具有更好的性能。

关键词： 移动边缘计算   无人机协作   无人机派遣   优化算法  

摘要： 随着通信技术的发展,移动边缘计算(mobile edge computing,MEC)被认为是处理计算密集型和延迟敏感任务的关键技术,然而在灾难响应、紧急救援等情景中,边缘服务器无法快速部署并提供任务处理服务。无人机(unmanned aerial vehicle,UAV)辅助MEC以其部署简便、机动性强的特点受到关注。但是UAV的计算资源和能量有限,如何进行资源分配成为难题。针对该问题,提出了一种高效利用资源的多UAV协作策略(LUAVs-Cor)。该策略通过多UAV协作的方式动态处理任务,为了充分利用UAV空闲的计算资源,通过搜索最优任务组合的方式确定任务传输策略。此外,通过估计UAV处理能力、任务数量及处理情况优化UAV派遣数量,实现了UAV的动态部署并减少了能量消耗。通过大量仿真实验得出,LUAVs-Cor策略的服务容量提升了约6.8%,UAV整体能耗降低了10.3%。提出的LUAVs-Cor策略中无人机的协作代价较小,实现在较低的能耗代价下为更多用户服务。

关键词： 软件定义数据中心网络   深度强化学习   边缘计算任务卸载   同策略经验回放   熵正则  

摘要： 随着网络技术的不断发展,基于Fat-Tree的网络拓扑结构分布式网络控制模式逐渐显露出其局限性,软件定义数据中心网络(software-defined data center network,SDCN)技术作为Fat-Tree网络拓扑的改进技术,受到越来越多研究者的关注。首先搭建了一个SDCN中的边缘计算架构和基于移动边缘计算(mobileedge computing,MEC)平台三层服务架构的任务卸载模型,结合移动边缘计算平台的实际应用场景,利用同策略经验回放和熵正则改进传统的深度Q网络(deep Q-leaning network,DQN)算法,优化了MEC平台的任务卸载策略,并设计了实验对基于同策略经验回放和熵正则的改进深度Q网络算法(improved DQN algorithm based on same strategy empirical playback and entropy regularization,RSS2E-DQN)和其他3种算法在负载均衡、能耗、时延、网络使用量几个方面进行对比分析,验证了改进算法在上述4个方面具有更优越的性能。

关键词： 移动边缘计算   计算卸载   轨迹优化   资源分配   能耗  

摘要： 针对异构网络中非均匀分布式流量的平衡问题,构建一个基于非正交多址接入-终端直连的多无人机(UAV)辅助边缘计算系统。该系统中的能耗直接受同信道干扰、计算资源和传输功率的影响,通过联合优化卸载决策、任务量、资源分配以及UAV的飞行轨迹以最小化系统加权能耗。由于所提优化问题为非凸问题且高度耦合,因此提出一种基于李雅普诺夫(Lyapunov)的两阶段在线资源协调分配方案进行求解。首先,运用Lyapunov优化理论对系统模型进行改进,以消除其对未知信息的依赖,将目标优化问题转化为仅依赖于当前时隙的优化问题;其次,将优化问题分解为4个子问题,采用交替迭代的方法进行求解,在子问题的求解过程中,采用启发式用户匹配算法获取用户最佳匹配方案,并引入改进的自适应下降交替方向乘子法来获取最优卸载决策;最后,通过连续凸逼近技术将无人机的飞行轨迹问题转化为可解的凸问题。仿真结果表明,与Local、Random、ADMM这3种基准方案相比,该方案在保证队列稳定性的前提下,能耗约降低40%~70%。

关键词： 移动边缘计算   计算卸载   双服务器协同   资源优化  

摘要： 为充分利用移动边缘计算(Mobile Edge Computing, MEC)系统的计算资源,本文设计了双MEC服务器协同与计算通信资源联合优化方案。通过建模双服务器协同多用户任务计算优化问题,以系统计算时延和用户能耗的加权和最小化为准则,优化设计多用户计算卸载发射功率和计算任务分割。提出一种较低计算复杂度的联合设计方案,将原问题解耦为计算卸载优化和计算任务分割设计的2个子问题,分别通过内点法和单纯形法实现快速数值求解。仿真结果表明,本文所提算法的系统性能优于已有启发式基准算法方案,且在较少的算法运行时间下,联合优化算法方案能取得与最优拉格朗日乘子法基准方案相同的系统性能。

关键词： 分散控制系统   云计算技术   火电厂   优劣势   改造升级   实时性   解决方案   概念引入  

摘要： 将移动边缘云和中心云的概念引入到火电厂分散控制系统改造中,并分析了两种云计算技术的优劣势,结果发现移动边缘云更适用于对实时性要求较高的火电厂分散控制系统。随后基于移动边缘计算技术搭建了一款火电厂分散控制系统,为火电厂分散控制系统的改造升级提供了一套可行的解决方案。

关键词： 移动边缘计算   协作通信   非正交多址接入   多载波传输   凸优化  

摘要： 文章研究了基于多载波非正交多址接入(Multicarrier Non-Orthogonal Multiple Access, MC-NOMA)的协作移动边缘计算系统,该系统由一个用户端、一个协作节点与一个配备边缘计算服务器的接入点(Access Point, AP)组成,旨在给定任务执行时延约束下,最小化用户端与协作节点的通信与计算能耗。为此,首先提出一种新颖的MEC协议,使用户端和协作节点充分利用MC-NOMA技术以高频谱效率的方式进行任务卸载;然后在该协议下,建立系统优化问题,联合优化任务卸载时间与计算时间分配、子载波分配、各个子载波的发射功率分配、任务划分和MEC服务器CPU频率。该问题是一个非凸的混合整数规划问题,求解颇具挑战性。通过利用代数变换、大M表达法、分层优化、连续凸近似和黄金分割法,对该问题进行求解,从而提出一种高效的系统优化算法。仿真结果表明,与已有的仅采用多载波技术研究方案相比,采用MC-NOMA技术可节省50%~60%的能耗。

关键词： 模拟退火机制   移动边缘云计算   数据队列   缓存任务   优化卸载参数   负载调度  

摘要： 缓存任务过多容易导致云环境下数据传输卡顿,因此,为实现云数据的流畅传输,提出基于模拟退火机制的移动边缘云计算任务卸载模型。根据边缘云计算的定义表达式,计算任务缓存指标,完成移动边缘云计算队列的构建。以模拟退火机制为基础,确定云负载调度标准的执行条件,联合数据库主机中缓存的信息参量,求解优化卸载参数,完成基于模拟退火机制的移动边缘云计算任务卸载模型的设计。实验结果表明,所提方法可以有效解决云任务堆积的问题,将单位时间内的缓存任务量控制在550个以下,可以提升云数据传输流畅性。

关键词： 多目标优化   移动边缘计算   卸载能耗   改进遗传算法   约束条件   求解效率  

摘要： 为了缩短任务卸载时延和降低能耗,基于多目标优化设计一种移动边缘计算任务卸载方法。首先,建立一个多目标优化模型,以最小时延和最小能耗为目标函数,同时考虑任务卸载计算资源分配约束、总能耗低于设备剩余电量约束、任务卸载传输功率约束、任务卸载时延约束等约束条件;考虑了移动设备的移动性,构建节点切换约束条件;为了提高求解效率,改进了遗传算法中的选择、交叉和变异操作,并利用改进后的遗传算法求解了多目标优化模型,得到了最优的移动边缘计算任务卸载策略。实验结果表明,该方法能够有效地完成任务卸载,并且能够减少任务卸载时延和降低任务卸载能耗。此外,该方法在不同剩余电量下都能够获得较好的任务卸载效果,从而提高了用户的体验。