【摘 要】
：
近年来,越来越多的应用要求低延迟和高处理能力。移动设备有限的计算能力限制了其在复杂移动应用中的性能。将任务计算机会地卸载到边缘服务器上,可以减少移动设备上的计算负担,提高移动终端的续航时间。然而,由于用户的移动性,网络中边缘服务器上的计算负载会变得不平衡。因此,针对用户移动性异常检测和基于用户移动性进行计算卸载流量均衡,成为一个迫切需要解决的问题。本文在移动无线接入网络场景下,针对用户移动性异常检
论文部分内容阅读
近年来,越来越多的应用要求低延迟和高处理能力。移动设备有限的计算能力限制了其在复杂移动应用中的性能。将任务计算机会地卸载到边缘服务器上,可以减少移动设备上的计算负担,提高移动终端的续航时间。然而,由于用户的移动性,网络中边缘服务器上的计算负载会变得不平衡。因此,针对用户移动性异常检测和基于用户移动性进行计算卸载流量均衡,成为一个迫切需要解决的问题。本文在移动无线接入网络场景下,针对用户移动性异常检测和协同计算卸载优化问题进行研究,所做的主要研究工作包括:（1）在用户移动性异常检测方面,考虑到用户移动性隐私和学习数据对通信开销的影响,采用联邦学习方法,提出了两种基于图注意力网络的用户移动性异常表示和检测算法（Graph attention network based User Mobility Anomaly Representation and Detection,GUMARD）,针对所提出的算法进行了仿真性能评估,验证了所提算法的有效性;（2）针对计算卸载负载均衡问题进行了研究,基于长短期记忆网络对用户移动性进行了预测,采用多智能体协作学习方法,提出了两种基于用户移动性预测和学习的计算卸载优化方法（Computation Offloading Optimization Algorithm,COOA）,包括基站协同计算卸载优化算法（Base Station Collaborative Computation Offloading Optimization Algorithm,BSC-COOA）和基站非协同计算卸载优化算法（Base Station Non-collaborative Computation Offloading Optimization Algorithm,BSN-COOA）,针对所提算法进行了仿真性能评估,与基线算法相比,验证了 BSC-COOA算法和BSN-COOA算法的性能优势。
其他文献
随着第五代移动通信（The fifth Generation,5G）的大规模商业部署和工业4.0的极速发展,物联网（Internet of Things,IoT）应用从传统的机器类型通信向关键任务通信转变,并对通信的可靠性、延迟和IoT设备电池寿命等提出了多样化的需求。作为5G的三大关键场景之一,高可靠低时延通信（Ultra Reliable and Low Latency Com-municat
随着人工智能技术与大数据技术的飞速发展,医疗行业中数据的信息化也在不断地建设。随着医疗数据的建设和完善,人工智能技术开始辅助医疗的研究和发展。无痛分娩,在医学上被称为“分娩镇痛”,在这里具体指的是硬膜外镇痛。这种方式可以使孕妇在分娩时的疼痛感得到极大缓解,让分娩更加顺利,但是也会对孕妇和婴儿产生的不良影响一直备受争议。对于这个人工分析较为困难的问题,人工智能技术及大数据技术可以在研究和辅助分析方面
媒体内容作为一种可以携带丰富信息的传输载体,在社交网络中扮演着重要的角色。随着移动互联网的飞速发展,人们不再满足于信息接收者的角色,而是更倾向于制造内容和分享内容。通信技术也使得人们记录生活的方式由传统的博客转向媒体平台,图片、视频载体越来越受到人们的欢迎,因此人们也对媒体服务提出了新的需求。一方面为了提高视频的编码效率,并适应多样化的设备和复杂的网络环境,可伸缩视频编码（Scalable Vid
企业创新对当前我国经济实现结构转型,解决部分核心关键技术领域卡脖子问题具有重要意义。但需清醒明白的是,当前我国创新水平与创新能力建设已取得较大成就,但在研发投入水平等方面同国外发达国家相比还有较大差距。因此细化研究影响微观个体及企业创新动能的因素,不断提升企业的创新动力与能力具有较大的现实意义。本论文以融资约束的角度切入对企业创新的研究,创新性地引入了行业资源丰度和行业环境动态性的行业环境指标。本
随着APT组织的兴起,针对国家或者大型公司的APT攻击也逐渐被安全研究人员关注,其中APT攻击手法隐蔽,且通常使用Oday或者较新的Nday,难以防范,因此针对漏洞利用行为的检测在当前环境下是十分有必要的。本文提出了一种基于控制流完整性的漏洞利用检测技术,该技术通过处理器硬件跟踪能力对程序执行的汇编指令序列进行提取和恢复,从而准确透明无感知的获取到程序完整的运行时汇编指令序列,其中可能包含漏洞利用
信息隐藏技术是一种将秘密信息隐藏在自然载体中而不改变载体感知特性的科学。图像、视频、语音、文本等多种数字媒体都可以作为信息隐藏的载体,而音频隐写技术是以音频为载体进行隐写的技术。现有的音频隐写方法主要是人工设计的方法,在算法设计时需要大量的对应的专业知识,门槛高,还面临很多挑战。此外,在大数据时代,媒体形式丰富多样,若信息隐藏模型只能针对单一类型的载体进行嵌入和提取,其安全性是不够的。我们希望无论
随着互联网的发展,JavaScript作为一种功能完备的脚本语言,被广泛地应用于Web网站开发,但是由于这种程序语言具有动态执行、不依赖于平台等特性,在给开发工作带来便利的同时,也造成了严重的安全隐患,比如黑客们极易利用浏览器及插件的漏洞进行恶意代码的编写与执行。网络攻击技术的快速更新和迭代泛滥已经严重危害到广大用户的安全,因此面对严峻的网络空间安全现状,我们亟需对JavaScript的代码安全进
随着移动互联网的快速发展,移动应用程序逐渐改变了人们的日常生活方式。在应用市场中的应用数量指数级增长的同时,应用安全设计缺陷和恶意程序的增长也带来了严重的安全威胁,对当前移动应用自动化测试技术提出了挑战。当前,国内Android应用市场中应用功能日益丰富,不仅限于社交类应用,用户与应用之间、用户与用户之间的关联越来越紧密。国内多数应用都涉及了用户账号的注册和登录功能,部分应用核心功能与用户账号紧密
语义分割是智能驾驶领域目前仍具挑战性的重要研究问题之一,使用深度学模型处理语义分割任务已为学术以及应用界的主流。对于语义分割任务,在图像建模过程中考察图像的二维序列关系可以显著地提高深度学习模型的性能,在此基础上,非局部模块以及其他形式的注意力模块得以提出。本文的研究内容重点关注了基于注意力机制的图像序列关系建模以及损失函数的设计及改良,主要内容如下:1.针对图像序列关系建模问题引入注意力机制,利
随着互联网的发展,信息过载成为人们获取感兴趣内容的一个重大挑战。推荐系统作为信息过滤系统的一个子集,能够根据用户本身的属性信息以及商品的历史交互记录来挖掘用户潜在的兴趣爱好与需求,大大减少了用户筛选信息的时间,对于提升用户体验、缓解信息过载问题有很大的帮助。传统的推荐算法通常只考虑了用户和商品的直接交互这种规则的欧几里得数据而往往忽略了实际场景中用户和用户关联,商品和商品关联等等构成的错综复杂的图