在移动边缘计算的物联网(Mobile Edge Computing-enabled Internet of Things Networks,IoT-MEC)中,物联终端的高移动性、服务请求的随机到达性以及网络流量的实时变化,导致原有应用场景下的资源配置与服务部署不再完全匹配。如何有效...
详细信息
在移动边缘计算的物联网(Mobile Edge Computing-enabled Internet of Things Networks,IoT-MEC)中,物联终端的高移动性、服务请求的随机到达性以及网络流量的实时变化,导致原有应用场景下的资源配置与服务部署不再完全匹配。如何有效利用网络提供的资源以实现服务功能链(Service Function Chain,SFC)的实时部署和重构是一个重要的挑战。针对用户的高移动性和网络流量的实时变化造成的SFC性能需求和已分配资源不匹配的问题,提出IoT-MEC网络中基于用户移动和资源需求预测的SFC重构策略。建立以SFC的端到端时延和重构成本最小化为目标的整数线性规划模型;设计基于注意力机制的Encoder-Decoder移动用户轨迹预测模型和基于长短期记忆(Long Short-Term Memory,LSTM)网络的虚拟网络功能(Virtual Network Function,VNF)实例资源需求预测模型,分别准确预测用户移动轨迹和节点负载;基于预测结果提出SFC主动重构(Predict-based SFC Active Reconfiguration,PSAR)启发式算法,确保在服务质量(Quality of Service,QoS)下降之前,提前完成VNF迁移和路由更新,实现SFC的主动重构和无缝迁移,保证网络的一致性高质量服务。仿真结果表明,所提算法有效降低了SFC端到端时延和重构成本。
随着移动智能设备的普及,群智感知得到广泛应用,也面临严重的隐私泄露问题.现有隐私保护方案一般假设第三方服务平台是可信的,而这种假设对应用场景要求较高.基于此,提出了群智感知中一种新的数据融合隐私保护算法ECPPDA(privacy preservation data aggregation algorithm based on elliptic curve cryptography).服务器将参与者随机划分成g个簇,并形成簇公钥.簇内节点通过簇公钥加密数据并融合得到簇融合结果数据.服务器通过与簇内成员协同合作得到融合结果原文,由于服务器接收到的是融合密文且密文解密需要簇内所有节点共同协作,因此服务器不能得到单个参与者的数据.此外,通过服务器对簇公钥的更新,能够方便参与者动态加入或失效.实验结果显示ECPPDA具有高安全性、低消耗、低通信、高精度的特点.
暂无评论