基于联邦元学习的安全移动边缘计算卸载框架OACSTPCD
Secure mobile edge computation offloading framework via federated meta-learning
移动边缘计算(MEC)技术通过卸载部分计算任务到边缘服务器,可将第5代网络(5G)、云计算、大数据和人工智能等技术延伸到物联网终端.针对如何高效卸载计算任务和保障边缘数据隐私安全2个关键问题,在综述计算卸载性能优化研究基础上,本文提出了一种融合联邦学习和元学习的计算卸载应用框架,通过对计算任务的计算卸载以及计算资源的联合优化,从而实现系统加权时延和最小.在不泄露用户数据隐私的前提下,联合多个边缘服务器共同训练一个全局模型,并实现边缘服务器个性化计…查看全部>>
杨仕成;陈保罗;陈铁明;黄亮
浙江工业大学信息工程学院 杭州 310023浙江工业大学计算机科学与技术学院 杭州 310023浙江工业大学计算机科学与技术学院 杭州 310023浙江工业大学计算机科学与技术学院 杭州 310023
移动边缘计算(MEC)隐私保护联邦学习元学习
mobile edge computing(MEC)privacy protectionfederated learningmeta-learning
《高技术通讯》 2023 (12)
1265-1275,11
国家自然科学基金面上项目(62072410),浙江省自然科学基金(LD22F020002)和浙江省重点研发计划(2021C01117)项目资助.
评论