【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及網(wǎng)絡(luò)通信，尤其是基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法。
技術(shù)介紹
1、隨著5g技術(shù)的顯著發(fā)展，越來越復(fù)雜的應(yīng)用正在工業(yè)制造、數(shù)字經(jīng)濟、車聯(lián)網(wǎng)和智慧城市等領(lǐng)域得到部署。以云計算為例計算時，應(yīng)用程序產(chǎn)生的任務(wù)和數(shù)據(jù)上傳到遠程云處理，造成嚴重的網(wǎng)絡(luò)擁塞和業(yè)務(wù)延遲。為了緩解這一問題，移動邊緣計算(mobile?edgecomputing，mec)作為未來網(wǎng)絡(luò)的一項重要技術(shù)，將計算和存儲資源部署在距離終端設(shè)備更近的網(wǎng)絡(luò)邊緣，為終端設(shè)備應(yīng)用提供更可靠的實時計算和數(shù)據(jù)存儲。因此，邊緣節(jié)點可以執(zhí)行各種管理操作，如信號處理、分布式緩存、無線資源協(xié)作等。在這些操作中，分布式緩存能夠在邊緣節(jié)點內(nèi)緩存以用戶為中心的內(nèi)容，從而減少訪問延遲和數(shù)據(jù)重復(fù)存儲，從而增強用戶體驗并降低系統(tǒng)成本。然而，緩存性能通常受到邊緣緩存空間大小和開銷的限制。因此，如何有效地利用緩存空間，提高緩存性能，得到了學(xué)術(shù)界和業(yè)界的廣泛關(guān)注。一般來說，緩存性能受到包括緩存大小、內(nèi)容相關(guān)性、緩存劃分、緩存放置策略等多種因素的制約。之前的研究已經(jīng)考慮了基于用戶偏好在受限的緩存空間中進行主動內(nèi)容緩存。然而，緩存空間可以根據(jù)用戶特征、活動和請求模式進一步劃分。這種方法優(yōu)化了邊緣緩存資源的配置，能夠為跨多邊緣節(jié)點的類似用戶提供精確的內(nèi)容推薦。在多維空間中探索用戶和內(nèi)容特征之間的潛在關(guān)系可以提高用戶訪問資源的命中率，但仍然是一個開放的挑戰(zhàn)。
2、多邊緣協(xié)作緩存已經(jīng)成為一種可行的方式，可以優(yōu)化緩存資源配置，減少服務(wù)延遲。如果用戶連接的邊緣節(jié)點與其請求不匹配，則用戶可以從
3、具體來說，下面總結(jié)了應(yīng)用fl處理多邊緣協(xié)作緩存問題時的主要挑戰(zhàn)：
4、1)離散用戶特征分布和請求內(nèi)容的多樣性：不同的用戶由于其離散的特性，可能會有不同的內(nèi)容偏好。因此，尋找離散的用戶特征分布與多樣化的內(nèi)容請求之間的潛在關(guān)系是一項挑戰(zhàn)。
5、2)模型可擴展性：隨著終端設(shè)備數(shù)量的增加，將會有更多的數(shù)據(jù)呈現(xiàn)離散分布，從而導(dǎo)致具有單個邊緣節(jié)點的緩存場景的更高計算和通信開銷。然而，經(jīng)典的集中式訓(xùn)練框架會遇到有限的模型可擴展性。
6、3)模型魯棒性：邊緣節(jié)點可能會無意中上傳低質(zhì)量的模型，或者受到惡意節(jié)點的對抗性攻擊，導(dǎo)致模型更新期間魯棒性嚴重下降。
7、為了解決上述挑戰(zhàn)，本專利技術(shù)提出了一種新穎的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存(collaborative?caching?framework?based?on?robust?federated?deeplearning，rococache)方法。首先，rococache為多維緩存空間設(shè)計了一種新穎的劃分機制，在用戶分類區(qū)間內(nèi)實現(xiàn)了精確的內(nèi)容推薦。接下來，rococache開發(fā)了一種新的離散分類變分自編碼器(dc-vae)，通過克服后驗坍塌來準(zhǔn)確預(yù)測內(nèi)容的受歡迎程度。最后，rococache創(chuàng)建了一種基于魯棒聯(lián)邦深度學(xué)習(xí)的原始訓(xùn)練模式和主動緩存替換策略。值得注意的是，將基于殘差的對抗性模型更新檢測和基于相似性的聯(lián)邦聚合相結(jié)合，避免了對抗性更新造成的模型破壞，使主動緩存替換能夠適應(yīng)優(yōu)化后的緩存資源，從而提高了緩存性能。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提出基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，能提升緩存性能。
2、本專利技術(shù)采用以下技術(shù)方案。
3、基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，用于多邊緣協(xié)作緩存系統(tǒng)，所述多邊緣協(xié)作緩存系統(tǒng)由m個邊緣節(jié)點組成，用集合e＝{e1，e2，...，em，...，em}表示，每個節(jié)點包含一個mec服務(wù)器，一個基站，和n個用戶，用戶用集合u＝{u1，u2，...，un，...，un}表示；邊緣節(jié)點的緩存空間定義為集合c＝{c1，c2，...，cm，...，cm}；每個用戶都連接到一個邊緣節(jié)點，并通過相關(guān)基站提供的無線鏈路進行通信；此外，邊緣節(jié)點之間以及邊緣節(jié)點與云數(shù)據(jù)中心之間的通信是通過回程鏈路進行的；每個邊緣節(jié)點的緩存空間狀態(tài)定期廣播到所提議系統(tǒng)內(nèi)的其他邊緣節(jié)點；云數(shù)據(jù)中心的內(nèi)容庫表示為f＝{f1，f2，...，fi，...，fi}，其中i表示可訪問內(nèi)容的數(shù)量；而且，用戶離散地分布在各個邊緣節(jié)點的服務(wù)區(qū)；
4、當(dāng)用戶un向其連接的邊緣節(jié)點發(fā)送對內(nèi)容fi的請求時，使用多邊緣協(xié)作緩存場景的多邊緣協(xié)作緩存方法rococache(collaborative?caching?framework?based?on?robustfederated?deep?learning，rococache)，包括以下步驟；
5、步驟s1：當(dāng)前邊緣節(jié)點檢查是否緩存fi；如果fi被緩存，則邊緣節(jié)點將其直接發(fā)送到un；否則，轉(zhuǎn)到步驟s2；
6、步驟s2：當(dāng)前邊緣節(jié)點搜索是否存在緩存fi的協(xié)作邊緣節(jié)點。如果存在，協(xié)作邊緣節(jié)點將通過回程鏈路將fi轉(zhuǎn)發(fā)到當(dāng)前邊緣節(jié)點，然后將fi發(fā)送到un；否則，轉(zhuǎn)到步驟s3；
7、步驟s3：如果沒有協(xié)作邊緣節(jié)點緩存fi，云數(shù)據(jù)中心的內(nèi)容庫將提供fi，并通過回程鏈路轉(zhuǎn)發(fā)到當(dāng)前邊緣節(jié)點，然后將fi發(fā)送到un。
8、所述多邊緣協(xié)作緩存場景下，來自用戶的內(nèi)容請求是動態(tài)的，具有時空依賴性；提高緩存命中率依賴于精確的內(nèi)容流行度預(yù)測，并將用戶感興趣的內(nèi)容緩存到邊緣節(jié)點的緩存空間中；具體地，將fi在邊緣節(jié)點em上的流行度定義為
9、
10、其中reqi，m為em接收到的fi請求數(shù)，reqm為em接收到的請求總數(shù)；
11、方法ro本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，用于多邊緣協(xié)作緩存系統(tǒng)，其特征在于：所述多邊緣協(xié)作緩存系統(tǒng)由M個邊緣節(jié)點組成，用集合E＝{e1，e2，...，em，...，eM}表示，每個節(jié)點包含一個MEC服務(wù)器，一個基站，和N個用戶，用戶用集合U＝{u1，u2，....，un，...，uN}表示；邊緣節(jié)點的緩存空間定義為集合C＝{C1，C2，...，Cm，...，CM}；每個用戶都連接到一個邊緣節(jié)點，并通過相關(guān)基站提供的無線鏈路進行通信；此外，邊緣節(jié)點之間以及邊緣節(jié)點與云數(shù)據(jù)中心之間的通信是通過回程鏈路進行的；每個邊緣節(jié)點的緩存空間狀態(tài)定期廣播到所提議系統(tǒng)內(nèi)的其他邊緣節(jié)點；云數(shù)據(jù)中心的內(nèi)容庫表示為F＝{f1，f2，...，fi，..，fI}，其中I表示可訪問內(nèi)容的數(shù)量；而且，用戶離散地分布在各個邊緣節(jié)點的服務(wù)區(qū)；
2.根據(jù)權(quán)利要求1所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多邊緣協(xié)作緩存場景下，來自用戶的內(nèi)容請求是動態(tài)的，具有時空依賴性；提高緩存命中率依賴于精確的內(nèi)容流行度預(yù)測，并將用戶感興趣的內(nèi)容緩存到邊緣節(jié)點的緩存空間中；具體地，將fi在
3.根據(jù)權(quán)利要求2所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：多邊緣協(xié)作緩存方法RoCoCache方法的使用方式包括：
4.根據(jù)權(quán)利要求3所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多維緩存空間劃分包括兩個關(guān)鍵組件：多維用戶劃分和緩存空間劃分；在多維用戶劃分中，RoCoCache對具有不同數(shù)量用戶的特征組進行分類和分段，其中用戶感興趣的內(nèi)容分別為不同的組進行緩存；在緩存空間劃分中，利用已建立的分類，根據(jù)用戶特征、用戶活動和內(nèi)存訪問區(qū)間的散度對緩存空間進行感知優(yōu)化。
5.根據(jù)權(quán)利要求4所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多維用戶劃分，具體為：設(shè)用戶特征在一定程度上反映了他們對緩存內(nèi)容的偏好；為了準(zhǔn)確預(yù)測用戶偏好，RoCoCache使用基于多維特征的用戶劃分方法，多維特征包括性別、年齡、職業(yè)，這些特征被連續(xù)編碼為坐標(biāo)軸，用集合Γ＝{γ1，γ2，...，γt，...，γT}表示；使得構(gòu)造一個特征超立方體成為可能，其中用戶被分組以形成用戶區(qū)間；隨著劃分的進行，用戶區(qū)間表示為集合H＝{h1，h2，···，hs，···，hS}，其中S為用戶區(qū)間個數(shù)，Grade(hs)為用戶區(qū)間的用戶劃分等級；每個超立方體的邊長表示為集合
6.根據(jù)權(quán)利要求4所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述緩存空間劃分，通過考慮包括用戶數(shù)量、用戶活動、內(nèi)存訪問區(qū)間的散度的多種因素，為用戶區(qū)間分配適當(dāng)?shù)木彺婵臻g來提高緩存性能，具體為：
7.根據(jù)權(quán)利要求4所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述基于DC-VAE的內(nèi)容流行度預(yù)測，具體為：設(shè)現(xiàn)實場景中的內(nèi)容受歡迎程度通常遵循冪律分布，且始終遵循zipf's定律；在內(nèi)容流行度預(yù)測中使用變分自編碼器VAE利用隱層中的連續(xù)變量對壓縮后的輸入數(shù)據(jù)進行高效重構(gòu)，使數(shù)據(jù)在潛在空間內(nèi)聚類；具體來說，VAE由三個主要部分組成：編碼器、潛在空間和解碼器；在輸入數(shù)據(jù)x的情況下，編碼器輸出參數(shù)為μ和log(σ2)的高斯分布其中z是潛在表示；接下來，VAE樣本z從中重新參數(shù)化，其中z＝μ+σ·∈；解碼器記為pθ(x|z)，重構(gòu)壓縮后的輸入數(shù)據(jù)x；在此過程中，使用證據(jù)下界ELBO最小化重構(gòu)誤差并正則化潛在空間的分布，定義為
8.根據(jù)權(quán)利要求4所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述魯棒聯(lián)邦深度學(xué)習(xí)RFDL包括基于殘差的檢測和基于相似性的聯(lián)邦聚合；基于殘差的檢測是通過參數(shù)排序來檢測對抗性模型更新；基于相似度的聯(lián)邦聚合是為了避免對抗更新對全局共享模型的破壞，在復(fù)雜的多邊緣環(huán)境下生成魯棒準(zhǔn)確的內(nèi)容流行度預(yù)測模型。
9.根據(jù)權(quán)利要求8所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述基于殘差的檢測，具體為：為防止對抗性的模型更新影響模型的魯棒性，設(shè)計參數(shù)排序矩陣來檢測對抗性更新；首先將來自所有邊緣節(jié)點的模型參數(shù)組合成一個矩陣定義為
10.根據(jù)權(quán)利要求8所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述基于相似性的聯(lián)邦聚合采用典型相關(guān)分析CCA來衡量每個邊緣節(jié)點的模型更新與平均之間的相似度，從而確定執(zhí)行聯(lián)邦聚合時不同模型更新的權(quán)重；描述為
...【技術(shù)特征摘要】
1.基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，用于多邊緣協(xié)作緩存系統(tǒng)，其特征在于：所述多邊緣協(xié)作緩存系統(tǒng)由m個邊緣節(jié)點組成，用集合e＝{e1，e2，...，em，...，em}表示，每個節(jié)點包含一個mec服務(wù)器，一個基站，和n個用戶，用戶用集合u＝{u1，u2，....，un，...，un}表示；邊緣節(jié)點的緩存空間定義為集合c＝{c1，c2，...，cm，...，cm}；每個用戶都連接到一個邊緣節(jié)點，并通過相關(guān)基站提供的無線鏈路進行通信；此外，邊緣節(jié)點之間以及邊緣節(jié)點與云數(shù)據(jù)中心之間的通信是通過回程鏈路進行的；每個邊緣節(jié)點的緩存空間狀態(tài)定期廣播到所提議系統(tǒng)內(nèi)的其他邊緣節(jié)點；云數(shù)據(jù)中心的內(nèi)容庫表示為f＝{f1，f2，...，fi，..，fi}，其中i表示可訪問內(nèi)容的數(shù)量；而且，用戶離散地分布在各個邊緣節(jié)點的服務(wù)區(qū)；
2.根據(jù)權(quán)利要求1所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多邊緣協(xié)作緩存場景下，來自用戶的內(nèi)容請求是動態(tài)的，具有時空依賴性；提高緩存命中率依賴于精確的內(nèi)容流行度預(yù)測，并將用戶感興趣的內(nèi)容緩存到邊緣節(jié)點的緩存空間中；具體地，將fi在邊緣節(jié)點em上的流行度定義為
3.根據(jù)權(quán)利要求2所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：多邊緣協(xié)作緩存方法rococache方法的使用方式包括：
4.根據(jù)權(quán)利要求3所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多維緩存空間劃分包括兩個關(guān)鍵組件：多維用戶劃分和緩存空間劃分；在多維用戶劃分中，rococache對具有不同數(shù)量用戶的特征組進行分類和分段，其中用戶感興趣的內(nèi)容分別為不同的組進行緩存；在緩存空間劃分中，利用已建立的分類，根據(jù)用戶特征、用戶活動和內(nèi)存訪問區(qū)間的散度對緩存空間進行感知優(yōu)化。
5.根據(jù)權(quán)利要求4所述的基于魯棒性聯(lián)邦深度學(xué)習(xí)的多邊緣協(xié)作緩存方法，其特征在于：所述多維用戶劃分，具體為：設(shè)用戶特征在一定程度上反映了他們對緩存內(nèi)容的偏好；為了準(zhǔn)確預(yù)測用戶偏好，rococache使用基于多維特征的用戶劃分方法，多維特征包括性別、年齡、職業(yè)，這些特征被連續(xù)編碼為坐標(biāo)軸，用集合γ＝{γ1，γ2，...，γt，...，γt}表示；使得構(gòu)造一個...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳哲毅，梁杰，鐘璐英，賴軒，
申請(專利權(quán))人：福州大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。