公开(公告)号：CN113918829A

公开(公告)日：2022-01-11

申请号：CN202111184953.4

申请日：2021-10-12

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  王凡 ,  陈志 ,  陈前斌

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08 ,  G06F9/50

Abstract: 本发明涉及一种雾计算网络中基于联邦学习的内容缓存和推荐方法，属于通信技术领域。本网络中，每个雾节点FN将缓存具有高流行度的内容，同时物联网设备ID，作为联邦学习的客户端，可本地缓存部分内容，并利用本地数据对模型参数进行训练，避免IDs私密信息的直接上传。由于ID端有限的存储资源和固有的用户需求模式，内容缓存增益有限。IDs可通过D2D协作链路获取内容，也可通过FN或云端获取内容，为了提高ID端缓存效用，利用邻近算法KNN找到邻居IDs并向目标ID推荐缓存内容，目标ID根据内容评分高低进行缓存；为提高缓存命中率，FN将建立个性化的内容推荐列表，通过主动内容推荐来追踪用户需求，降低内容获取时延。

公开(公告)号：CN113902127A

公开(公告)日：2022-01-07

申请号：CN202111182862.7

申请日：2021-10-11

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  邓雪松 ,  王凡 ,  陈前斌

IPC: G06N20/00 ,  G06F16/27 ,  G06F21/62 ,  G06F21/64

Abstract: 本发明涉及一种区块链赋能的异步联邦学习方法，属于通信技术领域。在本发明提出的应用场景下，任务发起者(即主节点)为诚实节点，是完全可信的，任务协助者(即次节点)中可能包含恶意节点。这些节点可以是一些金融机构或部门企业，他们都具有较好的计算能力，由于数据的缺乏需要联合建立一个复杂模型。按分工将节点分为主节点和次节点两类，上一轮中信誉值最高的次节点会在本轮担任领导者，它会收集次节点本地模型和信誉值并打包上传区块。主节点在完成本地聚合后会判断是否模型是否收敛，未收敛则将全局模型及次节点信誉值上传区块链，开启下一轮联合训练。

公开(公告)号：CN116828052A

公开(公告)日：2023-09-29

申请号：CN202310838016.9

申请日：2023-07-10

Applicant: 重庆邮电大学

Inventor： 黄晓舸 ,  余采薇 ,  王凡 ,  杨帆行 ,  陈前斌

IPC: H04L67/568 ,  H04L67/5682 ,  H04L67/1097 ,  H04L41/16

Abstract: 本发明涉及一种基于边缘计算的数据智能协同缓存方法，属于移动通信技术领域。首先，用户根据上下文信息完成簇群选择，使得同一簇群中的用户具有相似内容偏好，由于簇群间用户不相交，提出了基于享乐联盟博弈的用户分簇算法；其次，基于分层联邦学习，用户建立深度神经网络DNN训练本地模型并上传至边缘网络层中的MEN和SEN，通过分层联邦学习优化内容缓存放置位置策略；最后，在边缘网络引入内容缓存价值协助SEN进行短期内容更新，基于当前的缓存状态与用户内容输出估计偏好，最大化协同联盟整体内容缓存价值，从而减少缓存冗余。本发明在保证模型精度的前提下，有效提高缓存命中率，降低内容获取时延。