一种雾计算网络中基于联邦学习的内容缓存和推荐方法

    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

    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。

    一种区块链赋能的异步联邦学习方法

    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

    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。

    一种基于边缘计算的数据智能协同缓存方法

    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

    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。

Patent Agency Ranking