-
公开(公告)号：CN113379066B
公开(公告)日：2022-07-08
申请号：CN202110646617.0
申请日：2021-06-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于雾计算的联邦学习方法，属于移动通信技术领域。位于云端的运营商作为联邦学习任务的发布者，位于边缘的雾节点作为区块链共识节点为联邦学习提供安全的协调服务，同时物联网设备如智能手机和平板电脑作为联邦学习的客户端，通过区块链提供的安全验证服务和给出的分簇联邦学习方法，提出的联邦学习刚刚可以有效地提高联邦学习效率和稳定性。为解决联邦学习存在的单点故障问题和模型恶意攻击问题，提出了基于区块链的客户端协作学习方式，并且为减少引入区块链技术所产生的额外时延，雾节点所维护的区块链共识方式为PBFT，将区块链网络划分为多个子网，每个子网内基于不同的联邦学习任务进行共识验证以减少共识时延。
-
公开(公告)号：CN111866954A
公开(公告)日：2020-10-30
申请号：CN202010705532.0
申请日：2020-07-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习的用户选择和资源分配方法，属于移动通信技术领域。首先，对参加FL的用户进行筛选。综合考虑IDs交互可靠度和交互新鲜度，生成IDs的信誉值。其次，基于层次分析法对IDs的QoS需求进行分析，根据IDs的不同QoS需求建立优先级。最后，将最小化FL任务总开销问题分解为计算阶段开销和通信资源分配两个子优化问题分别求解。在FL任务计算优化阶段，考虑IDs的CPU频率不同，需权衡计算时间和计算能耗；在通信资源优化阶段，根据IDs的优先级从高到低进行RB分配。本方案有效的降低了FL任务的总时延和能耗开销，在满足IDs的QoS需求同时保证了FL过程的可靠性和有效性。
-
公开(公告)号：CN111757361B
公开(公告)日：2022-04-22
申请号：CN202010750641.4
申请日：2020-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾网络中基于无人机辅助的任务卸载方法，属于移动通信技术领域。以最小化系统总时延和能耗为目标，联合优化无人机轨迹，通信资源分配及任务卸载比例。首先，在地面网络中，用户可通过D2D链路卸载任务，定义一个效率指标函数，由服务质量效用和成本共同决定，R‑ID可在F‑ID中选择效率指标函数值最大的F‑ID进行任务卸载；其次，在空中网络中，构建G2A任务卸载模型。R‑ID的计算任务通过无线链路卸载到无人机。本方案在优化无人机的轨迹，通信资源分配的同时，有效地降低了系统总开销。
-
公开(公告)号：CN111866954B
公开(公告)日：2022-03-29
申请号：CN202010705532.0
申请日：2020-07-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于联邦学习的用户选择和资源分配方法，属于移动通信技术领域。首先，对参加FL的用户进行筛选。综合考虑IDs交互可靠度和交互新鲜度，生成IDs的信誉值。其次，基于层次分析法对IDs的QoS需求进行分析，根据IDs的不同QoS需求建立优先级。最后，将最小化FL任务总开销问题分解为计算阶段开销和通信资源分配两个子优化问题分别求解。在FL任务计算优化阶段，考虑IDs的CPU频率不同，需权衡计算时间和计算能耗；在通信资源优化阶段，根据IDs的优先级从高到低进行RB分配。本方案有效的降低了FL任务的总时延和能耗开销，在满足IDs的QoS需求同时保证了FL过程的可靠性和有效性。
-
Patent Agency Ranking
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
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：CN111741480B
公开(公告)日：2022-06-17
申请号：CN202010752243.6
申请日：2020-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网内容缓存决策优化方法，属于移动通信技术领域。本模型中，每个雾节点负责计算任务卸载并缓存具有高流行度的内容，同时，当今的智能设备，例如智能手机和平板电脑，通常具有大容量的存储容量，而这些容量通常并未得到充分利用。通过利用这些存储空间，可以有效地实现无基础架构的缓存，即在设备级别的缓存，降低内容获取时延。在发明提出的场景下，雾节点所覆盖的一部分物联网设备UEs也具有一定的缓存能力。该方法可以解决内容调度问题，并优化缓存决策，以最小化用户获取内容总时延。
-
公开(公告)号：CN113379066A
公开(公告)日：2021-09-10
申请号：CN202110646617.0
申请日：2021-06-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于雾计算的联邦学习方法，属于移动通信技术领域。位于云端的运营商作为联邦学习任务的发布者，位于边缘的雾节点作为区块链共识节点为联邦学习提供安全的协调服务，同时物联网设备如智能手机和平板电脑作为联邦学习的客户端，通过区块链提供的安全验证服务和给出的分簇联邦学习方法，提出的联邦学习刚刚可以有效地提高联邦学习效率和稳定性。为解决联邦学习存在的单点故障问题和模型恶意攻击问题，提出了基于区块链的客户端协作学习方式，并且为减少引入区块链技术所产生的额外时延，雾节点所维护的区块链共识方式为PBFT，将区块链网络划分为多个子网，每个子网内基于不同的联邦学习任务进行共识验证以减少共识时延。
-
公开(公告)号：CN111757361A
公开(公告)日：2020-10-09
申请号：CN202010750641.4
申请日：2020-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种雾网络中基于无人机辅助的任务卸载方法，属于移动通信技术领域。以最小化系统总时延和能耗为目标，联合优化无人机轨迹，通信资源分配及任务卸载比例。首先，在地面网络中，用户可通过D2D链路卸载任务，定义一个效率指标函数，由服务质量效用和成本共同决定，R-ID可在F-ID中选择效率指标函数值最大的F-ID进行任务卸载；其次，在空中网络中，构建G2A任务卸载模型。R-ID的计算任务通过无线链路卸载到无人机。本方案在优化无人机的轨迹，通信资源分配的同时，有效地降低了系统总开销。
-
公开(公告)号：CN111741480A
公开(公告)日：2020-10-02
申请号：CN202010752243.6
申请日：2020-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种车联网内容缓存决策优化方法，属于移动通信技术领域。本模型中，每个雾节点负责计算任务卸载并缓存具有高流行度的内容，同时，当今的智能设备，例如智能手机和平板电脑，通常具有大容量的存储容量，而这些容量通常并未得到充分利用。通过利用这些存储空间，可以有效地实现无基础架构的缓存，即在设备级别的缓存，降低内容获取时延。在发明提出的场景下，雾节点所覆盖的一部分物联网设备UEs也具有一定的缓存能力。该方法可以解决内容调度问题，并优化缓存决策，以最小化用户获取内容总时延。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
