一种面向位置隐私保护的任务卸载方法技术

本发明专利技术公开了一种面向位置隐私保护的任务卸载方法，包括：S1，以用户的真实位置为圆心生成一个圆环形的虚拟位置空间，以初始随机概率选择一个虚拟位置；S2，使用虚拟位置获取附近部署了边缘服务器的基站位置，构建服务器选择矩阵；S3，根据服务器选择矩阵，择优选择服务器发送任务卸载请求；S4，分配带宽，并计算出处理任务的相关参数；S5，选择在任务容忍时间内能够处理完成且节省能耗和时间最多以及收益最大的任务卸载到边缘节点执行。本发明专利技术考虑用户位置隐私问题对任务进行卸载，本发明专利技术能有效的保护用户的位置隐私，且尽可能的获得服务质量；使用强化学习算法做出任务卸载决策，在线学习动态调整卸载策略。学习动态调整卸载策略。学习动态调整卸载策略。

【技术实现步骤摘要】
一种面向位置隐私保护的任务卸载方法


[0001]本专利技术属于移动计算领域，特别是涉及一种面向位置隐私的任务卸载方法。

技术介绍

[0002]位置隐私保护是指在基于位置服务时保护用户的位置信息不被泄露，从而 保护用户的其他敏感信息不被推测出来。越来越多的研究者开始重视位置隐私 保护问题。边缘任务卸载是指在边缘计算中，边缘服务器在移动设备提交的任 务卸载请求中选择部分任务在边缘节点上处理，剩余任务将在本地处理。
[0003]已有的位置隐私保护方法主要有匿名、位置模糊和加密。匿名方法是隐瞒 用户的身份，通常是先删除身份标识属性，然后针对标识属性进行匿名处理。 匿名不仅可以保护用户位置隐私还可以保护用户数据隐私，但是匿名容易被反 匿名。位置模糊是指将用户精确的位置模糊成一个空间范围，服务器只知道用 户在这个模糊空间内，而并不清楚确切位置。位置模糊会降低LBS(基于位置服 务)的服务质量。加密是指使用密码学对数据进行加密处理，每个位置信息的处 理和查询都是基于密文的，这就使得非法攻击者无法解密出用户真实的位置和 身份信息。而加密处理会增加时间开销和传输开销。
[0004]近年来移动边缘网络的出现，使得一些关于计算密集型任务的难题可以被 有效解决。当用户设备开始运行计算密集型任务并处于移动边缘网络中时，设 备可以选择将计算任务发送到就近的公共服务器上，这一过程称作卸载 (Offloading)。将任务卸载到边缘计算服务器上处理，用户设备的计算资源和电 量均未消耗。因此移动边缘计算可以有效地降低设备的资源占用、能量消耗， 同时提供更快的响应速度。但是在计算卸载的过程中我们还面临着种种限制。 有限的计算资源和带宽资源并不能确保所有人的计算请求都能在第一时间被处 理完成，有限的带宽使得同一时间内发送和接受数据的用户是有限的。如不采 取一定的策略，直接将大量的用户分配到同一个网络接入点，或者是大量任务 分配到同一服务器，都将会导致所有人都无法以正常的速率进行任务的提交以 及计算结果的接收。如何将有限的计算和带宽资源分配给大量的卸载计算任务、 为用户设备请求的计算任务规划出合理的卸载策略和资源分配策略是移动边缘 网络技术中的一个亟待解决的问题。已有的任务卸载方法主要有线性规划、资 源匹配、博弈论等方法。

技术实现思路

[0005]本专利技术旨在解决现有边缘计算中存在的位置隐私问题和任务卸载问题，提 出了一种在保护位置隐私的同时，使用强化学习的方法来实现任务卸载决策和 资源分配。
[0006]本专利技术解决上述技术问题采用的技术方案如下：一种面向位置隐私保护的 任务卸载方法，包括以下步骤：
[0007]S1，生成虚拟位置，以当前设备位置l(x,y)为圆心，以r1,r2为半径形成一个 圆环虚拟位置空间S，以虚拟位置选择概率p选择一个虚拟位置l1'(x1',y2')，并在 以圆心为对称的另一边选取另一个虚拟位置l2'(x1',y2')，p为0到1的实数，r1、 r2均为大于0的实数且
r1＜r2。
[0008]S2，构建服务器选择矩阵，设备获得M个附近的服务器位置，根据设备真 实位置计算出设备与M个服务器之间的真实距离，根据距离对每一个服务器评 定隐私级别，根据距离和带宽计算传输代价，形成服务器选择矩阵Tc，其中元 素Tc
(i)
表示第i个服务器与设备的隐私级别和传输代价，M为正整数，且i为不大 于M的正整数。
[0009]S3，选择发送卸载请求的服务器，根据步骤S2得到的服务器选择矩阵，计 算出在有效保护位置信息的同时能够付出较低的传输代价的服务器，根据服务 器选择概率p
ch
选择最优的服务器发送任务卸载请求。
[0010]S4，计算任务矩阵，首先对当前队列中等候任务卸载设备根据距离分配带 宽，然后计算传输延迟、发送延迟、本地计算时间、本地计算能耗、边缘计算 时间、边缘计算能耗，将这些参数构成N行的任务矩阵Tt，其中元素Tt
(i)
代表第 i个任务的相关属性，N为正整数，且i为不大于N的正整数。
[0011]S5，使用强化学习建模，将任务的决策参数(包括步骤S4中计算传输延迟、 发送延迟、本地计算时间、本地计算能耗、边缘计算时间、边缘计算能耗)作 为输入，得到任务卸载结果。
[0012]本专利技术的优点及有益效果如下：
[0013]1.本专利技术在边缘计算任务卸载中考虑用户的位置隐私保护，利用位置模糊产 生虚拟位置来获取服务器的位置。首次在选择服务器发送任务卸载请求时考虑 位置泄露风险，权衡隐私和传输代价，选择能够保护用户位置隐私且传输代价 小的服务器。此方法避免将用户位置直接暴露给服务器以及降低被服务器感知 位置的风险。
[0014]2.在分配用户带宽时，考虑用户的信道传输延迟，由于用户选择服务器并不 是以最近距离目标，考虑延迟问题，根据距离和信道质量来合理分配带宽。
[0015]3.相比较于传统云，边缘云计算离用户设备更近，可以减少网络传输延迟， 提升应用程序运行速度，节省用户设备能耗，改善用户体验。使用强化学习在 线学习任务卸载策略，充分考虑延迟和服务器资源情况，以最大化收益和节省 能耗与时间为目标，找出最优卸载策略，使移动边缘云计算的性能大幅度提升。
附图说明
[0016]图1是本专利技术面向位置隐私保护的任务卸载策略的原理图；
[0017]图2为位置隐私保护框架示意图；
[0018]图3为服务器选择矩阵；
[0019]图4强化学习的任务卸载示意图。
具体实施方式
[0020]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自 始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。 下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解 为对本专利技术的限制。
[0021]本专利技术公开了一种面向位置隐私保护的任务卸载方法，如图1所示，包括 以下步骤：
[0022]第一步，生成虚拟位置，以当前位置l(x,y)为圆心，以r1,r2为半径形成一个 圆环，以初始随机概率p选择一个虚拟位置l1'(x1',y2')，并在以圆心为对称的另 一边选取另一个虚拟位置l2'(x1',y2')。所述p为0到1的实数，且r1、r2均为大于 0的实数且r1＜r2[0023]在本实施方案中，运用以上获取的虚拟位置，发起基于LBS的服务器请求， 获取部署在基站的服务器位置，得到服务器的位置信息集合。
[0024]使用模糊实际位置生成虚拟位置的方法包括以下步骤：
[0025](1)将设备位置l(x,y)为圆心，根据距离公式求解一个虚拟位置空间S：
[0026]S＝{s(x',y')|x+r1＜x'＜x+r2,y+r1＜y'＜y+r2}
[0027]其中x',y'表示虚拟位置的经纬度坐标，r1，r2表示虚拟空间中经纬坐标与真 实位置的差值；且为了使虚拟空间与真实位置有所差异同时不能过于影响服务 质量，本实施案例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向位置隐私保护的任务卸载方法，其特征在于，包括以下步骤：S1，生成虚拟位置，以当前设备位置l(x,y)为圆心，以r1,r2为半径形成一个圆环虚拟位置空间S，以虚拟位置选择概率p选择一个虚拟位置l1'(x1',y2')，并在以圆心为对称的另一边选取另一个虚拟位置l2'(x1',y2')，p为0到1的实数，r1、r2均为大于0的实数且r1＜r2；S2，构建服务器选择矩阵，设备获得M个附近的服务器位置，根据设备真实位置计算出设备与M个服务器之间的真实距离，根据距离对每一个服务器评定隐私级别，根据距离和带宽计算传输代价，形成服务器选择矩阵Tc，其中元素Tc
(i)
表示第i个服务器与设备的隐私级别和传输代价，M为正整数，且i为不大于M的正整数；S3，选择发送卸载请求的服务器，根据步骤S2得到的服务器选择矩阵，计算出在有效保护位置信息的同时能够付出较低的传输代价的服务器，根据服务器选择概率p
ch
选择最优的服务器发送任务卸载请求；S4，计算任务矩阵，首先对当前队列中等候任务卸载设备根据距离分配带宽，然后计算传输延迟、发送延迟、本地计算时间、本地计算能耗、边缘计算时间、边缘计算能耗，将这些参数构成N行的任务矩阵Tt，其中元素Tt
(i)
代表第i个任务的相关属性，N为正整数，且i为不大于N的正整数；S5，使用强化学习建模，将任务的决策参数作为输入，得到任务卸载结果。2.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S1所述虚拟位置选择概率p根据虚拟空间的位置点与真实位置之间的距离初始化，且由近到远在距离上符合正态分布；μ为位置参数，σ为尺度参数；表示p服从期望为μ，方差为σ2的概率分布。3.根据权利要求1所述一种面向位置隐私保护的任务卸载方法，其特征在于：步骤S2所述构建服务器选择矩阵的具体步骤包括：(1)根据经纬度距离公式计算出设备与服务器之间的真实距离；(2)根据隐私判定公式对每个服务器判定隐私保护级别；(3)根据距离和带宽估计传输代价。4...

【专利技术属性】
技术研发人员：何利，甯小娥，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：