联合优化车辆边缘网络中计算卸载的安全与资源分配方法组成比例

本发明专利技术公开了一种联合优化车辆边缘网络中计算卸载的安全与资源分配方法，包括：初始化卸载决策和数据块长度；根据所述卸载决策和所述数据块长度，得到传输功率、任务计算频率、加密计算频率和边缘计算频率；基于所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率和所述边缘计算频率，确定目标值；根据设定的迭代次数阈值以及判断条件，直至得到联合优化卸载决策。本发明专利技术制定了一个max

【技术实现步骤摘要】
联合优化车辆边缘网络中计算卸载的安全与资源分配方法


[0001]本专利技术涉及车载边缘计算网络
，特别是一种联合优化车辆边缘网络中计算卸载的安全与资源分配方法。

技术介绍

[0002]随着物联网(IoT)的迅速普及，数十亿的移动和固定设备已经连接起来以提供实时应用服务。然而，传统的云计算范式面临着一些重大挑战，例如高延迟传输和抖动的网络。边缘计算是一种新兴的分布式计算范式，将云计算的概念扩展到网络边缘，是指将计算、通信、存储资源迁移到更靠近终端用户的地方，以处理海量数据和任务。低延迟、可靠性、高移动性和地理分布的用户是边缘计算的主要特点，使其成为满足车载网络挑战的合适解决方案。边缘计算与车辆网络的集成称为车辆边缘计算(VEC)，其中资源受限的车辆将延迟敏感和计算密集型任务卸载到边缘服务器。通过整合信息、通信、存储和智能技术，VEC可以将计算能力扩展到车联网边缘，在提高交通效率和增强道路安全方面发挥重要作用。
[0003]VEC可以按需提供灵活的计算资源和应用服务，这需要车辆传输必要的数据和任务需求，因此计算卸载技术至关重要。这些车辆可以通过将任务卸载到沿路的边缘服务器来显著减轻计算和路由的负担，从而提高资源利用率。然而，由于开放接入、动态网络拓扑和不安全的无线信道，在车辆卸载任务过程中的数据传输过程中可能存在一些安全风险和隐私泄露。道路上的车辆中可能存在潜在的攻击者或敌对车辆，并且由于资源有限且与蜂窝网络相比缺乏集中控制，VEC更容易受到威胁和攻击。如果数据和任务在没有任何加密措施的情况下以明文形式传输，肯定会存在安全风险。因此，应在车辆边缘环境中实施安全机制，以提供适当的机密性、完整性、真实性和更多保护。
[0004]VEC中计算卸载的关键问题是决策机制。车辆必须确定是将任务卸载到边缘服务器还是在本地计算。如果将任务卸载到边缘服务器比本地执行花费更多的时间和资源，并且信息安全受到威胁，那么就得不偿失了。而车载计算和无线传输资源的稀缺性对效率和安全强度的联合优化提出了挑战，因为安全方案消耗了过多的计算资源并导致了通信开销。由于对有限计算和网络资源的竞争，资源优化与更稳健的安全性之间存在矛盾。而对于VEC等动态时变应用场景，行驶速度、车辆和攻击者的密度、车道数等都会影响任务卸载的安全性。因此，卸载决策需要在时延和能耗约束下与资源分配和安全传输联合优化。
[0005]通过以上分析，可以总结出一些问题和缺陷，由于无线信道开放接入且不可靠的特性，因此对于车辆边缘计算场景需要实施一些适当的安全措施，以确保信息安全。然而，安全机制的运行占据了多余的计算资源，从而影响了车辆边缘计算系统的性能。车辆的计算和能源资源的稀缺性与时延和信息安全的任务要求相冲突。车辆边缘计算中有资源优化和计算卸载调度的解决方案，也有尝试考虑信息安全的解决方案。然而，很少考虑车载网络的特殊性，在时延和能量消耗的约束下，共同优化计算卸载中的资源分配和安全性。
[0006]在车辆边缘计算网络这种高动态、异构、车辆计算通信资源受限的情况下，信息安全容量难以衡量，行驶速度、车辆和攻击者的密度、车道数等都会影响任务卸载的安全性，
根据车辆和边缘服务器所拥有的资源现状自适应地选择不同信息安全容量的强度，并且车辆决定是否将任务卸载到边缘是一个难点。
[0007]车辆边缘网络中的车辆能够根据自身所拥有的和边缘服务器的资源现状自适应地选择不同信息安全容量强度来进行任务的卸载，或选择本地执行。通过通信、计算、安全的资源分配，达到时延、能耗、安全联合优化的作用。可以节省车辆和边缘服务器的能源消耗，提高服务效率。

技术实现思路

[0008]鉴于此，本专利技术提供一种联合优化车辆边缘网络中计算卸载的安全与资源分配方法，以获得最佳的安全信息容量和本地计算延迟。
[0009]本专利技术公开了一种联合优化车辆边缘网络中计算卸载的安全与资源分配方法，包括：
[0010]步骤1：初始化卸载决策和数据块长度；
[0011]步骤2：根据所述卸载决策和所述数据块长度，得到传输功率、任务计算频率、加密计算频率和边缘计算频率；
[0012]步骤3：基于所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率和所述边缘计算频率，确定目标值；
[0013]步骤4：根据设定的迭代次数阈值以及判断条件，重复执行步骤2和步骤3，直至得到联合优化后的所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率、所述边缘计算频率。
[0014]进一步地，所述方法是一个迭代算法，其中所述步骤1至步骤4是一个外部的迭代算法，其迭代索引为m，迭代次数阈值为m
max
；所述步骤2是内置的一个迭代算法，其迭代索引为t，最大迭代次数为t
max
。
[0015]进一步地，所述步骤2包括：
[0016]根据卸载决策和数据块长度，采用拉格朗日对偶分解法与次梯度投影方法设计迭代算法得到传输功率、任务计算频率、加密计算频率和边缘计算频率。
[0017]进一步地，所述步骤2具体包括：
[0018]通过KKT条件，已知卸载决策x(m)＝(x
i
(m))和数据块长度N(m)＝(N
i
(m))，得到传输功率p(t)＝(p
i
(t))的求解式为：
[0019][0020]其中，t为迭代算法的迭代索引，t
max
为最大迭代次数，下标i表示车辆的索引号，D
i
为任务的数据大小，m为迭代索引；
[0021]令令令和得到任务计算频率f
c
(t)＝(f
ic
(t))的求解式为：
[0022][0023]令令令和得到加密计算频率f
en
(t)＝(f
ien
(t))的求解式为：
[0024][0025]得到边缘计算频率f
e
(t)＝(f
ie
(t))的求解式为：
[0026][0027]其中，λ＝{λ1,λ2,,
…
,λ
I
}、μ＝{μ1,μ2,...,μ
I
}、β＝{β1,β2,...,β
I
}、φ＝{φ1,φ2,...,φ
I
}和分别车辆的拉格朗日对偶变量；I为总的车辆数；和是将两部分合并成一个目标公式的比例因子；和分别代表车辆i处理一个任务比特所需的平均CPU周期数、加密一个任务比特所需的平均CPU周期数和边缘服务器计算一个任务比特所需的平均CPU周期数；k
i
是基于芯片架构的有效开关电容。
[0028]进一步地，所述步骤3包括：
[0029]目标值的计算公式为：
[0030][0031][0032]其中，α
i
为第i个车辆和边缘服务器之间的通信连接状态，x
i
(m)为第i个车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合优化车辆边缘网络中计算卸载的安全与资源分配方法，其特征在于，包括：步骤1：初始化卸载决策和数据块长度；步骤2：根据所述卸载决策和所述数据块长度，得到传输功率、任务计算频率、加密计算频率和边缘计算频率；步骤3：基于所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率和所述边缘计算频率，确定目标值；步骤4：根据设定的迭代次数阈值以及判断条件，重复执行步骤2和步骤3，直至得到联合优化后的所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率、所述边缘计算频率。2.根据权利要求1所述的方法，其特征在于，所述方法是一个迭代算法，其中所述步骤1至步骤4是一个外部的迭代算法，其迭代索引为m，迭代次数阈值为m
max
；所述步骤2是内置的一个迭代算法，其迭代索引为t，最大迭代次数为t
max
。3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：根据卸载决策和数据块长度，采用拉格朗日对偶分解法与次梯度投影方法设计迭代算法得到传输功率、任务计算频率、加密计算频率和边缘计算频率。4.根据权利要求3所述的方法，其特征在于，所述步骤2具体包括：通过KKT条件，已知卸载决策x(m)＝(x
i
(m))和数据块长度N(m)＝(N
i
(m))，得到传输功率p(t)＝(p
i
(t))的求解式为：其中，t为迭代算法的迭代索引，t
max
为最大迭代次数，下标i表示车辆的索引号，D
i
为任务的数据大小，m为迭代索引；令令令和得到任务计算频率f
c
(t)＝(f
ic
(t))的求解式为：
令令令和得到加密计算频率f
en
(t)＝(f
ien
(t))的求解式为：得到边缘计算频率f
e
(t)＝(f
ie
(t))的求解式为：其中，λ＝{λ1,λ2,,...,λ
I
}、μ＝{μ1,μ2,...,μ
I
}、β＝{β1,β2,...,β
I
}、φ＝{φ1,φ2,...,φ
I
}和分别车辆的拉格朗日对偶变量；I为总的车辆数；和是将两部分合并成一个目标公式的比例因子；和分别代表车辆i处理一个任务比特所需的平均CPU周期数、加密一个任务比特所需的平均CPU周期数和边缘服务器计算一个任务比特所需的平均CPU周期数；k
i
是基于芯片架构的有效开关电容。5.根据权利要求1所述的方法，其特征在于，所述步骤3包括：目标值的计算公式为：目标值的计算公式为：其中，α
i
为第i个车辆和边缘服务器之间的通信连接状态，x
i
(m)为第i个车辆的卸载决策，N
i
(m)为第i个车辆的数据块长度，p
i
(m)为第i个车辆的传输功率，f
ic
(m)为第i个车辆的任务计算频率，f
ien
(m)为第i个车辆的加密计算频率，f
ie
(m)为第i个车辆的边缘计算频率。6.根据权利要求1至4中任一项所述的方法，其特征在于，所述步骤4包括：步骤61：当执行次数m小于或等于所述设定的迭代次数阈值m
max
时，根据所述传输功率、
所述任务计算频率、所述加密计算频率和所述边缘计算频率，计算得到执行次数m时的所述卸载决策、所述数据块长度；步骤62：根据得到的执行次数m时的所述卸载决策、所述数据块长度，得到所述执行次数m时的所述传输功率、所述任务计算频率、所述加密计算频率和所述边缘计算频率；步骤63：基于所述执行次数m时的所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率和所述边缘计算频率，计算所述执行次数m时的所述目标值；步骤64：令m＝m+1，重复执行步骤61至步骤63，当所述判断条件，即所述执行次数m+1时的所述目标值与所述执行次数m时的所述目标值之差的绝对值小于或等于预设精度时，输出联合优化后的所述卸载决策、所述数据块长度、所述传输功率、所述任务计算频率、所述加密计算频率、所述边缘计算频率。7.根据权利要求6所述的方法，其特征在于，所述步骤61具体包括：已知传输功率p(m)、任务计算频率f
c
(m)、加密计算频率f
en
(m)和边缘计算频率f
e
(m)，得到N(m)＝(N
i
(m))的求解式为：其中，N(m)为第m次迭代的数据块长度，round为四舍五入，为攻击第i个车辆的数量，N
f
为最大数据块长度；所述卸载决策的获取过程为：将x
i
(m)＝0带入G
i
(m)得到将x
i
(m)＝1带入G
i
(m)得到(m)得到其中，x

【专利技术属性】
技术研发人员：冯杰，肖慧子，范伟东，刘雷，裴庆祺，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：