边缘协同内容缓存方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种边缘协同内容缓存方法、装置、设备及存储介质，包括：获取协作缓存域内各个服务车辆的业务偏好数据；将各历史偏好数据输入至联邦预测模型，得到组件需求预测结果；联邦预测模型是基于协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习训练获得；基于组件需求预测结果，计算得到全局最优预缓存策略，以将全局最优预缓存策略的预缓存组件缓存至边缘节点。本发明专利技术通过联邦预测模型预测车辆服务组件需求，有效避免车辆隐私数据的泄露，并且基于组件需求预测结果，计算得到最优预缓存策略，以将服务组件预先缓存至边缘节点中，使得当接收到车辆服务请求时，可快速将边缘节点缓存的服务组件交付给车辆。可快速将边缘节点缓存的服务组件交付给车辆。可快速将边缘节点缓存的服务组件交付给车辆。

【技术实现步骤摘要】
边缘协同内容缓存方法、装置、设备及存储介质


[0001]本专利技术涉及通信
，尤其涉及一种边缘协同内容缓存方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能、智能交通等技术的发展，辅助驾驶、智能交通等高速移动业务对承载网络计算效率和可靠性的需求逐步提升。其中，辅助驾驶等时延敏感和计算密集型业务需要在低时延和安全可靠的通信链路的基础上，实时准确地完成对路况的智能化判断与预测，同时兼顾用户隐私。
[0003]随着车联网的飞速发展，车辆产生大量需要本地处理辅助驾驶的计算业务，目前，传统的集中式内容缓存模式是将计算任务所需的所有服务组件都缓存在云服务器上，由于车联网中车辆具有数量多、移动轨迹复杂、所需服务种类繁多且时延敏感等特点，导致在获取服务组件的过程中会产生较高的端到端传输时延，难以满足大量移动业务的服务需求，且在预测车辆未来潜在服务需求时，不同区域车辆特点繁多，数据传输存在隐私泄露风险,

技术实现思路

[0004]本专利技术提供一种边缘协同内容缓存方法、装置、设备及存储介质，旨在在满足大量移动业务的服务需求的同时，提高数据传输的安全性。
[0005]本专利技术提供一种边缘协同内容缓存方法，包括：
[0006]获取协作缓存域内各个服务车辆的业务偏好数据；
[0007]将各所述业务偏好数据输入至联邦预测模型，得到所述联邦预测模型输出的组件需求预测结果；其中，所述联邦预测模型是基于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习训练获得；<br/>[0008]将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，以将所述全局最优预缓存策略对应的预缓存组件缓存至边缘节点中。
[0009]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，所述联邦预测模型是基于如下步骤训练获得：
[0010]对于所述协作缓存域内任意一个边缘节点，在所述协作缓存域中的各个服务车辆中选取若干辆训练车辆；
[0011]将所述边缘节点中的训练模型以及所述训练模型的全局模型参数下发至各所述训练车辆，以供每一所述训练车辆基于各自对应的历史偏好数据以及所述全局模型参数，对所述训练模型进行迭代训练，得到本地模型，并将所述本地模型的本地模型参数上传至所述边缘节点；
[0012]将各所述训练车辆的本地模型参数进行聚合，得到聚合模型参数；
[0013]基于所述聚合模型参数，对所述训练模型的全局模型参数进行更新，并将更新后的全局模型参数下发至各个目标车辆，其中，所述目标车辆是将所述本地模型参数上传至
所述边缘节点中的训练车辆；
[0014]以供各所述目标训练车辆基于所述更新后的全局模型参数进行新一轮的模型训练，直至所述边缘节点的训练模型收敛，得到所述联邦预测模型。
[0015]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，所述将各所述训练车辆的本地模型参数进行聚合，得到聚合模型参数，包括：
[0016]基于各所述训练车辆对应的历史偏好数据，计算各所述训练车辆对应的权重比例；
[0017]基于各所述训练车辆对应的权重比例以及本地模型参数进行聚合，得到所述聚合模型参数。
[0018]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，所述将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，包括：
[0019]设置所述协作缓存域的状态空间、动作空间以及缓存奖励函数；
[0020]统计所述协作缓存域内各个边缘节点的当前车辆密度状态；
[0021]基于所述组件需求预测结果和所述当前车辆密度状态，结合所述状态空间、所述动作空间以及所述缓存奖励函数，计算得到所述全局最优预缓存策略。
[0022]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，在所述获取协作缓存域内各个服务车辆的业务偏好数据之前，还包括：
[0023]构建边缘协作缓存域模型；
[0024]获取所述边缘协作缓存域模型中各个边缘节点的坐标位置；
[0025]基于各所述边缘节点的坐标位置，将各所述边缘节点进行聚类，得到若干个协作缓存域；其中，所述边缘节点与在所述边缘节点覆盖范围内的各个服务车辆通信连接。
[0026]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，在所述将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，以将所述全局最优预缓存策略对应的预缓存组件缓存至边缘节点中之后，还包括：
[0027]获取所述协作缓存域内目标请求车辆发送的服务请求；
[0028]基于各所述边缘节点存储的各个预缓存服务组件，按照预先设置的交付策略将所述服务请求对应的请求服务组件交付至所述目标请求车辆。
[0029]可选地，根据本专利技术提供的一种边缘协同内容缓存方法，若接收到所述服务请求的目标边缘节点存储有所述请求服务组件，则将所述目标边缘节点中的请求服务组件交付至所述目标请求车辆；
[0030]若所述目标边缘节点未存储有所述请求服务组件，则查询除了所述目标边缘节点外，在所述协作缓存域内的其他各个边缘节点是否存储有所述请求服务组件；
[0031]若有，则向存储有所述请求服务组件对应的边缘节点发送组件辅助请求，以获得所述请求服务组件，并将所述请求服务组件交付至所述目标请求车辆；
[0032]若没有，则向所述边缘协作缓存域模型中的其余各个协作缓存域发送服务组件请求，以获得所述请求服务组件，并将所述请求服务组件交付至所述目标请求车辆。
[0033]本专利技术还提供一种边缘协同内容缓存装置，包括：
[0034]获取模块，用于获取协作缓存域内各个服务车辆的业务偏好数据；
[0035]需求预测模块，用于将各所述业务偏好数据输入至联邦预测模型，得到所述联邦
预测模型输出的组件需求预测结果；其中，所述联邦预测模型是基于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习训练获得；
[0036]计算模块，用于将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，以将所述全局最优预缓存策略对应的预缓存组件缓存至边缘节点中。
[0037]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述边缘协同内容缓存方法。
[0038]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述边缘协同内容缓存方法。
[0039]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述边缘协同内容缓存方法。
[0040]本专利技术提供的边缘协同内容缓存方法、装置、设备及存储介质，通过基于联邦学习训练得到的联邦预测模型预测未来的车辆服务组件需求，能够有效避免车辆隐私数据的泄露，并且基于组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，以根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种边缘协同内容缓存方法，其特征在于，包括：获取协作缓存域内各个服务车辆的业务偏好数据；将各所述业务偏好数据输入至联邦预测模型，得到所述联邦预测模型输出的组件需求预测结果；其中，所述联邦预测模型是基于所述协作缓存域中边缘节点内的各个服务车辆的历史偏好数据进行联邦学习训练获得；将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，以将所述全局最优预缓存策略对应的预缓存组件缓存至边缘节点中。2.根据权利要求1所述的边缘协同内容缓存方法，其特征在于，所述联邦预测模型是基于如下步骤训练获得：对于所述协作缓存域内任意一个边缘节点，在所述协作缓存域中的各个服务车辆中选取若干辆训练车辆；将所述边缘节点中的训练模型以及所述训练模型的全局模型参数下发至各所述训练车辆，以供每一所述训练车辆基于各自对应的历史偏好数据以及所述全局模型参数，对所述训练模型进行迭代训练，得到本地模型，并将所述本地模型的本地模型参数上传至所述边缘节点；将各所述训练车辆的本地模型参数进行聚合，得到聚合模型参数；基于所述聚合模型参数，对所述训练模型的全局模型参数进行更新，并将更新后的全局模型参数下发至各个目标车辆，其中，所述目标车辆是将所述本地模型参数上传至所述边缘节点中的训练车辆；以供各所述目标训练车辆基于所述更新后的全局模型参数进行新一轮的模型训练，直至所述边缘节点的训练模型收敛，得到所述联邦预测模型。3.根据权利要求2所述的边缘协同内容缓存方法，其特征在于，所述将各所述训练车辆的本地模型参数进行聚合，得到聚合模型参数，包括：基于各所述训练车辆对应的历史偏好数据，计算各所述训练车辆对应的权重比例；基于各所述训练车辆对应的权重比例以及本地模型参数进行聚合，得到所述聚合模型参数。4.根据权利要求1所述的边缘协同内容缓存方法，其特征在于，所述将所述组件需求预测结果进行强化学习计算，得到全局最优预缓存策略，包括：定义所述协作缓存域的状态空间、动作空间以及缓存奖励函数；统计所述协作缓存域内各个边缘节点的当前车辆密度状态；基于所述组件需求预测结果和所述当前车辆密度状态，结合所述状态空间、所述动作空间以及所述缓存奖励函数，计算得到所述全局最优预缓存策略。5.根据权利要求1所述的边缘协同内容缓存方法，其特征在于，在所述获取协作缓存域内各个服务车辆的业务偏好数据之前，还包括：构建边缘协作缓存域模型；获取所述边缘协作缓存域模型中各个边缘节点的坐标位置；基于...

【专利技术属性】
技术研发人员：徐思雅，迟靖烨，孟慧平，温鑫岩，郭少勇，邵苏杰，高峰，张博洋，谢波，
申请(专利权)人：国网河南省电力公司信息通信公司国网河南省电力公司，
类型：发明
国别省市：