一种适用于无线网络的社交感知缓存方法及系统技术方案

本公开提供了一种适用于无线网络的社交感知缓存方法及系统，涉及无线通信技术领域，方法包括在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。本公开实现缓存内容推送的精准。精准。精准。

【技术实现步骤摘要】
一种适用于无线网络的社交感知缓存方法及系统


[0001]本公开涉及无线通信
，具体涉及一种适用于无线网络的社交感知缓存方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着智能设备的爆炸式增长和许多新应用的出现，导致移动数据流程呈爆发式增长，增加了回程链路的负载，传统的集中式云结构已经难以满足内容访问的低时延要求。因此，适用于移动设备上的边缘缓存技术便被提出，其用于在移动网络的边缘提供计算和缓存功能，通过将内存存储到更靠近终端用户的四地方，减轻了网络链路的传输压力，并改善了内容交付的延迟，由于服务更接近终端用户，对延迟等问题感知更敏感，需要高的体验质量。此外，一些应用程序服务也高速依赖于低延迟传输和高速的数据服务。接着，雾无线接入网络(F
‑
RAN)架构被提出，其利用边缘设备本地无线电信号处理、协同的无线电资源管理和分布式存储能力来减轻前端网络的沉重负担。
[0004]但是，专利技术人发现，由于用户端通常只会配备有限的存储空间，无法将所有流行内容都缓存到终端用户设备上；如何在有限的存储空间中缓存用户最想访问的内容是一个挑战，需要预测未来终端用户对不同内容的偏好程度，以便制定相应的缓存策略；然而，目前仅基于内容流行度缓存策略存在对于热度内容预测不精准的问题，对于用户偏好内容和潜在偏好意愿发掘较浅，内容推送的精度不够。此外，社交用户间的信任问题和用户隐私问题也没有得到较好的保证，即在使用移动设备时，用户是否愿意共享其内容信息，以及用户个人数据信息在上传过程中是否存在泄露的风险。最重要的是，在整个传输过程中，平衡能耗与传输延迟、成本花费之间关系的问题尚未有充分研究。

技术实现思路

[0005]本公开为了解决上述问题，提出了一种适用于无线网络的社交感知缓存方法及系统，在保证用户隐私的前提下，采用联邦元学习的方法，设计一种适用于雾无线接入网络涉及信任度判断的社交感知边缘缓存方法，优化能耗的基础上，使其传输延迟和传输成本花费最小。
[0006]根据一些实施例，本公开采用如下技术方案：
[0007]一种适用于无线网络的社交感知缓存方法，包括：
[0008]获取边缘用户网络区域；在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；
[0009]通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；
[0010]获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容
偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。
[0011]根据一些实施例，本公开采用如下技术方案：
[0012]一种适用于无线网络的社交感知缓存系统，包括：
[0013]内容获取模块，获取边缘用户网络区域；在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；
[0014]通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；
[0015]内容推荐缓存模块，获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。
[0016]根据一些实施例，本公开采用如下技术方案：
[0017]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种适用于无线网络的社交感知缓存方法。
[0018]根据一些实施例，本公开采用如下技术方案：
[0019]一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种适用于无线网络的社交感知缓存方法。
[0020]与现有技术相比，本公开的有益效果为：
[0021]本公开提出的适用于无线网络的社交感知缓存方法，是一种融入信任交付机制的社交感知和联邦元学习的边缘缓存方法，用于选择最优的缓存策略和内容推荐决策。解决了现有雾无线接入网络中边缘缓存方案对于用户偏好内容和潜在偏好意愿发掘较浅，以及传输过程中高延迟和成本花费问题，在保证用户隐私的情况下，设计了一种适用于无线网络，特别是雾无线接入网络的涉及信任度判断的社交感知边缘缓存方法。
[0022]本公开基于边缘用户网络特殊性质，采用一种社交感知的通信共享模式，将用户通信情况划分为物理图和社会关系图，并通过两者得到社交感知通信图模型。这有利于充分挖掘用户通信情况和内容偏好，确定最合适的潜在内容缓存节点，实现内容推送的精准。
[0023]本公开针对需要建立连接的潜在通信用户，特别的设计一种关于用户信任交付机制。构建了传输过程中考虑能耗的时延、成本花费模型。并将评价指标考虑到缓存策略和内容推荐决策的更新上，以构建考虑能耗和成本花费的缓存更新策略，及同时考虑延迟、能耗的缓存内容推荐决策；通过采用联邦元学习的方法来训练预测模型。可以利用元学习在多任务场景下快速学习和快速适应能力。通过利用联邦学习的方法也有效的保证了用户信息数据的安全，保护用户隐私。
[0024]本公开通过引入雾无线接入网络架构，通过F
‑
AP节点利用边缘设备本地无线电信号处理、协同的无线电资源管理和分布式存储能力来减轻前端网络的沉重负担，提升传输体验质量。
附图说明
[0025]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
[0026]图1为本公开实施例提供的系统模型架构图；
[0027]图2为本公开实施例提供的获取缓存内容时的工作流程图；
[0028]图3为本公开实施例公开的联邦元学习框架图；
[0029]图4为本公开实施例公开的基于物理图和社会关系图的社交感知通信图的构建示意图。
具体实施方式：
[0030]下面结合附图与实施例对本公开作进一步说明。
[0031]应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0032]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于无线网络的社交感知缓存方法，其特征在于，包括：获取边缘用户网络区域；在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。2.如权利要求1所述的一种适用于无线网络的社交感知缓存方法，其特征在于，当某一终端用户在生成内容文件请求后，进行获取缓存内容的步骤为：当需要被请求的内容是缓存在自己的存储空间时，则该内容直接在其缓存列表中获取，不建立对外的通信链路；如果用户本地的缓存列表无法满足内容请求，那么向在其通信区域内能建立通信连接的邻居用户进行请求；如果其邻居用户仍然无法满足内容请求的要求，则将内容请求发送到本地F
‑
AP节点中去获取内容。3.如权利要求2所述的一种适用于无线网络的社交感知缓存方法，其特征在于，考虑F
‑
AP节点联合的情况，在内容没有得到满足时，可以向相邻的F
‑
AP节点发送请求，如果内容在相邻的F
‑
AP节点中找到，则获取该内容；如果均不能获取到所需内容，则向中央云服务器的总文件内容库中进行查找。4.如权利要求1所述的一种适用于无线网络的社交感知缓存方法，其特征在于，所述联邦元学习与深度学习的缓存内容推荐模型的训练方法包括：S1：每次选取一定比例的终端用户参与缓存推荐训练过程，本地F
‑
AP节点将下载神经网络模型的初始网络参数用于更新本地模型参数；S2：域内参与训练的终端用户从F
‑
AP节点下载初始模型参数，使用经本地计算后的含有用户本地历史信息的数据训练神经网络模型，以得到更新后的模型参数，并将其上传到F
‑
AP节点；S3：F
‑
AP节点将各个用户端上传的模型参数上传到中央云服务器，中央云服务器聚合所有的模型参数，并得到更新后的全局模型参数；S4：中央云服务器再将更新后的全局模型参数分发到各个F
‑
AP节点上，进行下一轮迭代；重复上述步骤S2和步骤S3，直至模型收敛。5.如权利要求1所述的一种适用于无线网络的社交感...

【专利技术属性】
技术研发人员：张玮，褚昊翔，史慧玲，郝昊，谭立状，丁伟，徐嘉昕，孙弘扬，
申请(专利权)人：齐鲁工业大学山东省科学院，
类型：发明
国别省市：