一种基于边缘计算隐私保护的任务卸载方法

本发明涉及边缘计算，尤其涉及一种基于边缘计算隐私保护的任务卸载方法。

背景技术：

1、在移动互联网高速发展的时代，智能移动终端的普及程度越来越高，随之产生了大量的资源密集型业务需求，此类业务需要低请求时延和高服务质量。传统的云计算由于集中式中心云的覆盖率低、网络拥塞严重，不能满足移动智能终端的业务需求。

2、因此，边缘计算技术得到了发展，在边缘计算的架构中，轻量级边缘服务器被部署至更接近用户设备的区域，用户通过任务卸载使用边缘计算服务。

3、但是，任务卸载至合理的边缘服务设备才能提升服务质量，同时，用户在不同的边缘服务器进行切换时会有隐私泄露风险。

技术实现思路

1、本发明的目的在于提供一种基于边缘计算隐私保护的任务卸载方法，解决了在降低任务卸载带来的用户感知时延的同时保护用户隐私的问题。

2、为实现上述目的，本发明提供了一种基于边缘计算隐私保护的任务卸载方法，包括以下步骤：

3、对边缘计算系统进行初步分模块建模，获得初步模型，包括设备、任务、玩网络以及隐私任务模型；

4、对所述初步模型进行马尔可夫问题模型转换，并在转换后的模型下进行问题的再次设计，获得马尔可夫决策问题；

5、基于用户设备和边缘设备的位置信息差异化设计位置隐私保护方案；

6、对转换的马尔可夫问题模型使用基于策略迭代算法求解马尔可夫决策问题，问题收敛的同时生成最佳卸载决策。

7、其中，对边缘计算系统进行初步分模块建模，获得初步模型，包括设备、任务、玩网络以及隐私任务模型，所述方法还包括：

8、生成边缘计算系统的用户设备和边缘设备，两种设备各拥有相关属性，可以进行任务数据的存储和处理，同时每个设备均有其位置坐标，其中，用户设备生成任务队列，队列中的各个任务具有数据大小和所需的cpu周期数，具体的属性的数值大小在一定范围内随机分布，每个任务只能选择卸载至一个边缘服务器处理或在用户设备处理；

9、用户设备和边缘设备之间通过网络传输数据，根据香农公式建立用户设备和边缘设备之间的网络模型，网络模型考虑了边缘计算系统中各用户之间的位置距离和传输干扰；

10、为用户进行位置隐私保护添加隐私任务，隐私任务的数据和所需的cpu周期数均小于用户设备任务队列的正常任务，而其数量在隐私保护方案中决定，同样地，隐私任务也只能选择卸载至一个边缘服务器处理或在用户设备处理；

11、得到建立的边缘计算初步模型后，进行模型转换。

12、其中，对所述初步模型进行马尔可夫问题模型转换，并在转换后的模型下进行问题的再次设计，获得马尔可夫决策问题，所述方法还包括：

13、针对边缘计算系统的初步模型进行马尔可夫背景模型转换，主要包括状态集、系统转移概率、动作集、奖励函数，其中，由当前边缘设备存储的任务数量以及用户设备和边缘设备间的距离共同表示，系统转移概率则为边缘设备的任务转移概率和两种设备间的距离转移概率共同构成，动作为用户选择某个边缘设备进行卸载，奖励函数为用户采取任一动作后产生的时延加权和，即奖励函数和任务执行时延成正比，经过转换后将任务卸载问题设计为马尔可夫决策问题。

14、其中，对所述初步模型进行马尔可夫问题模型转换，并在转换后的模型下进行问题的再次设计，获得马尔可夫决策问题，所述方法还包括：

15、利用转换后的马尔可夫问题模型设计马尔可夫问题的值函数，值函数在每次用户每次选择动作后重新计算，在每次选择动作时加入基于用户设备和边缘设备的位置信息差异化设计位置隐私保护方案。

16、其中，基于用户设备和边缘设备的位置信息差异化设计位置隐私保护方案，所述方法还包括：

17、使用真实数据集作为边缘计算系统中所有设备的位置信息；

18、利用各用户和最近的边缘设备的距离与各边缘设备的距离之比作为隐私因子；

19、设置阈值，将所述隐私因子和所述阈值进行比较，决定隐私任务的数量；

20、切换卸载设备时，将隐私任务卸载至发生切换的前一个设备；

21、将隐私任务带来的执行时延加入至边缘计算系统的时延优化中，使用基于策略迭代算法求解马尔可夫决策问题，问题收敛的同时生成最佳卸载决策。

22、其中，对转换的马尔可夫问题模型使用基于策略迭代算法求解马尔可夫决策问题，问题收敛的同时生成最佳卸载决策，所述方法还包括：

23、初始化马尔可夫决策过程的各项变量，包括状态集、动作集、系统转移概率和奖励函数；

24、进行策略评估，评估当前值函数的收敛条件；

25、进行策略改进，以一定概率为用户设备选择当前状态下奖励值最小的动作，并判断所述动作是否不再改变；

26、迭代所述策略评估和所述策略改进过程，直至生成最佳决策。

27、本发明的一种基于边缘计算隐私保护的任务卸载方法，通过对边缘计算模型进行模块设计，得到初始边缘计算模型；对初始模型进行马尔可夫问题的背景的模型转换，从而得到马尔可夫决策问题模型；使用用户设备和边缘设备的距离差异为用户挂载不同数量的隐私任务并将其卸载至发生切换的前一个设备；使用策略迭代算法寻找最佳值函数为用户生成最佳卸载决策，得到时延最小的任务卸载方案。充分的满足移动用户的低时延服务需求，降低完成任务产生的时间，并且在卸载过程中为用户进行差异性的位置隐私保护方案设计，降低了用户的隐私泄露风险；与普通的边缘计算任务卸载方案相比，在降低用户感知时延的同时保护了位置隐私，解决了任务卸载中时延较高和隐私泄露风险较大的问题。

技术特征：

1.一种基于边缘计算隐私保护的任务卸载方法，其特征在于，包括以下步骤：

2.如权利要求1所述的基于边缘计算隐私保护的任务卸载方法，其特征在于，对边缘计算系统进行初步分模块建模，获得初步模型，包括设备、任务、玩网络以及隐私任务模型，所述方法还包括：

3.如权利要求2所述的基于边缘计算隐私保护的任务卸载方法，其特征在于，对所述初步模型进行马尔可夫问题模型转换，并在转换后的模型下进行问题的再次设计，获得马尔可夫决策问题，所述方法还包括：

4.如权利要求3所述的基于边缘计算隐私保护的任务卸载方法，其特征在于，对所述初步模型进行马尔可夫问题模型转换，并在转换后的模型下进行问题的再次设计，获得马尔可夫决策问题，所述方法还包括：

5.如权利要求4所述的基于边缘计算隐私保护的任务卸载方法，其特征在于，基于用户设备和边缘设备的位置信息差异化设计位置隐私保护方案，所述方法还包括：

6.如权利要求5所述的基于边缘计算隐私保护的任务卸载方法，其特征在于，对转换的马尔可夫问题模型使用基于策略迭代算法求解马尔可夫决策问题，问题收敛的同时生成最佳卸载决策，所述方法还包括：

技术总结
本发明涉及边缘计算技术领域，具体涉及一种基于边缘计算隐私保护的任务卸载方法，通过对边缘计算模型进行模块设计，得到初始边缘计算模型；对初始模型进行马尔可夫问题的背景的模型转换，从而得到马尔可夫决策问题模型；使用用户设备和边缘设备的距离差异为用户挂载不同数量的隐私任务并将其卸载至发生切换的前一个设备；使用策略迭代算法寻找最佳值函数为用户生成最佳卸载决策，得到时延最小的任务卸载方案。充分的满足移动用户的低时延服务需求，降低完成任务产生的时间，并且在卸载过程中为用户进行差异性的位置隐私保护方案设计，降低了用户的隐私泄露风险，解决了任务卸载中时延较高和隐私泄露风险较大的问题。

技术研发人员：敬超,许健武,邱斌,陈文鹏,陈艳
受保护的技术使用者：桂林理工大学
技术研发日：
技术公布日：2024/1/15