文献

J-GLOBAL ID：202202264542073149   整理番号：22A0457583

マルチユーザエッジクラウド協調MECシステムにおけるエネルギー遅延とプライバシーの学習ベース結合最適化【JST・京大機械翻訳】

Learning-Based Joint Optimization of Energy Delay and Privacy in Multiple-User Edge-Cloud Collaboration MEC Systems

著者 (3件)： Zhang Guanglin (College of Information Science and Technology, Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, Donghua University, Shanghai, China) ,  Ni Sifan (College of Information Science and Technology, Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, Donghua University, Shanghai, China) ,  Zhao Ping (College of Information Science and Technology, Engineering Research Center of Digitized Textile and Apparel Technology, Ministry of Education, Donghua University, Shanghai, China)
資料名： IEEE Internet of Things Journal  (IEEE Internet of Things Journal)
巻： 9  号： 2  ページ： 1491-1502  発行年： 2022年 
JST資料番号： W2432A  ISSN： 2327-4662  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： モバイルエッジコンピューティング(MEC)の出現は,資源制限ユーザデバイスをエッジサーバの支援で計算集約的アプリケーションを実行可能にするが,第三者エッジサーバの不信頼性はユーザのプライバシーの漏洩リスクを提起する。本論文では,エネルギーハーベスティングコンポーネント,1つのエッジサーバおよび1つのクラウドサーバを有する複数のユーザデバイスから成るエッジクラウド協調(ECC)シナリオを考察し,タスクオフローディングのプロセスにおけるユーザデバイスの時間待ち時間,エネルギー消費およびプライバシーレベルの問題について懸念した。特に,オフローディングコストとプライバシーレベルの間のトレードオフを共同最適化問題として定式化し,さらにそれをMarkov決定プロセス(MDP)としてモデル化した。次に,ユーザデバイスが遅延を減らし,エネルギーコストを低減し,プライバシーレベルを強化するための,ユーザデバイスが最適オフロード決定を可能にする,深いQネットワーク(DQN)上で,プライバシー保護タスクオフロード構築を提案する。大規模なシミュレーション結果は,著者らの方法が,従来の強化学習(RL)アルゴリズムおよび2つの基準線と比較して,ユーザデバイスのプライバシーレベルをブースティングする間,オフロードコストを減らすことができることを証明した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  シミュレーション ,  *学習 ,  最適化問題 ,  信頼性 ,  ネットワーク ,  応用プログラム ,  待ち時間 ,  定式化 ,  強化学習
準シソーラス用語： ブースティング ,  プライバシー保護 ,  エネルギーハーベスティング ,  オフローディング , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 協調 ,  MEC ,  エネルギー ,  遅延 ,  プライバシー ,  学習 ,  結合最適化