基于深度强化学习的移动边缘计算资源分配策略

边缘计算作为云计算技术的延伸,可通过增强边缘网络计算能力为用户提供低时延高质量服务。边缘计算中,需要将服务部署于资源受限的边缘服务器,并根据需求合理分配计算资源,以提高边缘服务器的资源利用率。因此,提出基于深度强化学习的服务资源分配方法,利用反正切函数两次映射建立计算资源分配函数,并基于真实数据集进行仿真实验。实验结果表明,该方法能够在保证低时延的情况下,合理分配计算资源。

工业网络中非标准VPN的安全技术研究

针对在工业控制领域中,传统的监控与数据采集独立运转且很少配置安全管理的问题,利用N2N为工业网络之间的通信构建一条安全通道,使用数字证书对加入的节点进行身份验证,借助IKEv2协议实现节点之间的协商通信,并通过动态选择加密算法及通信密钥,有效提高了N2N在工业网络通信中的安全性.

基于深度强化学习的物联网服务协同卸载方法

针对边缘计算中终端算力不足、资源有限和时延较大的问题,提出一种基于深度强化学习的物联网服务协同卸载方法。通过3种不同的卸载方式建立时延模型,挖掘服务之间的关联关系,对关联服务进行协同卸载,加入关联服务的通信时延以建立完善的卸载时延模型,结合整体模型考虑卸载率的取值以及关联服务如何协同卸载使时延最小,从而实现服务调用时延和服务间通信时延的最小化。试验结果表明,与其他算法相比,该算法在获取最优服务卸载策略的同时,系统总服务时延能降低20%左右。