用于雾联盟构建的联邦学习与演化博弈模型
网络与互联网体系结构
2024-05-29 v1 分布式、并行与集群计算
摘要
在本文中，我们通过稳定且优化的联邦雾计算基础设施来解决物联网中的网络延迟问题，以增强 QoS。网络延迟会导致物联网应用的 QoS 下降，甚至可能破坏时间关键型功能。我们的论文解决了建立旨在增强 QoS 的雾联盟的挑战。然而，这些联盟内部的不稳定性可能导致提供商退出，从而降低联盟盈利能力和预期 QoS。此外，用于构建联盟的技术可能会对数据参与该过程的终端用户构成数据泄露风险。作为回应，我们提出了一种稳定且全面的联邦雾架构，该架构考虑了环境的联邦网络画像以增强物联网应用的 QoS。本文介绍了一种建立在遗传算法机制之上的去中心化演化博弈理论算法，以解决雾联盟构建问题。此外，我们提出了一种去中心化联邦学习算法，该算法无需将用户位置暴露给外部实体即可预测雾服务器之间的 QoS。这种预测模块在联盟构建阶段的资源分配过程中增强了决策过程，而不会暴露用户/服务器的数据隐私。值得注意的是，与其他基准方法相比，我们的方法表现出卓越的稳定性和改善的 QoS。
引用
@article{arxiv.2405.17437,
title = {Federated Learning and Evolutionary Game Model for Fog Federation Formation},
author = {Zyad Yasser and Ahmad Hammoud and Azzam Mourad and Hadi Otrok and Zbigniew Dziong and Mohsen Guizani},
journal= {arXiv preprint arXiv:2405.17437},
year = {2024}
}