FEDQ-Trust：面向移动边缘物联网系统的高效数据驱动信任预测
分布式、并行与集群计算
2024-04-30 v1
摘要
我们介绍了FEDQ-Trust，一种创新的数据驱动信任预测方法，专为基于移动边缘的物联网环境设计。移动边缘环境的去中心化特性由于数据分布的变化带来了挑战，影响了现有分布式数据驱动信任预测模型的准确性和训练效率。FEDQ-Trust通过将联邦期望最大化与深度Q网络相结合，有效解决了统计异质性问题。联邦期望最大化对统计异质性的稳健处理显著提高了信任预测的准确性。同时，深度Q网络简化了模型训练过程，在保持模型性能的同时有效减少了训练客户端的数量。我们利用两个真实物联网数据集在模拟的基于MEC的物联网环境中进行了一系列实验。实验结果表明，与最先进模型相比，我们的模型实现了97%至99%的显著收敛时间减少，同时准确率提高了8%至14%。
引用
@article{arxiv.2404.18356,
title = {FEDQ-Trust: Efficient Data-Driven Trust Prediction for Mobile Edge-Based IoT Systems},
author = {Jiahui Bai and Hai Dong and Athman Bouguettaya},
journal= {arXiv preprint arXiv:2404.18356},
year = {2024}
}
备注
14 pages, 6 figures, submitted to IEEE Transactions on Services Computing