大模型基移动边缘计算系统中的资源分配与安全无线通信
密码学与安全
2024-07-02 v1 社会与信息网络
摘要
随着大模型和移动边缘计算的快速发展，尤其是通过微调实现的迁移学习已成为适应下游任务的关键手段。传统方法要求用户与模型所有者共享数据进行微调，这不仅成本高昂，还会引发重大的隐私问题。此外，对大规模模型进行微调计算负荷较大，许多用户难以承担。为解决这些挑战，我们引入了一种结合远端微调和物理层安全性的系统，为数据所有者提供轻量级适配器和压缩仿真器。数据所有者在本地微调适配器，并通过保密信道安全传输回模型所有者进行集成，从而实现隐私保护和资源节省。本文聚焦于在数据所有者与部署在边缘的大模型所有者之间的计算资源分配优化，以及适配器的压缩比。我们引入保密上行信道，在最大化我们定义的效用效用同时最小化能耗和延迟等系统成本。优化方法采用 Dinkelbach 算法、分数规划、继继凸近似和交替优化。实验结果表明，我们的算法优于现有方法。
引用
@article{arxiv.2407.00347,
title = {Resource Allocation and Secure Wireless Communication in the Large Model-based Mobile Edge Computing System},
author = {Zefan Wang and Yitong Wang and Jun Zhao},
journal= {arXiv preprint arXiv:2407.00347},
year = {2024}
}