基于协作在线学习的物联网安全移动边缘计算
机器学习
2020-01-08 v1 机器学习
摘要
为容纳物联网（IoT）中的异构任务，一种称为移动边缘计算的新通信与计算范式应运而生，它将计算服务从云扩展到边缘，但同时也带来了安全方面的新挑战。本文研究干扰攻击下的在线安全感知边缘计算。利用在线学习工具，开发了分别称为 SAVE-S 和 SAVE-A 的新算法，以应对随机和对抗形式的干扰。SAVE-S 和 SAVE-A 无需利用频谱和传输功率等额外资源来规避干扰攻击，即可在最小隐私和安全顾虑下选择最可靠服务器卸载计算任务。分析表明，在没有任何未来干扰和服务器安全风险先验信息的情况下，所提方案可实现 遗憾。设备间的信息共享可加速安全感知计算任务。结合其他设备共享的信息，SAVE-S 和 SAVE-A 在次线性遗憾上实现了显著提升，这由所谓的“协作价值”所保证。所提方案的有效性在合成和真实数据集上均得到验证。
引用
@article{arxiv.1805.03591,
title = {Secure Mobile Edge Computing in IoT via Collaborative Online Learning},
author = {Bingcong Li and Tianyi Chen and Georgios B. Giannakis},
journal= {arXiv preprint arXiv:1805.03591},
year = {2020}
}