基于深度强化学习的 NOMA 辅助空中 MEC 系统安全卸载
信息论
2024-10-15 v2 math.IT
摘要
移动边缘计算（Mobile Edge Computing, MEC）技术通过将计算密集型任务卸载到边缘服务器，可以降低用户延迟和能耗。无人机（Unmanned Aerial Vehicles, UAVs）与非正交多址接入（Non-Orthogonal Multiple Access, NOMA）技术使 MEC 网络能够方便地为海量接入的地面用户提供卸载计算服务。然而，基于 NOMA 的 UAV-MEC 网络中信号传播的广播特性使其容易受到恶意窃听者的窃听。在本研究中，针对存在空中窃听者的基于 NOMA 的 UAV-MEC 系统，提出了一种安全卸载方案。通过联合设计 UAV 的轨迹、地面用户的发射功率和计算频率，在确保用户卸载数据安全的同时，最小化长期平均网络计算成本。由于窃听者位置的不确定性，通过估计的窃听范围考虑了最坏情况的安全场景。由于高维连续动作空间，利用深度确定性策略梯度算法来求解该非凸优化问题。仿真结果验证了所提方案的有效性。
引用
@article{arxiv.2409.08579,
title = {Secure Offloading in NOMA-Aided Aerial MEC Systems Based on Deep Reinforcement Learning},
author = {Hongjiang Lei and Mingxu Yang and Ki-Hong Park and Gaofeng Pan},
journal= {arXiv preprint arXiv:2409.08579},
year = {2024}
}
备注
12 pages, 7 figures, accepted by IEEE Journal on Miniaturization for Air and Space Systems