[发明专利]一种面向边缘网络集成学习的自适应数据感知与协同缓存方法

权利要求书

1.一种面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，包括如下步骤：

步骤1，边缘计算节点使用可合并计数布隆过滤器(CCBF)中g个比特数组，高效记录缓存数据，所述可合并技术布隆过滤器由g个比特数组、k个哈希函数、1个伪随机数发生器、1个聚合比特数组(orBarr)构成；

步骤2，邻居节点间交换缓存数据的可合并计数布隆过滤器，通过将比特数组清零的方式，删除冗余数据，随后合并该节点所有可合并计数布隆过滤器，生成缓存数据的全局视图CCBF_g；

步骤3，根据CCBF_g中的聚合比特数组确定该节点和其它节点没有缓存的数据，进行缓存，从而保证邻居节点间缓存不同的数据。

2.根据权利要求1所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述步骤1中，将每个边缘计算节点的数据插入到可合并计数布隆过滤器中。

3.根据权利要求1所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述步骤1中：

当数据首次缓存插入到可合并计数布隆过滤器时，用k个哈希函数将输入数据hash到k个比特数组，随后将对应单元置1，完成插入操作，其中所述对应单元为哈希函数所映射到的单元；

当数据已经缓存插入到可合并计数布隆过滤器，需要删除时，用k个哈希函数将输入数据hash到k个比特数组，随后将对应单元置0，完成删除操作。

4.根据权利要求3所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述将对应单元置1的方法是：确定可使用的比特数组，利用伪随机数发生器根据对应单元已经为1的比特数组的数量确定下一个使用的比特数组，确定后将所述可使用的比特数组的对应单元置1，并将g个比特数组执行按位或操作，更新聚合比特数组，完成插入操作；

所述将对应单元置0的方法是：确定可删除的比特数组，利用伪随机数生成器以及counter计数定位上一次添加操作的比特数组，即各个哈希函数操作的单元所在的比特数组，确定后将其对应单元置0，并将g个比特数组单元执行按位或操作，更新聚合比特数组，完成删除操作。

5.根据权利要求1所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述步骤2中，利用网络接口交换可合并计数布隆过滤器。

6.根据权利要求1所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述步骤2中，首先判断节点向邻居节点请求的可合并计数布隆过滤器中是否存在冗余数据，如果边缘计算节点待交换可合并计数布隆过滤器中的数据已经存在于邻居节点中，即存在冗余数据，则通过将比特数组对应单元置0的方式，删除边缘计算节点中的重复数据，随后将边缘计算节点与邻居节点中可合并计数布隆过滤器中的数据量进行相加，如果没有超过可合并计数布隆过滤器的自身容量n，则合并所有可合并计数布隆过滤器，用可合并计数布隆过滤器对应的比特数组执行两两按位或操作，同时更新聚合比特数组，生成缓存数据的全局视图CCBF_g；如果不存在冗余数据，则直接将边缘计算节点与邻居节点中可合并计数布隆过滤器中的数据量进行相加。

7.根据权利要求6所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述判断节点向邻居节点请求的可合并计数布隆过滤器中是否存在冗余数据的方法是：

用k个哈希函数将输入数据hash到k个比特数组单元，查询对应的聚合比特数组是否均为1，如果聚合比特数组均为1，则输入已存在，即存在冗余数据；否则，输入不存在，即不存在冗余数据。

8.根据权利要求1所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，所述步骤3中，根据所请求缓存的数据字段的哈希结果，查询在CCBFg中对应的聚合比特数组是否均为1，如果均为1，则数据存在，将数据忽略，不再进行缓存；如果不均为1，则数据不存在，将数据进行缓存，同时将相应数据插入到CCBFg，从而保证差异化数据生成不同的子模型。

9.根据权利要求8所述面向边缘网络集成学习的自适应数据感知与协同缓存方法，其特征在于，通过将所述不同的子模型进行集成学习的方式，获得高性能的集成结果。