[发明专利]一种位置隐私保护的计算任务分布式卸载方法

说明书

本发明公开了一种位置隐私保护的计算任务分布式卸载方法，用于减少分布式边缘计算任务卸载过程中的用户位置隐私泄露。该方法包括：S1：构建系统模型、计算模型、通信模型、成本模型；S2：构建位置隐私泄露模型并提出相应的对策；S3：构建位置隐私保护的计算任务分布式卸载问题P1；S4：利用李雅普诺夫优化理论将问题P1转化为单时隙优化问题P2[t]；S5：分离出子问题,求解最优本地CPU频率和最优上行传输功率；S7：基于李雅普诺夫优化理论得到位置隐私保护的计算任务分布式卸载方案。本发明能够减少任务卸载导致的用户位置隐私泄露，并同时优化时延、能量损耗和任务丢弃率的组合，提升移动边缘计算的服务质量。

技术领域

本发明涉及移动边缘计算领域，尤其涉及分布式边缘计算、位置隐私保护、任务调度等，是一种位置隐私保护的计算任务分布式卸载方法。

背景技术

由于移动设备具有有限的计算资源和电池容量，云计算范式作为一种解决方案应运而生，任务被卸载至中心云由中心云代为计算，中心云的应用使得用户只需要花费很小的成本就能获得强大的计算资源。然而随着实时在线游戏、虚拟/增强现实等新兴应用的产生和移动设备数量的爆发式增长，基于中心云的云计算架构因为时延较长和网络拥塞等问题变得不再有吸引力。近年来，能够利用移动设备附近空闲计算资源的边缘计算范式因其时延较小、网络拥塞不明显获得了广泛的关注。

然而，由于计算能力有限，单个边缘节点(Edge Node，EN)处理大规模计算任务时存在很大的时延，因此能够有效降低时延的分布式边缘计算范式已经引起了广泛的研究兴趣。分布式计算的主要思想是将一个较大的任务划分为多个较小的子任务后，分别发送给多个ENs并行计算，移动设备收到所有ENs的反馈后即可恢复出原始任务的结果。这样，由于子任务的规模小于原始任务，单个子任务的计算时延明显减小。

最近关于分布式边缘计算的研究主要集中在通过巧妙的设计编码或卸载方案等来减少任务处理时延、降低通信负载、降低能量损耗、确保数据安全性等。但是，由于无线信道的传输特性，信号的传输距离越远，其衰落就越严重。为了在ENs上获得相同的信噪比，发射功率必须越高，因此移动用户倾向于将其任务卸载到较近的ENs，以节省发射功率，降低能量损耗。如果不加以控制，这种距离相关性将给攻击者可乘之机，攻击者可以通过用户的移动设备(如手机、健康监测传感器等)在ENs上的接入记录推测用户位置。尤其是在分布式边缘计算中，用户同时接入多个ENs，这将给攻击者提供更多的信息，造成更加严重的位置隐私泄露问题。

然而，目前关于在边缘计算场景下保护位置隐私方法的研究主要集中在单用户到单EN的卸载场景，这些方法不适用于单用户同时卸载任务到多个ENs的场景。

发明内容

本发明针对上述问题，提出了一种位置隐私保护的计算任务分布式卸载方法，该办法旨在减少任务卸载导致的用户位置隐私泄露，并同时优化时延、能量损耗和任务丢弃率的组合，提升移动边缘计算的服务质量。

为了达到上述目的，本发明采用的技术方案如下：

提供一种位置隐私保护的计算任务分布式卸载方法，包括：

S1：构建系统模型、计算模型、通信模型和成本模型，其中，系统模型包括用户、边缘节点及用户任务的信息和执行方式，计算模型包括任务在本地执行时的计算时延以及相应的能量损耗、任务卸载到多个边缘节点分布式执行时的计算时延，通信模型包括任务卸载到边缘节点组执行时的总时延和相应的能量损耗，成本模型将决策成本构建为任务在本地执行的成本和被卸载边缘节点组执行的成本以及丢弃成本的函数；

S2：基于系统模型，构建位置隐私泄露模型并提出相应的对策；

S3：基于成本模型和位置隐私泄露模型的对策构建位置隐私保护的计算任务分布式卸载问题P1；

S4：利用李雅普诺夫优化理论将问题P1转化为单时隙优化问题P2[t]；