一种基于移动IP的雾节点自组织协作的方法

    公开(公告)号:CN111263303B

    公开(公告)日:2021-02-02

    申请号:CN202010043759.3

    申请日:2020-01-15

    Abstract: 本发明提供一种基于移动IP的雾节点自组织协作的方法,包括了工作雾节点在开始、结束工作或每隔一定周期向管理雾节点发送节点信息帧,进行路由表更新;管理雾节点根据任务情况进行任务分流决策,接受任务后根据需要联合多个工作雾节点构建工作域;管理雾节点构建工作域后监测移动终端位置,移动终端离开子网后,向新进入子网的管理雾节点请求转交地址并向本地代理注册;任务结束后,本地代理解除工作雾节点占用,释放工作域并收回为移动终端分配的IP。本发明提供的方法,使参与雾计算的节点之间能够实时组成分布式计算平台,及时适应工作负载的变化,减少计算时延;实现拓扑动态可变的雾节点工作域群组,为终端提供可扩展的计算资源。

    一种基于交织分片的安全数据传输方法

    公开(公告)号:CN109981217A

    公开(公告)日:2019-07-05

    申请号:CN201910088570.3

    申请日:2019-01-28

    Abstract: 本发明提供了一种基于交织分片的安全数据传输方法,用于解决分片传输机制中传输代价和计算代价高的问题。所述数据传输方法中,发送端通过交织矩阵将所传输的原始数据映射为若干个分片数据发送给接收端,接收端通过所述交织矩阵将所接收的所述分片数据解码恢复为所述原始数据。本发明的交织矩阵为动态随机生成,攻击者无法得知或无法破解交织矩阵;同时,数据以分片的形式传送,在无法获取所有数据分片的前提下无法对数据进行恢复,从而进一步保障了数据传输的安全性。同时仅需要对交织矩阵进行加解密处理,交织和解交织的过程计算复杂度低,任务量较少,尤其适用于大规模数据的传输。

    一种基于深度强化学习的边缘计算时间片调度方法

    公开(公告)号:CN111506405A

    公开(公告)日:2020-08-07

    申请号:CN202010277548.6

    申请日:2020-04-08

    Abstract: 本发明提供一种基于深度强化学习的边缘计算时间片调度方法,包括:获取终端设备上传的多个任务队列,并将该多个任务队列作为样本池;对每个任务队列进行马尔科夫决策过程建模,生成任务状态集合和相对应的动作集合;基于该任务状态集合和相对应的动作集合,通过神经网络训练方法,获得某执行任务时刻的神经网络参数矩阵的值;判断任务状态集合是否全部代入神经网络训练方法;若是,则向样本池输出该执行任务时刻的神经网络参数矩阵的值,作为该执行任务时刻的时间片调度结果;否则,继续执行马尔科夫决策过程建模。本发明提供的方法,加速保证算法的时间效率,同时增加算法本身的泛化性能,让调度机器能够根据实际场景特征自主学习调度策略。

    一种基于移动IP的雾节点自组织协作的方法

    公开(公告)号:CN111263303A

    公开(公告)日:2020-06-09

    申请号:CN202010043759.3

    申请日:2020-01-15

    Abstract: 本发明提供一种基于移动IP的雾节点自组织协作的方法,包括了工作雾节点在开始、结束工作或每隔一定周期向管理雾节点发送节点信息帧,进行路由表更新;管理雾节点根据任务情况进行任务分流决策,接受任务后根据需要联合多个工作雾节点构建工作域;管理雾节点构建工作域后监测移动终端位置,移动终端离开子网后,向新进入子网的管理雾节点请求转交地址并向本地代理注册;任务结束后,本地代理解除工作雾节点占用,释放工作域并收回为移动终端分配的IP。本发明提供的方法,使参与雾计算的节点之间能够实时组成分布式计算平台,及时适应工作负载的变化,减少计算时延;实现拓扑动态可变的雾节点工作域群组,为终端提供可扩展的计算资源。

Patent Agency Ranking