移动计算卸载技术综述与VANETs中Sybil攻击影响研究

### 移动计算卸载技术综述与VANETs中Sybil攻击影响研究 #### 移动计算卸载概述 移动云卸载借助一个或多个可用的无线网络，将繁重的计算任务从移动设备转移到强大的云服务器上。卸载工作到特定资源可以通过多种方式实现，比如使用蜂窝网络连接或偶尔出现的WLAN热点。在大多数研究中，通常假设蜂窝网络对移动用户始终可用，而WiFi网络的可用性则因位置而异，这有助于简化决策过程。用户会带着移动设备进出WiFi覆盖区域。 有研究者提出了在线任务卸载策略，以减少移动应用的运行时间。他们发现可以利用负载均衡方法将任务转移到云端，从而在并行任务中最大程度地实现移动设备和云端之间的并行处理。还有研究者对5G异构网络中移动边缘计算的计算卸载机制设计进行了研究，并提出了EECO框架，这是一个多设备节能计算卸载框架，可降低计算卸载和执行过程中计算任务的能耗。 卸载决策可以采用固定、静态的方式，也可以根据应用的活动动态进行。一个好的卸载选择通常是通过计算在各种设备参数（如可用带宽、要传输的数据量和能耗）下的最佳卸载时间，然后将特定应用划分为本地和远程部分，选择合适的组件进行卸载，并在不同的云资源条件下确定最佳的卸载位置。 #### 计算卸载的原理与优势 资源密集型计算可以通过转移到单独的处理器（如集群、网格或云）来实现卸载。将任务卸载到协处理器可以加速多种任务，如图像水印、图像压缩和数学计算等。通过网络将处理任务卸载到外部平台，可以突破设备的物理限制，如有限的计算能力、存储空间和能源。 以下是计算卸载的一些优势： 1. **突破设备限制**：解决设备计算能力、存储和能源的局限。 2. **加速任务处理**：提高特定任务的执行速度。 #### 移动数据增长与计算卸载的必要性 移动数据量预计将快速增长，移动平台会生成大量的多媒体数据，其中大部分存储在云端服务器上。当数百万个摄像头、麦克风、GPS和各种其他传感器连接时，产生的数据量将非常巨大。随着智能手机、平板电脑、笔记本电脑和传感器等连接设备数量的增加，对更多功能的需求也会相应增加。 然而，移动计算速率可能无法跟上数据增长和应用处理需求的步伐。一方面，移动数据的类型和数量以及移动应用的计算需求都有显著增加；另一方面，接收、存储数据并提供用户应用的设备的计算能力可能难以跟上。因此，计算卸载成为解决这一问题的自然选择。 #### 过往计算卸载工作总结 | 年份 | 作者 | 贡献 | | ---- | ---- | ---- | | 2020 | Elgendy | 为移动边缘计算提供高效安全的多用户多任务计算卸载模型，保证延迟、能源和安全性能 | | 2019 | Nguyen | 最大化计算卸载和资源分配，以减少所有移动用户能耗的加权总和 | | 2019 | Sun | 结合本地计算和数据卸载两种方案的组合计算方法 | | 2019 | Kuang | 针对具有多个独立作业的MEC系统，解决部分卸载调度和资源分配的双重问题 | | 2018 | Ning | 使用迭代启发式MEC资