雾云物联网与签名验证技术解析

### 雾云物联网与签名验证技术解析 #### 1. 雾云物联网资源分配 在物联网应用的资源分配（RA）模型中，节能是性能评估中不可避免的因素。任何RA框架的成功都依赖于用于处理计算资源的高效算法，算法的选择取决于其能否以最小的延迟、能耗和预算来满足应用需求。 随着物联网应用的激增，其在异构性、移动性和上下文感知方面表现出复杂性。因此，需要一种能根据物联网 - 雾 - 云框架不断变化的需求进行学习和适应的算法。在众多方法中，扩展分类器系统（XCS）不仅能学习和适应最优的输入/输出映射，还能演化出一组描述这些映射的最小规则集，使其在数据科学家的工具中脱颖而出。 ##### 1.1 案例研究 以XCS实现物联网应用在雾 - 云环境中的最优资源分配作为案例研究。来自各种物联网设备的工作负载请求以及提供计算节点的资源池（雾和云）构成了环境。代理程序封装了检测器、种群集[P]、匹配集[M]、预测数组[PA]、动作集[A]、遗传算法（GA）和执行器。 在每个时间步，工作负载量作为输入。该框架的目标是估计在雾层中以最小延迟和能耗处理的最优工作负载数量。雾 - 云RA框架平衡了雾层和云之间的工作负载分配。 ##### 1.2 系统模型 该RA框架将每个时间段“t”设定为10秒。在每个时间段，用户从边缘设备向基站发出的请求量（σ(t)）被称为工作负载，它被表示为一个离散时间信号，范围在[0, σmax]内，σmax设定为100，即基站每秒接收的最大工作负载。因此，当每个“t”为10秒时，工作负载量每秒在0到1000个请求之间。 雾层包括一个雾控制器（基站收发台）和一组地理位置相近的雾节点。雾控制器节点将传入的工作负载分配到雾节点和云之间。每个时间段“t”的活动雾节点数量用fn(t)表示，其范围在[0, fnmax]内，其中fnmax是雾层中可用的最大雾节点数量。 托管在雾控制器中的代理程序的任务是估计要在雾层中处理的工作负载数量（δ(t)），因此δ(t)应小于或等于σ(t)，剩余的工作负载（σ(t) - δ(t)）将被传输到云。在任何时间段“t”，δ(t)的估计受多种因素影响，如工作负载量、活动雾节点数量、每个雾节点的处理能力以及活动雾节点的电池容量。 雾 - 云RA框架相对于XCS由环境和代理组成。在任何时间段“t”，雾控制器预计每秒接收0 - 100个请求。工作负载首先到达雾控制器，然后部分分配到雾层或云进行处理。雾控制器托管着估计δ(t)的代理程序。最后，雾 - 云RA模型的性能根据延迟和能耗成本进行评估。 ##### 1.3 XCS解决方案 将RA框架建模为XCS有助于估计在雾中处理的最优工作负载数量（δ(t)）。系统在每个时间段的实际输入是分类器的条件部分。分类器条件中的特定位组合表示传入工作负载量σ(t)、雾节点的电池容量b(t)和网络拥塞程度h(t)。要在雾层中处理的最优工作负载量δ(t)取决于这些输入参数和每个雾节点的处理能力（k）。 计算δ(t)的伪代码如下： ```plaintext if 可用电池容量 < 处理σ(t)工作负载所需的操作功率（Pop）: δ(t) = 0 else: δ(t) = fn(t) * k * t ``` δ(t)的值作为动作部分存储，与分类器的条件相对应。随着时间的推移，分类器种群会随着其相关的预测、误差和适应度值而进化。 ##### 1.4 延迟和能耗计算 实现高效雾 - 云RA的XCS算法的性能通过延迟和能耗进行评估。延迟参数反映了RA系统的实际响应时间，总延迟计算为三种延迟之和，即传输延迟（dt）、处理延迟（dp）和卸载延迟（doff）。 - 传输延迟表示在无线网络上传播所消耗的时间。 - 处理延迟是在具有“k”处理能力的fn(t)个雾节点中计算工作负载量（δ(t)）所消耗的时间，雾层在时间段“t”的处理延迟为：$d_p=\frac{fn(t)}{k} \times t$ - 卸载延迟（doff）是将剩余工作负载（σ(t) - δ(t)）传输到云所需的时间，它取决于剩余工作负载量和网络中的拥塞强度（h(t)），计算公式为：$d_{off}=(σ(t) - δ(t)) \times h(t)$ 总延迟计算公式如下： $d_{tota