摘要：工业互联网背景下的移动边缘计算(Mobile Edge Computing,MEC)通过在靠近终端的位置部署边缘服务器,将计算任务卸载到工业网络边缘,以满足任务实时响应和终端节能的需求.由于工业场景复杂性和环境动态性,卸载决策需要在满足任务时延需求的同时尽可能降低系统成本,为此提出了一个基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的工业任务卸载策略.首先构建了一个端边协同的智能工厂MEC系统模型,以降低任务总时延和系统能耗为目标,将卸载问题转化为混合整数非线性规划问题,然后设计采用DDPG算法来得到最优卸载决策,提高服务质量,最大化节约系统成本.仿真结果表明,该策略在降低时延、系统能耗和成本方面比其他方法更优.

摘要：物联网(IoT)设备的广泛应用带来了数据安全性和完整性的挑战.针对这一问题,提出了一种区块链物联网边缘卸载策略,专注于数据保护.该策略通过将IoT设备数据上传至区块链,利用其不可窜改性和可追溯性来保障数据安全.鉴于区块链的工作量证明(PoW)共识算法在数据验证和区块添加方面的高计算资源需求,该策略采用边缘计算技术,将PoW共识过程卸载至边缘服务器执行.进一步地,设计并实现了 一个多 目标边缘卸载算法(multi-object edge offloading algorithm,MEOA),以寻找最优卸载策略,动态调整PoW共识难度,实现系统安全性与运行效率的平衡.仿真实验结果表明,该策略相比其他卸载策略,在提高IoT设备数据上链效率、降低时间和能耗成本方面表现优异,同时确保了数据安全性和完整性.