CN117896384A - 物联网通信方法、装置、设备及存储介质 - Google Patents
物联网通信方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117896384A CN117896384A CN202410305756.0A CN202410305756A CN117896384A CN 117896384 A CN117896384 A CN 117896384A CN 202410305756 A CN202410305756 A CN 202410305756A CN 117896384 A CN117896384 A CN 117896384A
- Authority
- CN
- China
- Prior art keywords
- communication
- edge node
- internet
- things
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004891 communication Methods 0.000 title claims abstract description 326
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 230000005856 abnormality Effects 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000013145 classification model Methods 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims description 45
- 230000008901 benefit Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 31
- 239000013598 vector Substances 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 24
- 230000009471 action Effects 0.000 claims description 21
- 230000004927 fusion Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 4
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提供了一种物联网通信方法、装置、设备及存储介质,其中,该方法包括:基于边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过边缘节点池中的边缘节点对多个物联网设备进行通信服务;通过物联网网关通过边缘节点池采集通信服务过程中各物联网节点之间的通信数据,并进行数据检测,得到通信质量数值;将通信质量数值小于质量阈值的边缘节点对应的通信数据输入异常检测分类模型,得到对应的异常检测类型;选择异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整。本方法法通过准确识别出异常类型,并根据异常类型选择相应的通信调整策略进行自适应调整。提高了物联网***在面对异常情况时的鲁棒性和自适应能力。
Description
技术领域
本发明涉及物联网通信领域,尤其涉及一种物联网通信方法、装置、设备及存储介质。
背景技术
随着物联网(IoT)技术的迅速发展,越来越多的设备通过网络相互连接,实现数据的交换和通信,以支持各种智能化应用。在这一过程中,如何有效地管理和处理庞大数量的物联网设备产生的数据,确保通信的可靠性和效率。目前,物联网通信主要依赖于中心化的数据处理中心或云计算资源。然而,随着设备数量的增加和应用场景的复杂化,这种中心化的通信模式面临着延迟高、带宽压力大、数据隐私和安全性问题等挑战。为了解决这些问题,边缘计算作为一种新兴的计算模式被提出,通过在网络边缘近端处理数据,旨在减少延迟,提高通信效率,同时降低中心处理单元的压力。然而现有技术中缺乏一种灵活的机制来动态调整通信策略以应对通信环境的变化,这限制了物联网***在面对设备故障、网络拥堵等异常情况时的自适应能力和鲁棒性。
发明内容
本发明的主要目的在于解决现有的物联网通信在发生异常情况时自适应能力和鲁棒性较差的技术问题。
本发明第一方面提供了一种物联网通信方法,所述物联网通信方法包括:
获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
可选的,在本发明第一方面的第一种实现方式中,所述基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务包括:
基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并获取各物联网设备之间的通信连接关系;
将两两具备通信邻接关系的物联网设备作为目标物联网设备,并获取所述目标物联网设备的设备数据以及所述边缘节点池中各边缘节点的节点数据;
基于所述设备数据和所述节点数据计算所述边缘节点池中各边缘节点提供所述目标物联网设备进行通信服务的损耗数据和效益数据;
基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务。
可选的,在本发明第一方面的第二种实现方式中,所述基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务包括:
获取所述效益数据的效益计算函数和约束条件,并将所述效益计算函数作为目标函数;
对所述边缘节点池中的边缘节点进行粒子群处理,得到各粒子的粒子位置和粒子速度;
基于所述效益计算函数、约束条件、粒子位置、粒子速度和所述损耗数据计算所述粒子群中各粒子的适应度值,并基于所述适应度值重现分配的各粒子的粒子位置和粒子速度进行循环迭代,直至满足预设的终止条件;
当满足预设的终止条件时,根据所述粒子群处理的最优解从所述边缘节点池确定所述目标物联网设备对应的第一边缘节点。
可选的,在本发明第一方面的第三种实现方式中,所述通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值包括:
通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并将所述通信数据作为通信数据点;
获取所述各物联网节点对应的历史数据点集,并计算所述通信数据点与所述历史数据点集中各历史数据点之间的统计距离;
基于所述统计距离计算对应的物联网设备通过对应的边缘节点进行通信的通信质量数值。
可选的,在本发明第一方面的第四种实现方式中,所述将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型包括:
将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据按照对应的存在通信连接关系的物联网设备进行划分,得到第一通信数据和第二通信数据;
将所述第一通信数据和第二通信数据输入预设的异常检测分类模型,其中,所述异常检测分类模型包括输入层、注意力机制层、特征融合层、分类层和输出层;
通过所述输入层对所述第一通信数据和所述第二通信数据进行数据预处理以及特征提取,得到第一数据特征和第二数据特征;
通过所述注意力机制层计算所述第一数据特征和第二数据特征对应的注意力权重向量;
通过所述特征融合层根据所述注意力权重向量对所述第一数据特征和第二数据特征进行特征融合,得到对应的融合特征向量;
通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
可选的,在本发明第一方面的第五种实现方式中,所述通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型包括:
通过所述分类层将所述特征向量线性变换映射至高维特征空间,得到线性变换结果;
通过预设的激活函数对所述线性变换结果进行非线性变换,得到非线性变换结果;
通过所述分类层中的全连接层将所述非线性变换结果映射至对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
可选的,在本发明第一方面的第六种实现方式中,所述异常检测类型包括通信干扰类型,所述选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整包括:
选择通信干扰类型对应的通信调整策略,并基于所述通信调整策略将所述边缘节点池中所有异常检测类型为通信干扰类型的边缘节点确定为第二边缘节点,以及第二边缘节点对应的物联网设备;
获取所述第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备的设备信息,并根据所述节点信息和所述设备信息作为状态表示;
通过各第二边缘节点从预设的全局网络中获取网络参数,并根据所述网络参数和各第二边缘节点对应的策略网络从各第二边缘节点的动作空间中选择对应的多个最佳动作;
基于所述多个最佳动作更新状态表示,并使用预设的奖励函数计算各最佳动作的奖励值;
基于更新后的状态表示和奖励值对对应的策略网络进行更新,并通过多个策略网络的网络参数更新全局网络的网络参数,并返回至通过各第二边缘节点从预设的全局网络中获取网络参数,直至达到预设的迭代条件;
当达到预设的迭代条件时,基于预设的全局网络对第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备进行调整。
本发明第二方面提供了一种物联网通信装置,所述物联网通信装置包括:
请求获取模块,用于获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
部署模块,用于基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
检测模块,用于通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
判断模块,用于判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
分类模块,用于若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
调整模块, 用于选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
本发明第三方面提供了一种物联网通信装置,包括:存储器和至少一个处理器,所述存储器中存储有指令,所述存储器和所述至少一个处理器通过线路互连;所述至少一个处理器调用所述存储器中的所述指令,以使得所述物联网通信设备执行上述的物联网通信方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的物联网通信方法的步骤。
上述物联网通信方法、装置、设备及存储介质,通过基于边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过边缘节点池中的边缘节点对多个物联网设备进行通信服务;通过物联网网关通过边缘节点池采集通信服务过程中各物联网节点之间的通信数据,并进行数据检测,得到通信质量数值;将通信质量数值小于质量阈值的边缘节点对应的通信数据输入异常检测分类模型,得到对应的异常检测类型;选择异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整。本方法法通过准确识别出异常类型,并根据异常类型选择相应的通信调整策略进行自适应调整。提高了物联网***在面对异常情况时的鲁棒性和自适应能力。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例中物联网通信方法的第一个实施例示意图;
图2为本发明实施例中物联网通信装置的一个实施例示意图;
图3为本发明实施例中物联网通信设备的一个实施例示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备端没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备端固有的其它步骤或单元。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种物联网通信方法进行详细介绍。如图1所示,本方法包括如下步骤:
101、获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
在本发明的一个实施例中,在这种场景下,多个物联网设备可以是各种类型的智能设备,包括传感器、执行器、控制器、智能家居设备、工业设备等。这些设备通过物联网技术连接到网络,并具有数据采集、处理、通信等功能,能够相互交换信息和发起通信请求。物联网设备之间存在多种情况需要发起物联网通信请求,例如传感器设备采集到数据后需要将数据上传至云端进行分析和处理、控制器设备接收到远程指令需要执行相应的操作、智能家居设备需要与其他设备进行联动或互动等。
具体的,当多个物联网设备之间发起物联网通信请求时,***可以根据这些请求来确定对应的边缘节点池范围,具体通过收集并分析多个物联网设备发起的通信请求,包括通信类型、数据量、通信频率等信息,根据物联网通信请求的特征和需求,***确定适合处理这些请求的边缘节点池范围。这包括考虑边缘节点的位置分布、计算资源、网络带宽等因素,以确保为设备提供最优的通信服务。
具体的,在确定边缘节点池范围的过程中,根据物联网通信请求所携带的数据量以及通信的频率,评估边缘节点的处理能力和网络带宽,确保选定的边缘节点能够承载这些通信请求。考虑物联网设备和边缘节点之间的距离,选择距离较近的边缘节点,以降低通信时延和减少网络传输中的能耗。评估边缘节点的计算资源,包括处理器性能、内存大小、存储容量等,以确保边缘节点有足够的计算能力来处理物联网通信请求。考虑物联网通信请求涉及的数据安全性需求,选择具有相应安全机制的边缘节点来处理敏感数据的通信请求。评估边缘节点的网络连通性,包括网络稳定性、带宽等因素,以确保边缘节点能够可靠地与云平台和其他设备进行通信。综合考虑以上因素,***可以通过智能算法或规则引擎来确定适合处理物联网通信请求的边缘节点池范围。例如,可以采用基于位置信息的动态分配策略,根据设备位置和网络负载情况来选择最佳的边缘节点;也可以采用基于工作负载的动态调整策略,根据边缘节点的计算资源利用情况和通信负载来动态调整边缘节点的分配。
102、基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
在本发明的一个实施例中,所述基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务包括:基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并获取各物联网设备之间的通信连接关系;将两两具备通信邻接关系的物联网设备作为目标物联网设备,并获取所述目标物联网设备的设备数据以及所述边缘节点池中各边缘节点的节点数据;基于所述设备数据和所述节点数据计算所述边缘节点池中各边缘节点提供所述目标物联网设备进行通信服务的损耗数据和效益数据;基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务。
具体的,在边缘节点池布置的过程中,首先,需要确定边缘节点池的地理范围,即哪些地区或位置将包括在边缘节点池中。这基于数据源的位置、用户分布或其他特定需求。对于每个潜在的边缘节点位置,需要评估其网络连接性。边缘节点需要与中心数据中心或其他边缘节点之间进行通信,因此需要确保网络连接可靠且延迟较低。根据地理范围和网络连接性,制定节点部署策略。这涉及确定每个位置的边缘节点数量、节点类型(例如服务器、网关或传感器)以及它们之间的拓扑结构。确定每个边缘节点的计算资源、存储容量和网络带宽,并考虑如何在整个边缘节点池中分配和管理这些资源,以及如何实现负载均衡。根据设计方案,开始实施边缘节点的部署。这涉及安装硬件设备、配置网络连接、部署软件和应用程序等操作。
具体的,在计算损耗数据和效益数据时,首先,收集目标物联网设备的设备数据,例如数据传输量、通信需求等,同时收集边缘节点的节点数据,例如计算资源、能源消耗等。基于设备之间的通信连接关系以及网络状况,计算边缘节点提供通信服务时产生的通信损耗。这可以根据数据传输量、网络延迟等因素进行估算。分析边缘节点提供通信服务时消耗的计算资源和能源。这包括CPU利用率、内存占用以及节点的功耗等。根据提供的通信服务所带来的效益,评估边缘节点的服务效益。这可以根据通信延迟、数据安全性等指标来确定。综合考虑通信损耗、计算资源消耗和服务效益,得出边缘节点提供通信服务的总体损耗数据和效益数据。基于损耗数据和效益数据,从边缘节点池中选择最佳的边缘节点来提供通信服务。选择标准可以是最小化总体损耗或最大化效益。
进一步的,所述基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务包括:获取所述效益数据的效益计算函数和约束条件,并将所述效益计算函数作为目标函数;对所述边缘节点池中的边缘节点进行粒子群处理,得到各粒子的粒子位置和粒子速度;基于所述效益计算函数、约束条件、粒子位置、粒子速度和所述损耗数据计算所述粒子群中各粒子的适应度值,并基于所述适应度值重现分配的各粒子的粒子位置和粒子速度进行循环迭代,直至满足预设的终止条件;当满足预设的终止条件时,根据所述粒子群处理的最优解从所述边缘节点池确定所述目标物联网设备对应的第一边缘节点。
具体的,效益计算函数是用来评估边缘节点提供通信服务所带来的效益的数学函数。它可以基于不同的指标,例如通信延迟、数据安全性、能源消耗等,来量化服务的质量和价值。例如,一种可能的效益计算函数是通过权衡通信延迟和能源消耗来最小化总体成本,或者通过最大化通信速率和最小化数据丢失率来优化服务质量。约束条件是限制问题解空间的条件,确保解的可行性和合理性。在这种情况下,约束条件可能包括边缘节点的计算资源限制、能源消耗限制、通信带宽限制等。例如,边缘节点的计算资源不能超过其最大容量,能源消耗不能超过可接受的范围,通信带宽不能超过网络的带宽限制等。粒子群处理是一种优化算法,用于在多维搜索空间中找到最优解。在该算法中,每个粒子代表问题空间中的一个解,其位置表示该解在问题空间中的位置,速度表示粒子在搜索过程中的移动方向和速度。粒子群处理通过模拟粒子在解空间中的移动和交互,逐步优化解。适应度值是用来评估每个粒子解的优劣程度的指标。在这种情况下,适应度值可以根据效益计算函数、约束条件和损耗数据来计算。通常情况下,适应度值越高表示解越优秀。在粒子群算法中,适应度值用来指导粒子的移动和更新。通过计算每个粒子解的适应度值,可以确定哪些解是最优解或更接近最优解的。
103、通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
在本发明的一个实施例中,所述通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值包括:通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并将所述通信数据作为通信数据点;获取所述各物联网节点对应的历史数据点集,并计算所述通信数据点与所述历史数据点集中各历史数据点之间的统计距离;基于所述统计距离计算对应的物联网设备通过对应的边缘节点进行通信的通信质量数值。
具体的,历史数据点集是指先前收集到的物联网节点的数据点的集合。这些数据点可以包括通信延迟、数据丢失率、信号强度等通信相关指标,也可以包括其他与通信质量相关的参数。历史数据点集的目的是提供一个参考基准,用于评估当前通信数据点的表现。统计距离计算用于衡量通信数据点与历史数据点集中各历史数据点之间的相似度或差异度。常用的统计距离包括欧氏距离、曼哈顿距离、切比雪夫距离等。这些距离度量方法可以根据具体情况选择。例如,欧氏距离可以用来衡量通信数据点与历史数据点之间的空间距离,曼哈顿距离可以用来衡量它们之间的绝对差异,切比雪夫距离可以用来衡量它们之间的最大差异等。基于统计距离,可以计算出通信数据点与历史数据点集中各历史数据点之间的距离。这些距离值可以反映当前通信数据点与历史数据点的相似程度或差异程度。通信质量数值可以根据这些距离值进行计算。例如,可以定义一个函数来将距离转换为通信质量数值,这个函数可以是线性函数、指数函数、对数函数等,以便将距离映射到一个合适的通信质量范围内。通信质量数值越高表示通信质量越好,反之则表示通信质量越差。
104、判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
105、若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
在本发明的一个实施例中,所述将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型包括:将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据按照对应的存在通信连接关系的物联网设备进行划分,得到第一通信数据和第二通信数据;将所述第一通信数据和第二通信数据输入预设的异常检测分类模型,其中,所述异常检测分类模型包括输入层、注意力机制层、特征融合层、分类层和输出层;通过所述输入层对所述第一通信数据和所述第二通信数据进行数据预处理以及特征提取,得到第一数据特征和第二数据特征;通过所述注意力机制层计算所述第一数据特征和第二数据特征对应的注意力权重向量;通过所述特征融合层根据所述注意力权重向量对所述第一数据特征和第二数据特征进行特征融合,得到对应的融合特征向量;通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
具体的,首先,通信质量数值小于预设的质量阈值的边缘节点对应的通信数据被划分为两组:第一通信数据和第二通信数据。这个划分是根据存在通信连接关系的物联网设备进行的,意味着相互之间存在通信关系的设备的通信数据被分到同一组输入。一通信数据和第二通信数据被输入到异常检测分类模型的输入层。在输入层,数据经过数据预处理和特征提取的步骤,以确保输入到模型的数据具有合适的格式和重要的特征。这包括标准化、归一化、或其他预处理操作,以及从原始数据中提取相关的特征。在注意力机制层,针对第一数据特征和第二数据特征,计算它们对应的注意力权重向量。这个步骤旨在确定哪些特征对于异常检测任务更为重要,即加强或减弱不同特征的贡献,以提高模型对异常模式的敏感性。基于计算得到的注意力权重向量,特征融合层对第一数据特征和第二数据特征进行融合。这一过程将两组数据的特征结合在一起,形成一个融合特征向量。融合的方式可以是加权求和,其中权重由注意力权重向量决定,以强调重要的特征。融合特征向量被输入到分类层,该层通过训练得到的模型进行异常检测分类。模型采用各种机器学习算法,如神经网络、支持向量机等。分类层的目标是识别融合特征向量中的模式,并将其分配到不同的异常检测类型。最终,分类层的输出被传递到输出层,输出异常检测的类型。这个类型可以表示不同的异常模式,反映了模型对输入数据的异常程度的理解。输出可以是一个异常得分、类别标签或其他形式,具体取决于异常检测的任务设置。
进一步的,所述通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型包括:通过所述分类层将所述特征向量线性变换映射至高维特征空间,得到线性变换结果;通过预设的激活函数对所述线性变换结果进行非线性变换,得到非线性变换结果;通过所述分类层中的全连接层将所述非线性变换结果映射至对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
具体的,在分类层中,特征向量首先通过线性变换映射到高维特征空间,生成线性变换结果。这个映射过程可以增加特征之间的复杂性和区分度。接着,预设的激活函数被应用于线性变换结果,进行非线性变换,得到非线性变换结果。激活函数的作用是引入非线性因素,使得模型能够学习更加复杂的数据模式和特征。随后,通过分类层中的全连接层,将这些非线性变换结果映射到对应的异常检测类型。全连接层的作用是建立特征与输出类别之间的关系,并通过权重参数调整来实现对异常检测类型的预测。最后,通过输出层将预测的异常检测类型输出,完成整个异常检测分类过程。
106、选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
在本发明的一个实施例中,所述异常检测类型包括通信干扰类型,所述选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整包括:选择通信干扰类型对应的通信调整策略,并基于所述通信调整策略将所述边缘节点池中所有异常检测类型为通信干扰类型的边缘节点确定为第二边缘节点,以及第二边缘节点对应的物联网设备;获取所述第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备的设备信息,并根据所述节点信息和所述设备信息作为状态表示;通过各第二边缘节点从预设的全局网络中获取网络参数,并根据所述网络参数和各第二边缘节点对应的策略网络从各第二边缘节点的动作空间中选择对应的多个最佳动作;基于所述多个最佳动作更新状态表示,并使用预设的奖励函数计算各最佳动作的奖励值;基于更新后的状态表示和奖励值对对应的策略网络进行更新,并通过多个策略网络的网络参数更新全局网络的网络参数,并返回至通过各第二边缘节点从预设的全局网络中获取网络参数,直至达到预设的迭代条件;当达到预设的迭代条件时,基于预设的全局网络对第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备进行调整。
具体的,节点信息包括:
节点标识符:唯一标识节点的信息,例如节点ID或名称;
节点位置:描述节点所在位置的信息,可以是地理位置坐标或其他位置描述;
节点状态:指示节点当前状态的信息,例如在线/离线状态、运行状态等;
节点资源:描述节点可用资源的信息,如处理器速度、内存大小、存储容量等;
其他特定于网络和应用程序的信息:可能包括网络连接信息、带宽、延迟等。
设备信息包括:
设备标识符:唯一标识设备的信息,例如设备ID或序列号。
设备类型:描述设备类型或类别的信息,例如传感器、执行器、智能设备等。
设备状态:指示设备当前状态的信息,例如开启/关闭状态、正常/异常状态等。
设备属性:描述设备特性和功能的信息,例如传感器类型、数据采集频率等。
设备位置:描述设备所在位置的信息,可以与节点位置关联或独立描述。
在进行最佳动作的选择时,通过将节点信息和设备信息作为状态表示,可能需要对其进行编码或嵌入到一个向量中,以便于算法处理。使用预设的全局网络从各第二边缘节点的动作空间中选择对应的多个最佳动作。这通常涉及到在动作空间中执行某种搜索或优化算法,以找到在当前状态下最优的一组动作。动作可以是一系列参数的组合,用于调整通信策略或其他操作。基于所选的多个最佳动作,更新状态表示,以反映采取这些动作后的新状态。使用预设的奖励函数计算各个最佳动作的奖励值。奖励函数根据***的目标和性能指标来定义,通常鼓励***向着良好的状态演变。基于更新后的状态表示和奖励值,对策略网络进行更新。这可能涉及到使用梯度下降等优化算法来更新网络参数。然后,通过多个策略网络的网络参数更新全局网络的网络参数,以使全局网络能够反映最新的知识和策略。重复以上步骤,直至达到预设的迭代条件,例如达到一定的训练轮次或达到某种性能指标。当达到预设的迭代条件时,可以根据预设的全局网络对第二边缘节点的节点信息和对应的物联网设备进行调整。
在本实施例中,通过基于边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过边缘节点池中的边缘节点对多个物联网设备进行通信服务;通过物联网网关通过边缘节点池采集通信服务过程中各物联网节点之间的通信数据,并进行数据检测,得到通信质量数值;将通信质量数值小于质量阈值的边缘节点对应的通信数据输入异常检测分类模型,得到对应的异常检测类型;选择异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整。本方法法通过准确识别出异常类型,并根据异常类型选择相应的通信调整策略进行自适应调整。提高了物联网***在面对异常情况时的鲁棒性和自适应能力。
上面对本发明实施例中物联网通信方法进行了描述,下面对本发明实施例中物联网通信装置进行描述,请参阅图2,本发明实施例中物联网通信装置一个实施例包括:
请求获取模块201,用于获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
部署模块202,用于基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
检测模块203,用于通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
判断模块204,用于判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
分类模块205,用于若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
调整模块206, 用于选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
本发明实施例中,所述物联网通信装置运行上述物联网通信方法,所述物联网通信装置通过基于边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过边缘节点池中的边缘节点对多个物联网设备进行通信服务;通过物联网网关通过边缘节点池采集通信服务过程中各物联网节点之间的通信数据,并进行数据检测,得到通信质量数值;将通信质量数值小于质量阈值的边缘节点对应的通信数据输入异常检测分类模型,得到对应的异常检测类型;选择异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整。本方法法通过准确识别出异常类型,并根据异常类型选择相应的通信调整策略进行自适应调整。提高了物联网***在面对异常情况时的鲁棒性和自适应能力。
上面图2从模块化功能实体的角度对本发明实施例中的中物联网通信装置进行详细描述,下面从硬件处理的角度对本发明实施例中物联网通信设备进行详细描述。
图3是本发明实施例提供的一种物联网通信设备的结构示意图,该物联网通信设备300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)310(例如,一个或一个以上处理器)和存储器320,一个或一个以上存储应用程序333或数据332的存储介质330(例如一个或一个以上海量存储设备端)。其中,存储器320和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对物联网通信设备300中的一系列指令操作。更进一步地,处理器310可以设置为与存储介质330通信,在物联网通信设备300上执行存储介质330中的一系列指令操作,以实现上述物联网通信方法的步骤。
物联网通信设备300还可以包括一个或一个以上电源340,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口360,和/或,一个或一个以上操作***331,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图3示出的物联网通信设备结构并不构成对本发明提供的物联网通信设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述物联网通信方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***或装置、单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种物联网通信方法,其特征在于,所述物联网通信方法包括:
获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
2.根据权利要求1所述的物联网通信方法,其特征在于,所述基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务包括:
基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并获取各物联网设备之间的通信连接关系;
将两两具备通信邻接关系的物联网设备作为目标物联网设备,并获取所述目标物联网设备的设备数据以及所述边缘节点池中各边缘节点的节点数据;
基于所述设备数据和所述节点数据计算所述边缘节点池中各边缘节点提供所述目标物联网设备进行通信服务的损耗数据和效益数据;
基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务。
3.根据权利要求2所述的物联网通信方法,其特征在于,所述基于所述损耗数据和所述效益数据从所述边缘节点池中选择所述目标物联网设备对应的第一边缘节点,并通过所述第一边缘节点对所述多个物联网设备进行通信服务包括:
获取所述效益数据的效益计算函数和约束条件,并将所述效益计算函数作为目标函数;
对所述边缘节点池中的边缘节点进行粒子群处理,得到各粒子的粒子位置和粒子速度;
基于所述效益计算函数、约束条件、粒子位置、粒子速度和所述损耗数据计算所述粒子群中各粒子的适应度值,并基于所述适应度值重现分配的各粒子的粒子位置和粒子速度进行循环迭代,直至满足预设的终止条件;
当满足预设的终止条件时,根据所述粒子群处理的最优解从所述边缘节点池确定所述目标物联网设备对应的第一边缘节点。
4.根据权利要求1所述的物联网通信方法,其特征在于,所述通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值包括:
通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并将所述通信数据作为通信数据点;
获取所述各物联网节点对应的历史数据点集,并计算所述通信数据点与所述历史数据点集中各历史数据点之间的统计距离;
基于所述统计距离计算对应的物联网设备通过对应的边缘节点进行通信的通信质量数值。
5.根据权利要求1所述的物联网通信方法,其特征在于,所述将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型包括:
将通信质量数值小于于预设的质量阈值的边缘节点对应的通信数据按照对应的存在通信连接关系的物联网设备进行划分,得到第一通信数据和第二通信数据;
将所述第一通信数据和第二通信数据输入预设的异常检测分类模型,其中,所述异常检测分类模型包括输入层、注意力机制层、特征融合层、分类层和输出层;
通过所述输入层对所述第一通信数据和所述第二通信数据进行数据预处理以及特征提取,得到第一数据特征和第二数据特征;
通过所述注意力机制层计算所述第一数据特征和第二数据特征对应的注意力权重向量;
通过所述特征融合层根据所述注意力权重向量对所述第一数据特征和第二数据特征进行特征融合,得到对应的融合特征向量;
通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
6.根据权利要求5所述的物联网通信方法,其特征在于,所述通过所述分类层根据所述融合特征向量进行异常检测分类,得到对应的异常检测类型,并通过所述输出层输出所述异常检测类型包括:
通过所述分类层将所述特征向量线性变换映射至高维特征空间,得到线性变换结果;
通过预设的激活函数对所述线性变换结果进行非线性变换,得到非线性变换结果;
通过所述分类层中的全连接层将所述非线性变换结果映射至对应的异常检测类型,并通过所述输出层输出所述异常检测类型。
7.根据权利要求1所述的物联网通信方法,其特征在于,所述异常检测类型包括通信干扰类型,所述选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整包括:
选择通信干扰类型对应的通信调整策略,并基于所述通信调整策略将所述边缘节点池中所有异常检测类型为通信干扰类型的边缘节点确定为第二边缘节点,以及第二边缘节点对应的物联网设备;
获取所述第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备的设备信息,并根据所述节点信息和所述设备信息作为状态表示;
通过各第二边缘节点从预设的全局网络中获取网络参数,并根据所述网络参数和各第二边缘节点对应的策略网络从各第二边缘节点的动作空间中选择对应的多个最佳动作;
基于所述多个最佳动作更新状态表示,并使用预设的奖励函数计算各最佳动作的奖励值;
基于更新后的状态表示和奖励值对对应的策略网络进行更新,并通过多个策略网络的网络参数更新全局网络的网络参数,并返回至通过各第二边缘节点从预设的全局网络中获取网络参数,直至达到预设的迭代条件;
当达到预设的迭代条件时,基于预设的全局网络对第二边缘节点的节点信息和所述第二边缘节点对应的物联网设备进行调整。
8.一种物联网通信装置,其特征在于,所述物联网通信装置包括:
请求获取模块,用于获取多个物联网设备之间的物联网通信请求,并根据所述物联网通信请求确定对应的边缘节点池范围;
部署模块,用于基于所述边缘节点池范围进行边缘节点部署,构成边缘节点池,并通过所述边缘节点池中的边缘节点对所述多个物联网设备进行通信服务;
检测模块,用于通过预设的物联网网关通过所述边缘节点池采集所述通信服务过程中各物联网节点之间的通信数据,并对所述通信数据进行数据检测,得到各物联网设备通过对应的边缘节点进行通信的通信质量数值;
判断模块,用于判断所述边缘节点池中是否存在通信质量数值是否小于预设的质量阈值的边缘节点;
分类模块,用于若是,则将通信质量数值小于预设的质量阈值的边缘节点对应的通信数据输入预设的异常检测分类模型,得到对应的异常检测类型;
调整模块, 用于选择所述异常检测类型对应的通信调整策略对对应的边缘节点或物联网设备进行调整,直至所述边缘节点池中的边缘节点的通信质量数值不小于所述质量阈值。
9.一种物联网通信设备,其特征在于,所述物联网通信设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述物联网通信设备执行如权利要求1-7中任意一项所述的物联网通信方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任意一项所述物联网通信方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410305756.0A CN117896384B (zh) | 2024-03-18 | 2024-03-18 | 物联网通信方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410305756.0A CN117896384B (zh) | 2024-03-18 | 2024-03-18 | 物联网通信方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117896384A true CN117896384A (zh) | 2024-04-16 |
CN117896384B CN117896384B (zh) | 2024-05-14 |
Family
ID=90647780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410305756.0A Active CN117896384B (zh) | 2024-03-18 | 2024-03-18 | 物联网通信方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117896384B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109347834A (zh) * | 2018-10-24 | 2019-02-15 | 广东工业大学 | 物联网边缘计算环境中异常数据的检测方法、装置及设备 |
CN111694636A (zh) * | 2020-05-11 | 2020-09-22 | 国网江苏省电力有限公司南京供电分公司 | 一种面向边缘网络负载均衡的电力物联网容器迁移方法 |
CN115134403A (zh) * | 2022-08-30 | 2022-09-30 | 深圳市精极工业互联网有限公司 | 一种支持多协议接入的物联网通讯组件管控***及方法 |
CN116502162A (zh) * | 2023-04-11 | 2023-07-28 | 河北工程大学 | 边缘算力网络中的异常算力联邦检测方法、***及介质 |
CN116760884A (zh) * | 2023-08-14 | 2023-09-15 | 海南智慧海事科技有限公司 | 一种海洋大数据云服务***与应用方法 |
CN117119484A (zh) * | 2023-08-04 | 2023-11-24 | 太仓市同维电子有限公司 | 一种智能5g网络通信*** |
CN117201504A (zh) * | 2023-11-08 | 2023-12-08 | 福州高新区熠云科技有限公司 | 一种边缘节点网络数据流向控制方法、***、设备和介质 |
CN117221088A (zh) * | 2023-10-08 | 2023-12-12 | 仙桃职业学院 | 一种计算机网络强度检测***及装置 |
-
2024
- 2024-03-18 CN CN202410305756.0A patent/CN117896384B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109347834A (zh) * | 2018-10-24 | 2019-02-15 | 广东工业大学 | 物联网边缘计算环境中异常数据的检测方法、装置及设备 |
CN111694636A (zh) * | 2020-05-11 | 2020-09-22 | 国网江苏省电力有限公司南京供电分公司 | 一种面向边缘网络负载均衡的电力物联网容器迁移方法 |
CN115134403A (zh) * | 2022-08-30 | 2022-09-30 | 深圳市精极工业互联网有限公司 | 一种支持多协议接入的物联网通讯组件管控***及方法 |
CN116502162A (zh) * | 2023-04-11 | 2023-07-28 | 河北工程大学 | 边缘算力网络中的异常算力联邦检测方法、***及介质 |
CN117119484A (zh) * | 2023-08-04 | 2023-11-24 | 太仓市同维电子有限公司 | 一种智能5g网络通信*** |
CN116760884A (zh) * | 2023-08-14 | 2023-09-15 | 海南智慧海事科技有限公司 | 一种海洋大数据云服务***与应用方法 |
CN117221088A (zh) * | 2023-10-08 | 2023-12-12 | 仙桃职业学院 | 一种计算机网络强度检测***及装置 |
CN117201504A (zh) * | 2023-11-08 | 2023-12-08 | 福州高新区熠云科技有限公司 | 一种边缘节点网络数据流向控制方法、***、设备和介质 |
Non-Patent Citations (4)
Title |
---|
史彦军;韩俏梅;沈卫明;WANG LIHUI;WANG XIANBIN;: "智能制造场景的5G应用展望", 中国机械工程, no. 02 * |
朱友康;乐光学;杨晓慧;刘建生;: "边缘计算迁移研究综述", 电信科学, no. 04, 23 April 2019 (2019-04-23) * |
杨静;辛宇;谢志强;: "面向物联网传感器事件监测的双向反馈***", 计算机学报, no. 03, 15 March 2013 (2013-03-15) * |
王凌等人: "边缘计算资源分配与任务调度优化综述", 《知乎》, 22 November 2021 (2021-11-22) * |
Also Published As
Publication number | Publication date |
---|---|
CN117896384B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287990A (zh) | 一种基于在线学习的边云协同支持向量机的模型优化方法 | |
Wang et al. | A reinforcement learning approach for online service tree placement in edge computing | |
CN117156442A (zh) | 基于5g网络的云数据安全保护方法及*** | |
Ryabko et al. | Graph model of Fog Computing system | |
Kumar et al. | Novel Dynamic Scaling Algorithm for Energy Efficient Cloud Computing. | |
CN117896384B (zh) | 物联网通信方法、装置、设备及存储介质 | |
Ryabko et al. | Graph theory methods for fog computing: A pseudo-random task graph model for evaluating mobile cloud, fog and edge computing systems | |
CN115545198B (zh) | 一种基于深度学习模型的边缘智能协同推断方法及*** | |
Subrahmanyam et al. | Optimizing horizontal scalability in cloud computing using simulated annealing for Internet of Things | |
EP4080789A1 (en) | Enhanced uncertainty management for optical communication systems | |
CN116109058A (zh) | 一种基于深度强化学习的变电站巡视管理方法和装置 | |
EP3729765A1 (en) | System and method for predicting the state changes of network nodes | |
CN115275975A (zh) | 一种光储充电站电力数据匹配度的确定方法及装置 | |
CN114490303A (zh) | 故障根因确定方法、装置和云设备 | |
Xu et al. | Adaptive anomaly detection strategy based on reinforcement learning | |
Martins et al. | Hercules: A context-aware multiple application and multisensor data fusion algorithm | |
Damaševičius et al. | Short time prediction of cloud server round-trip time using a hybrid neuro-fuzzy network | |
CN115776445B (zh) | 面向流量迁移的节点识别方法、装置、设备及存储介质 | |
CN117834455B (zh) | 一种电力物联网数据传输仿真方法和*** | |
Sriramulugari et al. | Exploring mobility and scalability of cloud computing servers using logical regression framework | |
CN117424813B (zh) | 一种用于区块链的节点扩充方法 | |
CN114448839B (zh) | 自适应分布式***压测方法、装置及*** | |
Wang et al. | Efficient resources allocation and computation offloading model for ap-based edge cloud | |
CN117376973B (zh) | 一种区域5g基站容量信息分析处理方法和*** | |
CN116466672B (zh) | 基于人工智能的数据中心机房参数调控方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |