.png){kind=icon}
返回
Efficient Resource Allocation in Edge Networks Using Autoencoder-Based Capacity Optimization and SHA-512 Security
.png){kind=icon}
PRE
AI
DOI：10.1109/ICJECE.2025.3635704.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
互联移动设备在密集云网络中的激增需要复杂的框架来优化容量，以确保效率、可靠性和数据安全。本研究探讨了边缘计算环境中用户移动性、动态计算和不断增长的服务需求带来的挑战。我们提出了一种新颖的容量优化算法（COA），该算法利用基于深度自编码器的二进制蝙蝠算法来改善资源分配。该系统使用SHA-512加密哈希函数处理容量请求（CRs），使用户能够无缝访问资源，同时快速检测并撤销对未授权用户的访问。该系统采用一种选择性路由机制，考虑特定服务需求，使其能够优先处理用户需求并最大化资源利用率。服务质量（QoS）的集成确保移动节点获得一致的高质量性能，从而提升用户体验。通过实验评估了该框架的有效性，证明其能够优化吞吐量并减少多节点网络中的干扰。
Keyword:
Resource management
Optimization
Cloud computing
Quality of service
Routing
Heuristic algorithms
Servers
Mobile nodes
Autoencoders
Security
Binary bat algorithm
capacity optimization
deep autoencoder
edge computing
ultradense cloud networks
期刊
I
IF:
1.9
论文数:
42
被引数:
310
机构
暂无机构信息
引用论文
Dynamic Offloading in Mobile Edge Computing With Traffic-Aware Network Slicing and Adaptive TD3 Strategy基于流量感知网络切片和自适应TD3策略的移动边缘计算动态分流
PREAI
分享收藏Secure and Optimized Load Balancing for Multitier IoT and Edge-Cloud Computing Systems为多层IoT和边缘云计算系统提供安全且优化的负载平衡
PREAI
分享收藏Load Optimization Based on Edge Collaboration in Software Defined Ultra-Dense Networks软件定义超密集网络中基于边缘协作的负载优化.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容