.png){kind=icon}
返回
Knowledge Learning for Securing Workflow Scheduling Algorithm in Mobile Edge Computing
.png){kind=icon}
OA
AI
DOI：10.1007/s11036-025-02465-6.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
移动边缘计算（MEC）能够将云和物联网（IoT）资源扩展至计算与通信网络的边缘。保守地看，MEC是从物联网/云平台外包以最大化工作流和任务完成能力。然而，由于外包特性，工作流调度和任务完成的安全需求依赖于可信设备选择和高归一化。为满足这些安全需求，本文引入了一种基于知识学习概念的安全工作流调度算法。该算法在多样的分配参数下验证操作设备和故障设备的特征。基于工作流完成延迟，做出新的调度或卸载决策。知识学习提供的决策支持通过分阶段更新保留边缘设备的先前运行状态。调度、分类和卸载阶段定期更新，以最大化设备选择并减少过程中的开销。因此，该整合过程能够适应调度、卸载和工作流完成，而与设备、分配时间和设备选择过程无关。该算法在最大分配率下通过减少设备选择开销12.82%，可靠地将归一化安全性提高了14.17%。
Keyword:
Device selection
Knowledge learning
MEC
Task offloading
Workflow scheduling
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
M
IF:
2
论文数:
38
被引数:
0
机构
引用论文
An electricity price and energy-efficient workflow scheduling in geographically distributed cloud data centers地理分布云数据中心中的电价与节能工作流调度
PREAI
分享收藏Secure-by-design serverless workflows on the Edge-Cloud Continuum through the Osmotic Computing paradigm通过渗透计算范式在边缘云连续体上设计安全的无服务器工作流.png)
INTERNET OF THINGSOAAI
INTERNET OF THINGSIF7.6
OAAI分享收藏An efficient workflow scheduling in cloud-fog computing environment using a hybrid particle whale optimization algorithm基于混合粒子鲸鱼优化算法的云计算-雾计算环境下的高效工作流调度
IF0
PREAI
分享收藏SMWE: A Framework for Secure and Makespan-Oriented Workflow Execution in Serverless ComputingSMWE：一种面向安全性和任务周期优化的无服务器计算工作流执行框架Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Secure workflow scheduling algorithm utilizing hybrid optimization in mobile edge computing environments基于混合优化的移动边缘计算环境下的安全工作流调度算法
PREAI
分享收藏
查看更多内容