.png){kind=icon}
返回
Metaheuristic-Driven Secure Task Optimization for Consumer Edge Devices
.png){kind=icon}
PRE
AI
DOI：10.1109/MCE.2024.3467768.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
消费电子的快速扩张推动了多接入边缘计算（MEC）的迅速发展。这项技术对于物联网（IoT）环境中的数据实时处理至关重要。MEC靠近数据源（包括自动驾驶车辆和IoT传感器）的特点使其能够实现快速处理和降低延迟。然而，这种近距离也使MEC系统面临安全漏洞和复杂的任务分配挑战。本文提出了一种基于元启发式算法的稳健技术，用于保障和优化MEC系统中的任务分配。我们的技术解决了两个问题：有效的任务分发和入侵检测。灵活参数网格搜索（FPGS）技术优化了入侵检测中人工神经网络的性能。深度粒子群优化根据实时网络状况和设备能力动态分配任务，并平衡计算负载。通过使用三个标准数据集进行的全面实验，验证了所提出框架的效率，结果显示系统性能显著提升、延迟降低以及资源利用高效。这些发现表明，元启发式算法和FPGS能够提升MEC的安全性和运行效率，从而支持稳健且高效的IoT应用。
Keyword:
Image edge detection
Intrusion detection
Security
Consumer electronics
Performance evaluation
Cloud computing
Resource management
Servers
Data models
Real-time systems
Multiaccess communication
Metaheuristics
期刊
IF:
4.1
论文数:
1.4K
被引数:
1.8K
机构
引用论文
Hybrid Intrusion Detection System for Edge-Based IIoT Relying on Machine-Learning-Aided Detection基于机器学习辅助检测的边缘IIoT混合入侵检测系统.png)
IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏Testing the Resilience of MEC-Based IoT Applications Against Resource Exhaustion Attacks测试基于MEC的IoT应用程序对资源耗尽攻击的恢复能力
PREAI
分享收藏分享收藏DaaS: Dew Computing as a Service for Intelligent Intrusion Detection in Edge-of-Things EcosystemDaaS: Dew Computing作为边缘生态系统中智能入侵检测的服务
OAAI
OAAI分享收藏
查看更多内容