.png){kind=icon}
返回
Resilient, Secure, and Private Coded Distributed Convolution Computing for Mobile-Assisted Metaverse
.png){kind=icon}
PRE
AI
DOI：10.1109/TMC.2024.3418449.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
Metaverse被认为是为用户提供沉浸式交互体验的下一代互联网。卷积神经网络 (cnn) 在Metaverse中提供强大的沉浸式体验方面发挥着至关重要的作用。然而，由于卷积任务的爆炸性增长，Metaverse在满足不断升级的计算和存储资源需求方面面临挑战，导致性能严重下降。为了解决这些问题，通常采用编码分布式计算 (CDC)。在本文中，我们首先提出了一种高效可靠的移动辅助CDC框架，用于为Metaverse执行大规模CNN训练任务。在这个框架中，各种移动设备充当工人，贡献他们的资源来相互协作以完成卷积运算任务。此外，我们为所提出的框架设计了一种新颖的弹性，安全和私有编码卷积 (RSPCC) 方案。RSPCC方案实现了几个重要的性能。首先，与传统卷积相比，它大大减少了计算延迟。其次，它有效地减轻了流线工人返回结果极其缓慢的不利影响。第三，我们将可验证的计算方法集成到编码/解码过程中，以检查最终计算结果的正确性。第四，PSPCC方案考虑了合谋工人的存在，为输入数据提供了信息理论的隐私保护。最后，实验结果表明，我们提出的RSPCC方案可以显着减少执行时间，同时确保基于CDC的Metaverse框架内计算结果的正确性。
Keyword:
Metaverse
Convolution
Task analysis
Mobile handsets
Distributed computing
Convolutional neural networks
Immersive experience
Coded distributed computing
metaverse
convolution
mobile-assisted
resiliency
security
privacy
stragglers
期刊
IF:
9.2
论文数:
5.9K
被引数:
1.8W
机构
引用论文
Combining TEM and APFIM techniques to study the microstructure of steels and hardmetals.png)
Micron
MicronIF0
PREAI
分享收藏GuidedNet: A General CNN Fusion Framework via High-Resolution Guidance for Hyperspectral Image Super-ResolutionGuidnet: 基于高分辨率指导的高光谱图像超分辨率通用CNN融合框架
OAAI
OAAI分享收藏Privacy-Preserving Ranked Spatial Keyword Query in Mobile Cloud-Assisted Fog Computing移动云辅助雾计算中保护隐私的排序空间关键字查询OAAI
OAAI分享收藏
查看更多内容