A Survey on Intelligent Computation Offloading and Pricing Strategy in UAV-Enabled MEC Network: Challenges and Research Directions
移动网络运营商（MNO）必须选择如何将移动终端（MD）查询委托给其移动边缘计算（MEC）服务器，以便最大化具有不同延迟需求的已接纳请求的总体益处。无人机和人工智能由于其部署的灵活性、无人机的高机动性和人工智能算法的高效性，可以提高MNO的性能。MD产生的成本与MNO获得的利润之间存在权衡。另一方面，将智能计算卸载到支持UAV的MEC是一种有前途的方式，可以弥合MD有限的处理资源以及用于UAV-MEC网络中的计算卸载的智能算法与即将到来的应用的高计算需求之间的差距。这项研究着眼于一些研究的好处，计算卸载过程中的无人机MEC网络，以及智能模型，用于计算卸载。此外，本文还探讨了几种智能定价技术在不同结构的无人机MEC网络。最后，本文重点介绍了一些重要的开放式研究问题和未来的研究方向，人工智能（AI）在计算卸载和应用智能定价策略的无人机MEC网络。
2022-08-22 cs.DC cs.NI
Scaling Mobile Agent Systems: From Capability Density to Collective Intelligence
Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本文提出通过紧凑基础模型设计与压缩提升单个代理能力密度，并通过通信丰富的多代理协作实现集体智能，以解决移动代理系统的扩展性问题。
2026-04-29 cs.CL cs.DC cs.MA
An Intelligent Prediction System for Mobile Source Localization Using Time Delay Measurements
本文介绍了一种工业物联网中移动源定位的智能预测系统。该智能系统利用时间延迟（TD）测量值对移动源的位置和速度进行联合预测。为了预测机器人的位置和速度，首先设计了松弛半定规划（RSDP）算法，去掉了秩一约束。然而，丢弃秩一约束导致产生次优解。为了提高优化性能，我们进一步提出了罚函数半定规划（PF-SDP）方法，通过引入罚项来获得优化问题的秩一解。在此基础上，提出了一种自适应罚函数半定规划（APF-SDP）算法，通过自适应地选择罚函数系数来避免罚函数过大的问题。我们在仿真环境和真实系统中进行实验，以证明所提出的方法的有效性。仿真结果表明，无论噪声水平是否较大，智能APF-SDP算法的位置和速度估计性能都优于PF-SDP算法。
2020-08-12 cs.NI eess.SP
Under Water Waste Cleaning by Mobile Edge Computing and Intelligent Image Processing Based Robotic Fish
由于水污染是对水下资源的严重威胁，我们致力于保护水下植物和物种的资源，通过清洁水中的不可生物降解的废物。废物可以回收再利用。本文设计的机器鱼主要由光学传感器、摄像模块、活塞模块和无线收发模块组成。通过利用LTE和5G网络架构，鱼将有关水下垃圾的信息存储在最近的移动边缘计算服务器以及集中式云服务器中。最后，当鱼清除水下废物时，它将捕获的定位对象的图像卸载到移动边缘计算服务器或有时卸载到云服务器以做出决定。服务器采用智能图像处理技术和自适应学习过程来做出决定。然而，如果服务器无法做出决定，那么鱼就会利用其光学生物传感器。通过该方案，用于清理任何水体的时间延迟被最小化，并且鱼的废物收集能力被最大化。该技术可以有效地帮助政府或市政人员在没有人工的情况下制造清洁水。
2020-08-31 cs.DC cs.NI eess.SP
Optimizing Intelligent Reflecting Surface-Base Station Association for Mobile Networks
本文研究了一个由多个基站组成的多智能反射面（IRSs）辅助的无线网络，该网络服务于一组移动用户。我们专注于IRS-BS关联问题，其中多个BS相互竞争，以控制有限数量的IRS的相移，以最大限度地提高长期下行链路数据率的相关用户。我们提出了MDLBI，一种基于多智能体深度强化学习的BS-IRS关联方案，该方案优化了BS-IRS关联以及每个IRS与不同BS关联时的相移。MDLBI不需要在BS之间交换信息。仿真结果表明，MDLBI实现了显着的性能改善，是可扩展的大型网络系统。
2021-04-21 cs.NI cs.SY eess.SY
Converged Reconfigurable Intelligent Surface and Mobile Edge Computing for Space Information Networks
空间信息网络（SIN）面临着地面、空中和空间通信一体化的发展，对高速、大容量、无缝数据传输的需求日益增长。然而，这对集成SIN的体系结构设计提出了新的范式。最近，可重构智能表面（RISs）和移动边缘计算（MEC）是最有前途的技术，旨在通过重新配置无线传播环境和卸载来提高通信和计算能力。因此，在SIN中融合RISs和MEC正在成为一种努力，以获得计算和通信的双重好处。在这篇文章中，我们提出了一个RIS辅助协作MEC的SIN架构，并讨论其实现。然后，我们提出了它的潜在好处，主要挑战和可行的应用。随后，我们研究不同的情况下，以评估系统的数据率和延迟。最后，我们总结了在这一研究领域的开放问题的列表。
2021-06-08 cs.NI eess.SP
In-Edge AI: Intelligentizing Mobile Edge Computing, Caching and Communication by Federated Learning
Tianjin University（天津大学）；Huawei Technology（华为技术）；Sun Yat-sen University（中山大学）；Huazhong University of Science and Technology（华中科技大学）
近年来，随着移动通信技术的快速发展，边缘计算理论和技术受到了越来越多的研究者和工程师的关注，它可以有效地将云计算的容量和网络边缘对设备的需求联系起来，从而加速内容交付，提高移动服务质量。为了给边缘系统带来更多的智能，与传统的优化方法相比，在当前深度学习技术的驱动下，我们提出将深度强化学习技术和联邦学习框架与移动边缘系统相结合，优化移动边缘计算、缓存和通信。因此，我们设计了“In-Edge AI”框架，以便智能地利用设备和边缘节点之间的协作来交换学习参数，以便更好地训练和推理模型，从而进行动态系统级优化和应用级增强，同时减少不必要的系统通信负载。“边缘AI”被评估和证明具有接近最优的性能，但相对较低的学习开销，而系统是认知和自适应的移动通信系统。最后，我们讨论了几个相关的挑战和机遇，以揭示“边缘AI”即将到来的充满希望的未来。
2019-07-19 cs.LG cs.NI
Intelligent Reflecting Surface Aided Wireless Energy Transfer and Mobile Edge Computing for Public Transport Vehicles
在即将到来的6 G时代，未来公共交通工具（F-PTV），如公共汽车，火车等，将被设计为满足通勤者的通信需求，这些通勤者将携带众多智能设备（智能手机，电子频段等）。这些电池供电的设备需要频繁充电。由于充电设施在通勤时不容易获得，我们设想F-PTV将通过车载接入点通过无线能量传输（WET）提供车载充电。F-PTV还将在内部涂覆智能反射表面（IRS），将入射无线电波反射到预期设备，以提高接收器的信号强度，用于信息和能量传输。F-PTV还将配备移动边缘计算（MEC）服务器，以实现多种目的，包括减少设备的任务完成延迟和提供车载云服务。MEC服务器卸载还将减轻智能设备处理器的密集任务，以节省电池电量。文中还讨论了F-PTV中IRS辅助的MEC-WET集成模型所面临的挑战。我们提出的模拟，以显示这种模型的有效性F-PTV。
2021-02-17 cs.NI
Admission Control with Reconfigurable Intelligent Surfaces for 6G Mobile Edge Computing
针对6G网络中RIS与MEC增强下的用户准入控制难题，提出基于角度过滤、优先级队列和用户分组的优化框架，在高负载下实现高优先级eURLLC服务超90%准入率。
2025-04-20 cs.NI
Intelligent Sensing Scheduling for Mobile Target Tracking Wireless Sensor Networks
边缘计算已经成为一种有前景的范例，以满足移动目标跟踪无线传感器网络（MTT-WSN）不断增长的计算需求。这种模式可以将时间敏感的任务卸载到汇聚节点，以提高计算效率。然而，这是很难执行动态和关键任务的MTT-WSN网络。此外，由于能量有限，网络无法确保连续跟踪。针对这些问题，提出了一种基于边缘智能（EI）技术的分层目标跟踪结构。该结构集成了移动节点和边缘服务器的计算资源，为实时目标跟踪提供高效的计算能力。在此基础上，提出了一个以系统执行延迟和轨迹预测精度为约束的能量优化模型。此外，我们提出了一个长期的动态资源分配算法，以获得最佳的资源分配解决方案的准确和连续的跟踪。仿真结果表明，我们的算法在系统能耗方面优于深度Q学习14.5%以上。与非合作方案相比，该方案在跟踪精度上也有明显的提高。
2021-08-04 cs.NI
The Interplay of Reconfigurable Intelligent Surfaces and Mobile Edge Computing in Future Wireless Networks: A Win-Win Strategy to 6G
可重构智能表面（RIS）授权通信被认为是第六代（6G）无线网络的使能技术。RIS辅助通信的关键思想是增强现代无线网络的容量、覆盖范围、能源效率、物理层安全性和许多其他方面。与此同时，移动边缘计算（MEC）已经通过将独立云服务器的计算、通信和缓存功能扩展到网络边缘来展示其巨大的潜力。在本文中，我们首先概述了MEC和RIS如何相互受益。我们设想MEC和RIS的集成将为无线网络的未来发展带来前所未有的转变。我们提供了一个系统级的观点，MEC辅助RIS（和RIS辅助MEC），将无线网络向6G发展。我们还概述了一些基本的挑战，涉及到MEC辅助RIS（和RIS辅助MEC）网络的实施。最后，讨论了RIS辅助MEC的关键研究方向。
2021-05-13 cs.ET cs.IT cs.NI
Bandcoin: Using Smart Contracts to Automate Mobile Network Bandwidth Roaming Agreements
我们提出了一种新的方式，使用基于区块链的智能合约在运营商、服务提供商和消费者之间共享移动网络中的许可频谱带宽容量。我们讨论了合同中的基本构建块以及各种扩展，以支持更高级的功能，如批量购买，未来预订和各种拍卖机制。此外，我们还演示了如何使用开源的许可企业区块链Hyperledger Sawtooth来实现该系统。我们表明，我们的智能合约实现可以提高区块链交易性能，与串行交易相比大约提高了四个数量级，与并行交易相比提高了一个数量级，使用PKI驱动的批量购买移动访问权限，为完全自动化，高效和细粒度的漫游协议铺平了道路。
2021-04-06 cs.NI
Mobile Reconfigurable Intelligent Surfaces for NOMA Networks: Federated Learning Approaches
提出了一种新的可重构智能表面（RIS）增强型室内无线网络框架，其中一个RIS安装在机器人上调用，使移动的RIS和提高移动用户的服务质量。同时，采用非正交多址（NOMA）技术以进一步提高频谱效率，因为RISs能够为NOMA提供人工控制的信道条件，这可以被视为获得NOMA增益的有利操作条件。为了优化所有用户的总速率，调用深度确定性策略梯度（DDPG）算法来优化移动RIS的部署和相移以及功率分配策略。为了提高DDPG智能体训练的效率和有效性，采用了联邦学习（FL）的概念，使多个智能体能够同时探索相似的环境并交流经验.我们还证明了在相同的随机探索策略下，FL武装深度强化学习（DRL）代理理论上可以获得与独立代理相比的奖励增益。我们的仿真结果表明，移动RIS方案可以显着优于固定RIS范式，它提供了约三倍的数据率增益相比，固定RIS范式。此外，NOMA方案能够在和速率方面实现与OMA方案相比42%的增益。最后通过多小区仿真验证了FL增强DDPG算法比独立训练框架具有更优的收敛速度和优化性能。
2021-03-20 cs.NI cs.SY eess.SY
Intelligent Detection System framework using Mobile agents
基于移动代理的入侵检测系统框架是一种分层的框架机制，旨在支持异构网络环境，以最佳方式识别入侵者。传统的计算机误用检测技术可以有效地识别已知的攻击，但在其他情况下表现得很差。异常检测具有检测未知攻击的潜力;然而，这是一项非常具有挑战性的任务，因为其目的是在没有任何关于特定入侵的先验知识的情况下检测未知攻击。这项技术仍处于早期阶段。本文的目标是该系统可以检测到异常的用户活动。现有的研究在这一领域集中在用户活动或程序操作，但不是同时在这两个。在本文中，试图同时看两个。基于一个入侵检测框架[1]，实现了一个新的用户异常检测系统，并通过分析用户活动和程序运行活动，在模拟环境中进行了多个入侵检测实验。建议的框架是一个分层的框架，这是为了满足IDS的核心目的，并允许检测入侵尽可能快地与可用的数据使用移动代理。该框架的主要目的是提供安全的网络使用移动代理机制，增加移动功能，以监视来自不同的计算系统的用户进程。实验结果表明，该系统能够有效地检测用户的异常行为。
2010-04-05 cs.CR cs.NI
A First Look at Mobile Intelligence: Architecture, Experimentation and Challenges
人工智能（AI）技术使移动设备成为能够自动学习和行动的智能对象。虽然人工智能将为移动应用程序带来巨大的机会，但很少有工作集中在架构和与云的交互上。本文详细介绍了移动智能的三种体系结构，并介绍了其广阔的应用前景。此外，我们进行了一系列的实验，以评估流行的商业应用程序和智能框架的性能。我们的研究结果表明，体验质量（QoE）的要求和现状之间有很大的差距。到目前为止，我们只看到了冰山一角。我们提出了问题和挑战，以推进移动智能领域，并希望为即将到来的铺平道路。
2018-07-12 cs.CY cs.NI
Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning
College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）；Western University（西安大略大学）；College of Information and Communication Engineering, Sungkyunkwan University（成均馆大学信息与通信工程学院）；University of Hong Kong（香港大学）
针对移动AIGC中提示质量差与静态资源配置低效问题，提出交互式LLM/IRL提示工程及D3PG动态服务供给算法，显著提升生成成功率与用户体验。
2025-02-17 cs.LG cs.NI
Deep Learning-based Intelligent Dual Connectivity for Mobility Management in Dense Network
超密集网络部署已被提出作为实现第五代（5G）移动通信系统中的容量目标的关键技术。然而，较小小区的部署不可避免地导致更频繁的切换，从而使移动性管理更具挑战性，并降低了密集网络部署所提供的容量增益。为了在这样的网络环境中充分收获移动用户的收益，我们提出了一种智能双连接机制，通过基于深度学习的移动性预测进行移动性管理。我们首先使用深度学习算法之一的LSTM（长短期记忆）算法，从每个用户设备（UE）的历史轨迹中学习其移动模式，并预测其未来的移动趋势。基于相应的预测结果，网络将判断UE是否需要切换。对于切换情况，将为相关UE建立双连接。因此，UE可以在切换过程中从两个基站获得无线电信号。仿真结果表明，所提出的智能双连接机制在保证网络能量效率的同时，能够显著提高移动用户在切换过程中的服务质量。
2018-05-30 cs.NI
Energy-Latency Aware Intelligent Reflecting Surface Aided Multi-cell Mobile Edge Computing
本文研究IRS辅助多小区MEC中的能量与时延联合优化问题，提出基于BCD的迭代算法联合优化计算资源、波束成形和IRS相移，并通过数值实验验证其优于基准方案。
2025-06-04 cs.NI
SD-Access: Practical Experiences in Designing and Deploying Software Defined Enterprise Networks
多年来，企业网已变得越来越复杂，试图跟上挑战传统解决方案的新需求。举一个可能的例子，虚拟局域网（Virtual LAN，简称VLAN）等技术很难满足物联网（IoT）用例引入的可扩展性和操作要求。为了应对这些挑战，我们确定了现代企业网中常见的四个主要要求：（i）可扩展的移动性，（ii）端点分段，（iii）简化的管理，以及（iv）资源优化。为了应对这些挑战，我们设计了SDA（软件定义接入），这是一种用于现代企业网的解决方案，利用了软件定义网络（SDN）和其他最先进的技术。本文介绍了SDA的设计、实现和评估。具体而言，SDA：（i）利用覆盖方法与事件驱动协议（LISP）的组合来动态地适应流量和移动性模式，同时保留资源，以及（ii）强制执行动态端点组以实现具有低操作负担的可扩展分段。我们介绍了我们在两个现实场景中部署SDA的经验：企业园区和带有移动机器人的大型仓库。我们的评估表明，SDA，与传统的企业网相比，可以（i）减少整体数据平面转发状态高达70%，由于使用集中式路由服务器的反应式协议，和（ii）减少了一个数量级的切换延迟的情况下，大规模的移动性相对于其他方法。最后，我们讨论了在部署和操作SDA时吸取的经验教训，以及使用事件驱动协议和基于组的分段的可能优化。
2021-02-19 cs.NI
Massive Access of Static and Mobile Users via Reconfigurable Intelligent Surfaces: Protocol Design and Performance Analysis
本文提出了一种由多个可重构智能表面（RISs）辅助的下一代多址接入（NGMA）方案与MAC协议，兼顾静态与移动用户，仿真表明其在系统吞吐量和接入公平性上优于基准并揭示了两者间的权衡关系。
2023-09-12 cs.NI eess.SP
Artificial Intelligence Powered Mobile Networks: From Cognition to Decision
移动网络（MN）有望提供前所未有的机会，以实现一个全新的互联体验世界，并从根本上改变人们与一切事物的交互方式。MN正变得越来越复杂，由日益复杂的配置问题和蓬勃发展的新服务需求驱动。这种复杂性对部署、管理、操作、优化和维护提出了重大挑战，因为它们需要对MN的全面理解和认知。人工智能（Artificial Intelligence，AI）是一种在计算机中模拟智能行为的技术，它在许多应用领域都取得了巨大的成功，这表明了它在认知MN状态和做出智能决策方面的潜力。在本文中，我们首先提出了一个AI驱动的移动网络架构，并讨论了认知复杂性，高维动作空间决策以及自适应系统动态方面的挑战。然后，讨论了与AI相关的潜在解决方案。最后，我们提出了一个深度学习的方法，直接映射MN的状态感知QoS，认知与决策相结合。我们提出的方法可以帮助运营商做出更明智的决策，以保证QoS。同时，我们所提出的方法的有效性和优势，证明了在现实世界的数据集，涉及$31261$用户在$5$天内的$77$站。
2021-12-08 cs.NI
Multiple Criteria Clustering of Mobile Agents in WSN
在无线传感器网络中，成百上千个传感器节点的数据融合是一项非常复杂的任务。最近，移动代理已被提出用于传感器网络中的有效数据分发。在传统的基于客户端/服务器的计算架构中，数据从多个源收集并转发到目的地以进行进一步处理。它需要高带宽，而在移动代理是一个任务特定的可执行代码遍历到相关的源收集数据。它减少了通信开销，降低了成本，带宽低。代理具有为多个应用程序执行任务的能力。它只向目的节点发送有用的信息。问题是将相似的移动代理分组到多个集群中，使得每个集群在响应一组节点时具有相似性。通过对智能移动代理进行聚类，可以减少每个代理的时间成本，减少对网络的一组所需任务的需求，减少总的访问次数。在本文中，我们提出了移动代理（MCCMA）的多标准聚类的问题，其中的决定是集群移动代理，使一组类似的智能移动代理将访问一组类似的传感器节点。
2012-07-13 cs.NI
Maximising the Utility of Enterprise Millimetre-Wave Networks
毫米波（mmWave）技术是满足对超快速无线连接的日益增长的需求的有希望的候选技术，特别是在高端企业网中。非常窄的波束成形是强制性的，以减轻所利用的极高频（EHF）频带特有的严重衰减。同时，这大大减少了干扰，但产生了有问题的通信阻塞。因此，在具有密集部署的毫米波接入点的场景中的客户端关联控制和调度变得特别具有挑战性，而为传统无线网络设计的策略仍然不合适。在本文中，我们制定和解决这些任务的效用最大化问题，在不同的交通制度下，首次在毫米波上下文中。我们指定了一组低复杂度的算法，捕捉独特的终端耳聋和用户需求的限制，同时提供接近最佳的客户端关联和通话时间分配，尽管问题的固有的NP完全性。为了评估我们的解决方案，我们开发了一个NS-3实现的IEEE 802.11ad协议，我们初步60 GHz的信道测量后构建。仿真结果表明，我们的计划提供高达60%的吞吐量相比，常用的信号强度为基础的关联策略的毫米波网络，并优于最近提出的负载均衡为导向的解决方案，因为我们容纳33%以上的客户端在静态和移动场景的需求。
2018-02-01 cs.NI
Intelligent Reflective Surface vs. Mobile Relay-supported NLoS Avoidance in Indoor mmWave Networks
第六代无线通信（6G）被设想为产生用于改善端到端通信性能的各种技术，其中通信被设想为利用毫米波（mmWave）频率和更高频率的无线信号。其中，这些技术包括智能反射表面（IRS）和移动中继（MR），其设想的作用包括减轻非视线（NLoS）连接的负面影响，特别是在毫米波和更高频率下。这些技术背后的核心思想是使用协作网络，其中源向中继器（在这种情况下为IRS或MR）发送信号，该信号在接收时被转发到目的地。当比较这两种技术时，重要的是要认识到IRS主要被设想为附着到环境中的各种对象（例如墙壁和家具）的静态实体。相比之下，MR将具有更高的自由度，因为它们将能够在环境中无缝定位。基于上述假设，我们推导出一种用于确定室内环境中IRS和MR的最佳位置的方法，即，最大化源和目的地之间的端到端链路质量的方法。接下来，我们捕获在室内毫米波通信中IRS和MR支持的NLoS避免的通信质量指标。我们的研究结果表明，从端到端的链路质量的角度来看，MR通常优于IRS，这表明其利用潜力的吞吐量优化的NLoS避免场景。
2022-07-14 cs.ET cs.NI eess.SP
Mobile Edge Intelligence and Computing for the Internet of Vehicles
车联网（IoV）是一种新兴的模式，由车辆通信和网络的最新进展驱动。研究的进步现在可以通过车辆到车辆通信在车辆之间提供可靠的通信链路，以及通过车辆到基础设施通信在车辆和路边基础设施之间提供可靠的通信链路。与此同时，车辆的能力和智能正在迅速增强，这将有可能支持大量新的令人兴奋的应用，这些应用将集成全自动驾驶汽车，物联网（IoT）和环境。这些趋势将带来智能车联网时代，这将严重依赖通信、计算和数据分析技术。为了存储和处理智能车联网产生的大量数据，车载处理和云计算将不足以分别由于资源/功率限制和通信开销/延迟。通过在无线网络边缘部署存储和计算资源，无线接入点，边缘信息系统（EIS），包括边缘缓存，边缘计算和边缘AI，将在未来智能车联网中发挥关键作用。这样的系统将不仅提供低延迟的内容交付和计算服务，而且还提供本地化的数据采集、聚合和处理。本文综述了智能车联网EIS的最新发展。主要设计问题，方法和硬件平台进行了介绍。特别是，说明了智能车辆的典型用例，包括边缘辅助感知，映射和定位。此外，各种开放的研究问题被确定。
2019-06-02 cs.NI eess.SP
Emerging Trends in Intelligent Sensing
IBM Research – Europe（IBM 欧洲研究院）
本文探讨了人工智能、连接设备与高速移动网络推动下，传感器架构向边缘计算转变的趋势，并总结了关键架构与性能指标。
2026-04-24 cond-mat.mtrl-sci cs.NI
Intelligent Throughput-based Sleep Control Algorithm for the 5G Dense Heterogeneous Cellular Networks
在最近的过去，许多移动/电信运营商已经看到了对无处不在的高速无线接入的持续增长的需求以及连接的无线设备的前所未有的增长。因此，我们看到了流量的爆炸性增长和广泛的QoS要求。不同的移动运营商已经开发了第五代（5G）异构蜂窝网络（HetNet），以实现不断增长的海量数据容量，并在吞吐量QoS要求和延迟性能之间进行能量效率保证的权衡。然而，现有的能量效率算法不满足吞吐量QoS要求，诸如关于主导整个移动通信网络的5G无线电接入网络（RAN）的能量消耗的三个组成部分的减少的延迟和分组丢失、更长的电池寿命、可靠性和高数据率。此外，诸如语音和视频的实时业务类型在终端侧需要高计算负载，这对能量/电池寿命具有不期望的影响，这进一步影响吞吐量QoS性能，诸如减少的分组丢失、更长的电池寿命、可靠性和高数据率。因此，本文提出了一种基于智能调度的睡眠控制（ITSC）算法，用于提高5G密集HetNet的吞吐量QoS和能量效率。在所提出的ITSC算法中，使用深度神经网络（DNN）来确定小基站（SBS）的小区容量比。
2023-02-27 cs.NI
iTeleScope: Intelligent Video Telemetry and Classification in Real-Time using Software Defined Networking
视频继续主导着网络流量，但如今的运营商对穿越其域的视频流的数量、持续时间和分辨率的可见性很差。目前的方法是不准确的，昂贵的，或不可扩展的，因为它们依赖于统计采样，中间盒硬件，或数据包检测软件。我们提出了{ \em iTelescope}，这是第一个智能，廉价，可扩展的基于SDN的解决方案，用于实时的【形】识别和分类视频流。我们的解决方案在将动态流规则与遥测和机器学习相结合方面是新颖的，并且是建立在商用OpenFlow交换机和开源软件上的。我们开发了一个功能齐全的系统，在实验室中使用多种机器学习算法对其进行训练，并验证其性能，在识别和分类来自许多提供商（包括Youtube和Netflix）的视频流时，准确率超过95\%。最后，我们进行了测试，以证明其可扩展性，以数万并发流，并部署它生活在校园网服务数百真实用户。我们的系统以极低的成本为企业和运营商网络运营商提供了前所未有的视频流性能的细粒度实时的【形】可见性。
2018-04-26 cs.NI
Quarantining Malicious IoT Devices in Intelligent Sliced Mobile Networks
本文提出一种基于SDN的4G/5G网络架构，通过将可疑物联网节点流量重定向至辅助切片进行深度分析，实现早期威胁检测并限制DDoS攻击损害。
2024-03-28 cs.NI
Intelligent Reflective Surface Deployment in 6G: A Comprehensive Survey
智能反射表面（IRSs）被认为是一种很有前途的技术，可以智能地重新配置无线环境，以提高未来无线网络的性能。然而，由于高度动态和移动的无人机（UAV）使无线环境能够实现更高的容量，IRS的部署仍然面临挑战。本文揭示了不同的部署策略的IRS在未来的陆地和非陆地网络。具体来说，在本文中，我们介绍了关键的理论概念的IRS范式，并讨论了设计方面的IRS在6G网络中的部署。我们还探讨了基于优化的IRS部署技术，以提高系统性能的地面和空中IRS。此外，我们调查无模型强化学习（RL）技术从部署方面，以解决复杂和移动IRS辅助无人机无线系统实现更高容量的挑战。最后，我们强调了IRS部署方面的挑战和未来的研究方向，以提高未来6G网络的系统性能。
2022-11-06 cs.NI eess.SP
Intelligent Emergency Message Broadcasting in VANET Using PSO
车载自组织网络（VANET）是一种新型的移动自组织网络，它的出现为移动自组织网络的研究创造了良好的环境。本研究提出了一种基于粒子群优化的基于竞争的广播（PCBB）协议，用于在一个地理区域内快速有效地传播紧急消息，实现紧急消息的分发和安全系统的实现，有助于VANET系统以智能、高效的方式实现其安全目标。
2014-06-28 cs.NE cs.NI
True-data Testbed for 5G/B5G Intelligent Network
Southeast University（东南大学）；China Information and Communication Technology Group Corporation（中国信息通信科技集团有限公司）；Purple Mountain Laboratories（紫金山实验室）
未来的第五代（B5 G）和第六代（6 G）移动通信将从促进人际通信转向支持万物互联（IoE），其中大数据和人工智能（AI）充分融合的智能通信将在提高网络效率和提供高质量服务方面发挥重要作用。作为一种快速发展的模式，人工智能支持的移动通信需要从真实网络环境中获取大量数据进行系统的测试和验证。为此，我们打造了全球首个5G/B5 G智能网真数据试验床（TTIN），包括5G/B5 G现场实验网、数据采集与数据仓库、AI引擎与网络优化。TTIN具备真实网络数据采集、存储、标准化、分析等功能，实现面向B5 G/6 G关键技术的系统级在线验证，通过闭环控制机制支持数据驱动的网络优化。本文详细阐述了TTIN的系统架构和模块设计。还展示了详细的技术规格和一些已建立的用例。
2021-01-04 cs.AI cs.AR cs.NI
