Fair Airtime Allocation for Content Dissemination in WiFi-Direct-Based Mobile Social Networks
智能移动设备的广泛渗透提供了一个独特的机会,通过利用短距离无线通信技术(例如WiFi Direct)的功能,使移动社交网络无处不在。在本文中,我们研究了本地内容传播基于WiFi直连的移动社交网络(MSN)。我们提出了一个简单的GO协调传播策略,因为WiFi Direct最初不支持内容传播。由于移动性和短的传输范围,节点的接触时间往往是有限的,因此,他们竞争有限的通话时间来传播自己的数据。因此,需要在节点之间公平分配有限的通话时间。我们专注于公平的内容传播率,这是一个关键的应用层指标,而不是公平的吞吐量或通话时间和制定的分配问题作为一个广义纳什讨价还价的游戏,其中的节点讨价还价的份额有限的通话时间。证明了该博弈存在唯一的最优解,并设计了一个低复杂度的算法来寻找最优解。此外,我们提出了一个详细的调度方法来实现最优解。我们还提出了数值结果来评估纳什讨价还价的分配和调度。
2017-06-12 cs.NI
A Survey on Routing and Data Dissemination in Opportunistic Mobile Social Networks
移动社交网络(MSN)是由具有社交特征的移动用户组成的延迟容忍网络的现代范例。MSN中的用户相互通信以共享数据对象。在这种情况下,人类是移动设备的携带者,因此他们的社会特征,如运动模式,相似性和兴趣可以被利用来设计有效的数据转发算法。在本文中,路由和数据传播的机会主义MSN的上下文中的问题的概述,重点是(1)MSN的特点,(2)人类的移动模型,(3)动态社区发现方法,(4)路由和数据传播协议。首先,MSN的特点,导致移动用户之间的互动模式的曝光进行检查。其次,讨论了人类移动模型的性质,并对最近提出的移动模型进行了综述。第三,研究了社区发现和进化分析算法。然后,国家的最先进的MSN路由和数据传播算法的比较审查,特别注意的关键问题,如上下文感知和用户自私。在文献回顾的基础上,最后讨论了一些重要的开放问题。
2014-06-24 cs.NI cs.SI
Enhancing Vulnerable Road User Safety: A Survey of Existing Practices and Consideration for Using Mobile Devices for V2X Connections
行人、骑自行车者和摩托车者等弱势道路使用者在道路交通环境中面临的风险最高。在全球范围内,超过一半的道路交通死亡是脆弱的道路使用者。尽管从工程解决方案到执法部门都在努力提高VRU的安全性,但VRU的死亡人数仍在继续上升。合作智能运输系统(C-ITS)这一新兴技术已被证明具有通过无线通信在道路使用者之间交换信息来加强道路安全的潜力。这种交换的信息被用于建立情况意识,并提前检测任何潜在的碰撞,以采取必要措施避免任何可能的道路伤亡。然而,目前用于VRU安全的C-ITS的最先进解决方案仅限于单向通信,其中VRU仅负责向驾驶员警告其存在以避免碰撞。这种单向交互实质上限制了C-ITS的巨大潜力,否则C-ITS可以用于为VRU安全设计更有效的解决方案,其中VRU可以配备具有完整C-ITS功能的双向通信。为了解决这些问题,并探讨更好的C-ITS解决方案VRU的建议,本文回顾和评估的VRU安全在2007-2020年期间提出的现有技术和安全方法。随后,它提出了基于蜂窝的车辆到VRU(V2 VRU)通信系统的设计考虑因素,以及基于蜂窝的方法的潜在挑战,以提供必要的建议。
2021-06-30 cs.NI
Privacy-preserving Pseudonym Schemes for Personalized 3D Avatars in Mobile Social Metaverses
针对个性化3D化身由真实面部扫描导致的身份隐私泄露问题,提出基于两层网络与化身假名的保护框架,并通过Stackelberg博弈和DRL优化假名分配。
2024-06-17 cs.NI
Service Discovery and Trust in Mobile Social Network in Proximity
面向服务的邻近移动社交网络(MSNP)允许参与者使用异构平台和设备与公共邻近的陌生人建立新的社交互动。这样的特征在发现延迟和可信度方面面临挑战。在由大量参与者组成的面向公共服务的MSNP环境中,搜索由其他MSNP参与者提供的特定服务的内容请求者将需要检索和处理大量的服务描述元数据(SDM)文件、相关联的语义元数据文件以及识别内容提供方的可信度。在资源受限的移动终端上执行这样的任务可能是耗时的,并且整体发现性能将受到影响并且将导致高延迟。本文分析了MSNP的服务发现模型,并提出了相应的解决方案,以提高MSNP的服务发现性能。本文首先介绍并分析了面向服务的MSNP的基本服务发现模型。后续,我们应用上下文感知的用户偏好预测方案,以提高语义服务发现过程的速度。随后,我们解决了MSNP中的可信性问题,并提出了一个方案,以减少可信服务发现MSNP的延迟。所提出的方案已经过测试和评估MSNP应用程序原型上运行的真实移动设备和MSNP仿真环境。
2015-04-07 cs.NI cs.SI
Bridge the Gap: Measuring and Analyzing Technical Data for Social Trust between Smartphones
移动电话是当今在数量和灵活性方面最相关的通信设备。与大多数移动自组织通信一样,两部手机之间的自组织通信需要设备之间的相互信任。建立这种信任的一种新方法是从技术上可衡量的数据(例如,交互日志)。为了探索社会信任和技术信任之间的关系,我们对超过217名Android用户进行了大规模调查,并分析了他们的匿名通话和消息日志。我们表明,一个可靠的先验信任值的移动系统可以从常见的社会通信指标。
2012-05-14 cs.HC cs.NI cs.SI
Socially-Aware Networking: A Survey
手持设备的广泛普及使移动运营商能够随时随地连接。同时,移动设备的移动模式强烈地依赖于用户的移动,这与他们的社会关系和行为密切相关。因此,今天的移动网络正变得越来越以人为中心。这导致了一个新领域的出现,我们称之为社会感知网络(SAN)。SAN的主要特征之一是社会意识成为网络解决方案设计中不可或缺的信息。这种新兴的范例适用于用户具有社交关系和交互的各种类型的网络(例如,机会网络、移动社交网络、延迟容忍网络、自组织网络等)。通过利用节点的社会属性,SAN可以为创新应用和服务提供更好的网络支持。此外,它还促进了人类社会和网络物理系统的融合。在本文中,第一次,尽我们所知,我们提出了一个调查这一新兴领域。介绍了SAN的基本概念。我们打算在这方面推广广泛使用的社会属性。从路由转发、激励机制和数据分发三个方面对SAN的研究现状进行了综述。讨论了移动社会感知和学习、隐私、节点自私性和可扩展性等方面的一些重要问题。
2013-12-23 cs.NI cs.SI physics.soc-ph
Routing in Mobile Ad-Hoc Networks using Social Tie Strengths and Mobility Plans
我们认为在移动自组织网络(MANET)的路由问题,其中计划的移动性的节点是部分已知的先验和节点旅行组。这种情况通常出现在军事和应急响应场景中。最佳路线的计算使用最可靠的路径原则,其中一个节点对的邻接概率的负对数被用作链路的权重度量。使用移动性计划以及表交换捕获的动态信息来估计该概率,包括节点之间的社会联系强度的度量。当节点偏离其计划或计划不准确时,后一信息是有用的。我们比较了建议的路由算法与常用的优化链路状态路由(OLSR)协议在NS-3模拟。由于OLSR协议不利用移动性计划,因此它依赖于链路状态确定,这会随着移动性的增加而受到影响。我们的模拟结果表明,与OLSR相比,所提出的方法有相当好的吞吐量性能,在增加的开销为代价。然而,在高吞吐量的制度,所提出的方法优于OLSR的吞吐量和开销方面。
2017-05-07 cs.NI
Interest-Aware Delivery for Mobile Social Networks: A TRACE-driven Approach
我们设想未来的移动网络将以人为中心,支持兴趣感知交付,其中兴趣可能基于行为,例如移动模式、位置或Web浏览(或用户简档),例如从属关系、属性或活动。未来网络的一个基本能力将是提供可扩展的组通信的能力。当前的通信范例,包括单播和多播,需要明确识别目的地节点(通过节点ID或组成员协议),而目录服务将逻辑的、特定于兴趣的查询转换为目的地ID,然后使用兴趣无关协议连接各方。这种范例的能力和可扩展性在未来的高度动态的移动社交网络的上下文中是相当有限的,其中在许多场景中期望支持基于兴趣的隐式成员资格。在这种情况下,兴趣组中的成员资格不是由用户明确表达的,而是由网络协议基于行为简档自主推断的。这消除了对第三方的依赖(通过目录查找),不需要显式表达兴趣(或人工干预),并最大限度地减少了对不感兴趣的用户的交付开销。虽然现有类型的社交网络可能会在移动网络的背景下发展,我们提供了一种新的通信模式,大大偏离现有的方法,并随后使质量不同的能力,为未来的服务在移动社会。此外,我们的服务和协议的设计理念开始分析的服务是部署的背景下,不同于大多数现有的无线网络设计通用协议的方法。
2018-12-16 cs.NI cs.SI
Exploiting Social Trust Assisted Reciprocity (STAR) towards Utility-Optimal Socially-aware Crowdsensing
移动群体感知利用普及的移动设备来收集和处理用于各种应用的数据(例如,业务监视、频谱感测)。在这项研究中,社会意识的crowdsensing系统的主张,其中基于云的平台激励移动用户参与感测任务,通过利用用户之间的社会信任,在接收到感测请求。在该系统中,社会信任辅助互惠(STAR)-社会信任和互惠的协同婚姻,被用来设计一个激励机制,刺激用户的参与。在给定用户之间的社会信任结构的情况下,深入研究了STAR算法满足用户感知请求的有效性。具体而言,它首先示出,当且仅当足够的社会信用可以从用户谁请求更多的传感服务比他们可以提供给用户谁可以提供更多的比他们请求的“转移”,所有的请求可以得到满足。然后效用最大化的STAR下的传感服务进行了研究,它可以归结为最大化的组合社交图和请求图中的循环流的效用。相应地,开发了一种算法,迭代地取消剩余图中的正权重的循环,该算法有效地计算最优解,对于可分和不可分的传感服务的情况。大量的仿真结果证实,STAR可以显着优于仅使用社会信任或互惠机制。
2015-08-22 cs.NI
Long-Term Profit-Maximizing Incentive for Crowd Sensing in Mobile Social Networks
人群感知是一种新的模式,它利用配备传感器的移动设备提供感知服务,如法医分析,记录公共空间,以及协作构建统计模型。要达致良好的服务质素,用户的广泛参与是不可或缺的。目前,大多数现有的机制集中在保证良好的服务质量的基础上瞬时广泛的用户参与的人群感知应用。很少有人关注一直致力于最大限度地提高长期服务质量的人群传感应用,由于他们的不对称的利益,偏好,自私的行为,等,为了填补这些空白,在本文中,我们推导出封闭的表达的基础上,在经济学的垄断聚集的边际感知数据质量。此外,我们还设计了基于边际质量的长期人群感知应用激励机制,不仅通过最大化移动用户的预期总利润来提高用户的广泛参与,而且通过应用边际质量来激励移动用户生产高质量的内容。最后,仿真结果表明,我们的机制优于现有的解决方案。
2015-05-25 cs.GT cs.NI cs.SI
Content Retrieval At the Edge: A Social-aware and Named Data Cooperative Framework
近年来,随着移动设备的普及,移动多媒体内容呈现爆炸式增长,占移动数据流量的50%以上。这种显著的增长对未来的蜂窝网络提出了严峻的挑战。作为一个有前途的方法来克服这一挑战,我们提倡在边缘的内容检索,通过设备到设备(D2 D)通信,以减少移动网络中的蜂窝流量的内容为中心的合作服务范例。通过利用命名数据网络(NDN)的原则,我们提出了sNDN,一个社会感知的命名数据框架,以实现高效的合作内容检索。具体地,sNDN通过将用户与她的高移动性相似性和高内容相似性的亲密朋友分组来引入友谊圈。我们构造NDN路由表的条件下的友谊圈相遇频率导航的内容请求和内容回复包之间的友谊圈,并利用友谊圈的社会属性,以寻找最终的目标作为内部友谊圈路由。测试结果表明,sNDN可以大大节省蜂窝网络容量,并明显优于其他内容检索方案。
2016-06-20 cs.NI
A Social Cognitive Heuristic for Adaptive Data Dissemination in Mobile Opportunistic Networks
人们普遍认为,数据将是未来互联网系统的基石之一。在这种情况下,移动互联网(ON)是以自组织和分散的方式支持用户移动设备之间以及用户与附近设备(如IoT节点)之间的本地化交互所生成的数据增长的关键范例之一。在ON中,移动设备之间的自发协作被利用来向感兴趣的用户传播数据。然而,由于每个节点的资源和知识有限,而且数据量巨大,因此很难制定有效的计划来完成这项任务。最近的解决方案建议为每个设备配备源自人类数据处理方案的数据过滤方法,称为认知启发式,即大脑用于快速丢弃无用信息的非常有效的方法,同时保留最相关的信息。当面临动态场景或节点无法完全协作的情况时,这些解决方案可能会变得不那么有效。其中一个原因是,到目前为止提出的解决方案没有考虑到节点移动的环境的社会结构。为了更有效,每个节点在选择信息时应考虑到环境的这一层面。在本文中,我们提出了一种基于认知社交圈启发式的基于社交的数据传播方案。这种评估方法利用社会环境的结构来推断所发现信息的相关性。我们展示了如何社交圈启发式,再加上一个基于认知的社区发现计划,可以利用设计一个有效的数据传播算法ON。我们提供了一个详细的分析所提出的解决方案的性能,通过模拟。
2021-09-30 cs.DC cs.HC cs.MA
Joint Head Selection and Airtime Allocation for Data Dissemination in Mobile Social Networks
移动社交网络(MSN)使具有相似兴趣的人们能够在没有互联网接入的情况下进行交互。通过形成临时组,用户可以利用短距离通信技术将其数据传播给附近的其他感兴趣的用户。然而,由于用户的移动性,同一群组中的用户可用于传播数据的通话时间是有限的。此外,出于实际考虑,期望组中的用户之间的星形网络拓扑。对于前者,用户之间不公平的通话时间分配将削弱他们参与MSN的意愿。对于后者,需要一个组头来连接其他用户。这两个问题必须得到适当的解决,才能真正实现和采用MSN。为此,我们提出了一个纳什讨价还价为基础的联合头选择和通话时间分配方案组内的数据传播。具体而言,首先制定了联合头选择和通话时间分配的讨价还价博弈。然后,纳什讨价还价解决方案(NBS)的优化问题提出了一个同质的情况下,更一般的异构情况下。对于这两种情况,证明了优化问题解的存在性,保证了Pareto最优性和比例公平性。接下来,一个算法,允许分布式实现,连接头的选择和空中时间分配。最后,数值结果进行评估的性能,验证直觉和所提出的计划的见解。
2019-01-08 cs.NI
SHIELD: Social sensing and Help In Emergency using mobiLe Devices
学校和大学校园面临着暴力犯罪的威胁,需要一个现实的计划来应对不可预测的紧急情况和灾难。现有的应急系统(例如,911,校园范围内的警报)是非常有用的,但提供延迟响应(往往几十分钟),不利用邻近或位置。有必要用基于邻近的系统来增强这类系统,以便对预防和威慑犯罪的尝试作出更直接的反应。在本文中,我们提出了盾牌,校园内的紧急救援和警报管理服务。它是一个完全分布式的无基础设施平台,基于邻近的信任和合作。它依赖于本地化的响应,使用蓝牙和/或WiFi在飞行中发送,以实现最小的响应时间和最大的可用性,从而增强了传统的紧急服务概念。对校园犯罪统计数据和WLAN痕迹的分析令人惊讶地显示,校园犯罪统计数据和校园移动用户时空密度分布之间存在很强的正相关性(超过55%)。这一结果为开发此类平台提供了动力,并指出了减少犯罪发生率的希望。我们还展示了一个原型应用程序的实现,在这种情况下使用。
2010-04-25 cs.NI
Social Groups Based Content Caching in Wireless Networks
无线移动流量的空前增长,主要是由于在线社交平台上的多媒体流量,已经使移动回程网络中的资源紧张。减少回程负载的一种有前途的方法是在网络边缘主动缓存内容,同时考虑到覆盖的社交网络。已知的缓存方案需要社交图的完整知识,并且主要集中在一对一交互上,放弃了在“朋友”圈子之间共享内容的流行模式。我们提出宾果,一个积极主动的内容缓存计划,利用在线社交网络中的利益集团的存在。移动网络运营商(MNO)可以基于用户简档和收入数字来选择在选定的网络节点(基站、分组核心、数据中心)处增量地部署Bingo。我们使用可用的用户内容请求日志来近似用户的组成员关系,而无需对覆盖的社交图有任何先验知识。Bingo可以迎合在线社交团体和文件流行度分布的不断变化的性质,以做出缓存决策。我们使用综合生成的组结构和模拟用户请求在基站对传统和最近的缓存方案的经验评估。Bingo在最佳基线上实现了高达30%-34%的增益。
2021-10-07 cs.NI
Performance Modeling of Epidemic Routing in Mobile Social Networks with Emphasis on Scalability
研究了移动社交网络中流行病路由的性能。它首先分析一个节点满足一组限制在特定子区域中移动的节点中的第一个节点所花费的时间。在此基础上,提出了一个单块随机奖励网络(SRN)模型,并考虑了位置访问偏好的倾斜性,对流行病路由下的投递延迟和平均发送次数进行了评估.就节点数量和频繁访问的位置而言,该模型的可扩展性不够。为了获得更高的可扩展性,将折叠技术应用于单片模型,提出了一种近似折叠SRN来评估传染病路由的性能。离散事件仿真被用来验证所提出的模型。两种SRN模型在预测传染病路由性能方面都具有较高的准确性。我们还提出了一个常微分方程(ODE)模型的流行病路由,并比较它与折叠模型。计算结果表明,折叠模型比常微分方程模型更精确。此外,它被证明是由交货时间的传输数量遵循均匀分布,在一般类的网络,其中节点的位置总是独立和同分布。
2020-02-14 cs.NI cs.PF
D2D-LSTM based Prediction of the D2D Diffusion Path in Mobile Social Networks
Tianjin University(天津大学)
近年来,如何扩展数据传输以减少小区数据量和重复小区传输受到越来越多的研究关注。在移动社交网络中,内容流行度预测一直是流量分流和扩大数据传播的重要组成部分。然而,目前主流的内容流行度预测方法仅采用下载量、分享量或用户兴趣分布,没有考虑移动社交网络中重要的时间和地理位置信息,且所有数据均来自OSN,与MSN不同。在这项工作中,我们提出了D2 D长短期记忆(D2 D-LSTM),这是一种基于LSTM的深度神经网络,旨在预测完整的D2 D扩散路径。我们的工作是世界上第一次尝试使用MSN的真实数据来预测符合D2 D结构的深度神经网络的扩散路径。与线性序列网络只学习用户的社交特征而不学习用户的时间分布或GPS分布以及文件的内容特征相比,由于神经网络符合D2 D结构并结合了用户的社交特征和文件特征,因此该模型能够更准确地预测传播路径(高达85.858\%),并且能够更快地达到收敛(小于100步)。此外,我们可以模拟生成D2 D传播树。经过实验和比较,发现它与地面实况树非常相似。最后,我们定义了一个用户原型细化,可以更准确地描述一个原型用户的传播共享习惯(包括内容偏好,时间偏好和地理位置偏好),并通过实验验证了预测时,用户原型添加到1000类,它几乎是相同的50个类别。
2019-09-28 cs.LG cs.NI cs.SI