Reinforcement Learning-based Resource Allocation in Fog RAN for IoT with Heterogeneous Latency Requirements
鉴于物联网（IoT）设备和应用的快速增长，最近已经提出了用于第五代（5G）无线通信的雾无线电接入网络（Fog-RAN），以确保无法适应大延迟的IoT应用的超可靠低延迟通信（URLLC）的要求。因此，雾节点（FN）配备了计算，信号处理和存储功能，以将云的固有操作和服务扩展到边缘。我们考虑顺序分配FN的有限资源的异构延迟要求的物联网应用程序的问题。对于来自IoT用户的每个访问请求，FN需要决定是利用其自己的资源在本地对其进行服务，还是将其提交给云以保存其宝贵的资源用于对系统具有潜在更高效用的未来用户（即，较低的等待时间要求）。我们制定的Fog-RAN资源分配问题的马尔可夫决策过程（MDP）的形式，并采用几个强化学习（RL）的方法，即Q学习，SARSA，预期SARSA和蒙特卡洛，通过学习最佳决策策略来解决MDP问题。我们验证了RL方法的性能和自适应性，并将其与基于固定阈值的算法的性能进行比较。考虑到19个具有异构延迟要求的物联网环境的广泛模拟结果证实，无论物联网环境如何，RL方法总是能够实现最佳性能。
2019-01-15 cs.NI
Survey of Communication Protocols for Internet-of-Things and Related Challenges of Fog and Cloud Computing Integration
物联网（IoT）设备数量的快速增长正在加速对新解决方案的研究，以使云服务具有可扩展性。在这种情况下，雾计算的新概念以及雾到云计算的组合范式对于分散云计算变得至关重要，同时使服务更接近终端系统。本文调查了满足物联网通信要求的应用层通信协议，以及它们在基于雾和云的物联网系统中实施的潜力。为此，本文首先对物联网通信协议的主要特点进行了比较分析，包括请求-应答和订阅-订阅协议。在此之后，本文调查了在系统的每个部分（物联网，雾，云）中广泛采用和实施的协议，从而展开了关于它们的互操作性和更广泛的系统集成的讨论。最后，本文回顾了主要的性能问题，包括延迟，能量消耗和网络吞吐量。该调查预计将有助于系统架构师和协议设计师在集成的物联网到雾到云系统架构中选择通信协议。
2019-02-27 cs.NI
Virtual Sensor Middleware: Managing IoT Data for the Fog-Cloud Platform
本文介绍了虚拟传感器中间件（VSM），它有助于分布式传感器数据处理的多个雾节点。VSM使用虚拟传感器作为中间件的核心组件。虚拟传感器概念经过重新设计，以支持传感器/设备虚拟化之外的功能，例如部署一组虚拟传感器来表示物联网应用程序和跨多个雾节点的分布式传感器数据处理。此外，虚拟传感器处理物联网设备的异构性和使用不同适配器与物联网设备和底层协议通信的各种通信协议。VSM使用了一种定制-订阅设计模式，允许虚拟传感器从其他虚拟传感器接收数据，以实现无缝的传感器数据消费，而无需在虚拟传感器之间进行紧密集成，从而减少了应用程序开发工作。此外，VSM增强了虚拟传感器的设计，增加了支持动态环境中数据共享的组件，在动态环境中，数据接收者可能会随着时间的推移而变化，需要进行数据聚合，并且处理丢失的数据对于应用程序至关重要。
2022-10-18 cs.NI
Dense Moving Fog for Intelligent IoT: Key Challenges and Opportunities
本文提出面向高速移动智能物联网设备的密集移动雾愿景，梳理其使能技术、挑战与机遇，并通过网联自动驾驶车队用例验证协作密集雾的性能收益。
2018-12-20 cs.NI
YAFS: A simulator for IoT scenarios in fog computing
我们提出了一个雾计算模拟器分析的设计和部署的应用程序，通过定制和动态的战略。我们通过复杂网络理论对部署的应用程序、网络连接和基础设施特性之间的关系进行建模，从而实现在动态和可定制的策略中集成拓扑措施，例如应用程序模块的放置、工作负载位置以及服务的路径路由和调度。我们提出了一个比较分析的效率和收敛的结果，我们的模拟器与最引用的实体，iFogSim。为了突出YAFS的功能，我们模拟三种情况下，据我们所知，不能实现与当前的雾模拟器：动态分配的新的应用程序模块，动态故障的网络节点和用户的移动性沿拓扑结构。
2019-02-04 cs.NI
An Optimal Relay Scheme for Outage Minimization in Fog-based Internet-of-Things (IoT) Networks
雾设备开始在物联网（IoT）生态系统中中继数据和服务方面发挥关键作用。这些中继可以是静态的或移动的，后者通过仔细的中继移动性设计提供了一个新的自由度，以提高性能。除此之外，节能一直是物联网网络中的一个普遍问题，设备受到功率约束，需要最佳的功率控制机制。在本文中，我们考虑了一种基于多层雾的物联网架构，其中移动/静态雾节点充当放大和转发中继，将从传感器节点接收的信息传输到更高层次放置的静态雾设备，该设备提供一些本地化服务。通过联合优化雾中继的移动模式和发射功率，有效地最小化所提出的场景的中断概率。推导了系统中断概率的解析表达式。此外，由于制定的问题的棘手性和非凸性，我们采用了基于最速下降法的迭代算法，以达到一个理想的目标。仿真结果表明，与固定位置和固定功率（FLFP）方案相比，优化位置固定功率（OLFP）方案的中断概率提高了62.7%，优化功率固定位置（OPFL）方案提高了79.3%，优化位置优化功率（OLOP）方案提高了94.2%（即，没有优化）。最后，我们提出了一个最佳的中继选择策略，选择一个合适的中继节点从随机分布的中继候选人。
2021-06-01 cs.NI
Impact of Distributed Processing on Power Consumption for IoT Based Surveillance Applications
随着物联网（IoT）中连接设备的快速增长，集中式云解决方案面临着诸多挑战，其中，将能源效率置于研究议程的首位是压倒性的共识。在本文中，我们评估了在物联网平台中，由雾和云基础设施支持的异构处理资源的需求拆分的影响。我们开发了一个混合线性规划（MILP）模型来研究在物联网节点，雾设备和云服务器之间划分资源密集型需求的收益。被认为是一个监控应用程序，它由多个智能摄像头能够捕捉和分析实时视频流。PON接入网络聚合物联网层需求，以便在雾中处理，或通过IP/WDM网络访问的云。对于典型的视频分析工作负载，结果表明，将中等需求大小的物联网和雾资源分开，即使它们只能承载总工作负载的10%，总功耗也可节省高达32%，与集中式云解决方案相比，这可以达到93%的需求数量。然而，来自分裂的功率节省的增益随着分裂数目的增加而降低。关键词：物联网监控，PON，能效，雾，分布式处理。
2019-03-31 cs.NI
Fog Computing for Sustainable Smart Cities: A Survey
物联网（IoT）旨在将数十亿个智能物体连接到互联网上，这可以为智慧城市带来充满希望的未来。这些对象预计将生成大量数据并将数据发送到云进行进一步处理，特别是用于知识发现，以便可以采取适当的行动。然而，在现实中，感测由智能对象捕获的所有可能的数据项，然后将完整的捕获数据发送到云是不太有用的。此外，这种方法还将导致资源浪费（例如，网络、存储等）。已经提出了雾（边缘）计算范式，通过将使用数据分析的知识发现过程推向边缘来应对弱点。然而，边缘设备具有有限的计算能力。由于固有的优势和弱点，云计算和雾计算范式都不能单独解决这些挑战。因此，这两种模式需要共同努力，为智慧城市构建可持续的物联网基础设施。在本文中，我们回顾了现有的方法，已经提出了解决雾计算领域的挑战。具体来说，我们描述了雾计算的几个鼓舞人心的用例场景，确定了雾计算的十个关键特征和共同特征，并比较了该领域现有的30多个研究成果。基于我们的回顾，我们进一步确定了理想的雾计算平台应该支持的几个主要功能以及实现它们的一些开放挑战，从而为实现雾计算以建设可持续的智慧城市提供了未来的研究方向。
2017-03-21 cs.NI
Algorithms for Computing in Fog Systems: principles, algorithms, and Challenges
雾计算是一种架构，用于将计算、存储和内存等资源分布到更靠近最终用户的位置，以改善应用和服务部署。雾计算背后的想法是通过降低计算能力、网络带宽和延迟以及存储需求来改善云计算和物联网基础设施。本文概述了雾计算是什么，相关概念，用于改进雾计算基础设施的算法以及存在的挑战。本文表明，使用雾计算来支持云和物联网系统具有很大的优势。
2020-06-01 cs.NI
All One Needs to Know about Fog Computing and Related Edge Computing Paradigms: A Complete Survey
随着物联网（IoT）成为我们日常生活和环境的一部分，我们预计连接设备的数量将快速增长。物联网预计将连接数十亿设备和人类，为我们带来有前途的优势。随着这种增长，雾计算及其相关的边缘计算范式，如多访问边缘计算（MEC）和云，被视为处理物联网产生的大量安全关键和时间敏感数据的有前途的解决方案。在本文中，我们首先提供了一个关于雾计算及其相关计算范式的教程，包括它们的相似性和差异性。接下来，我们提供了雾计算的研究主题的分类，并通过全面的调查，我们总结和分类雾计算及其相关的计算范式的努力。最后，我们提供了雾计算研究的挑战和未来的方向。
2019-02-13 cs.NI
The Power of Internet of Things (IoT): Connecting the Dots with Cloud, Edge, and Fog Computing
本综述全面探讨了物联网与云计算、雾计算和边缘计算三种架构的集成，分析了各自的应用、优势与局限，并指出了未解决的问题与未来研究方向。
2023-09-07 cs.DC cs.NI
A distributed routing protocol for sending data from things to the cloud leveraging fog technology in the large-scale IoT ecosystem
提出一种基于雾计算的分布式路由协议，通过多标准簇头选择和平衡树分层传输，降低能耗和延迟，提升网络寿命。
2026-05-28 cs.NI
Fog Computing on Constrained Devices: Paving the Way for the Future IoT
从长远来看，物联网（IoT）有望成为人们日常生活中不可或缺的一部分。鉴于这种技术进步，越来越多的具有有限硬件的对象可以连接到互联网。在本章中，我们将探讨这些受限设备的重要性，以及如何将它们与雾计算结合使用，以改变物联网的未来。首先，我们概述了受限设备、物联网以及雾和雾计算的概念，然后我们根据应用程序所需的资源量（例如，处理能力和存储器）。在此之后，我们将这些主题与讨论未来可以预期的内容联系起来，在未来，受限设备和雾计算被用来将物联网推向新的极限。最后，我们讨论了这些技术可能带来的挑战和机遇。
2020-03-04 cs.CY cs.NI
FogGrid: Leveraging Fog Computing for Enhanced Smart Grid Network
本手稿集中在雾计算的智能电网网络，包括一个分布式发电系统称为微电网的应用。它解决了智能电网的特点和优势。讨论了基于共享信息资源的按需处理的两种计算方法。雾计算作为计算和/或通信节点的附加层，在处理大量数据的同时将云后端从多任务中卸载。比较了雾计算和云计算分层体系结构在资源利用效率方面的差异。为了缓解雾计算的优势，提出了一种基于Intel Edison的雾计算框架。所提出的架构已硬件实现的微电网系统。所获得的结果显示了雾计算在低功耗、降低存储需求和覆盖分析能力方面对智能电网网络的功效。
2017-12-27 cs.DC cs.NI
A Scalable IoT-Fog Framework for Urban Sound Sensing
物联网（IoT）是一个相互关联的设备系统，可用于大规模收集和分析数据。然而，随着它的发展，物联网网络无法管理来自这些服务的数据。因此，引入了云计算来解决物联网网络对中间件的需求。随着技术的发展，对支持和管理人群感知和实时数据的适当方法的需求增加，云服务器再也无法跟上大量传入数据的速度。这种需求导致了雾计算的兴起。它成为云的扩展，并允许在网络上有效地分配资源。它与物联网的集成减少了对云服务器的压力。然而，终端设备的高功耗和数据管理约束的问题浮出水面。本文提出了两种方法来缓解这些问题，以保持雾计算仍然是物联网相关应用的可靠选择。我们创建了一个基于物联网的感知框架，该框架使用了城市声音分类模型。通过活动的低功率和高功率状态以及资源重新分配，我们创建了网络配置。我们针对使用默认雾和云设置的物联网框架测试了此配置。结果改善了框架的终端设备功耗和服务器延迟。总的来说，通过所提出的框架，雾计算被证明能够支持用于城市声音感知的可扩展物联网框架。
2020-02-04 cs.NI cs.SY eess.SY
Hierarchical Fog-Cloud Computing for IoT Systems: A Computation Offloading Game
雾计算在网络边缘提供低延迟计算服务，是新兴物联网（IoT）系统的推动者。在本文中，我们研究了雾计算资源的物联网用户在一个分层的计算范式，包括雾和远程云计算服务的分配。我们制定了一个计算卸载游戏来模拟物联网用户之间的竞争，并有效地分配雾节点的有限处理能力。每个用户的目标是最大化其自身的体验质量（QoE），这反映了其在计算能量和延迟的减少方面对使用计算服务的满意度。利用潜在的博弈方法，我们证明了一个纯纳什均衡的存在性，并提供了一个上限的无政府代价。由于达到均衡的时间复杂度随着用户数量的增加而呈指数级增加，因此我们进一步提出了一种接近最优的资源分配机制，并证明了在具有$N$ IoT用户的系统中，它可以在$O(N/ε)$时间内实现$ε$ -纳什均衡。通过数值研究，我们评估用户的QoE以及均衡效率。我们的研究结果表明，通过利用所提出的机制，更多的用户受益于计算服务相比，现有的卸载机制。我们进一步表明，我们提出的机制显着降低了计算延迟，并为延迟敏感的物联网应用提供低延迟雾计算服务。
2017-10-17 cs.DC cs.GT cs.NI
Joint Latency-Energy Minimization for Fog-Assisted Wireless IoT Networks
针对多设备向雾节点并行卸载任务的场景，提出在无线与计算约束下联合最小时延和能耗的资源分配方法，利用Tchebyshev定理、Nash议价与块坐标下降求得唯一合作NE并验证有效性。
2023-06-29 cs.GT cs.NI
SPATO: A Student Project Allocation Based Task Offloading in IoT-Fog Systems
物联网（IoT）设备高度依赖云系统来满足其存储和计算需求。然而，由于云服务器的远程位置，物联网设备经常遭受间歇性广域网（WAN）延迟，这使得延迟关键型物联网应用程序的执行变得不可想象。为了克服这个问题，服务提供商（SP）通常在网络边缘部署多个雾节点（FN），这有助于执行从IoT设备卸载的计算，并改善用户体验。由于FN的资源有限，因此将物联网服务与FN相匹配，同时从最终用户的角度确保最小的延迟和能量，并从SP的角度最大化收入和满足最后期限的任务是具有挑战性的。因此，在本文中，我们提出了一个学生项目分配（SPA）为基础的有效的任务卸载策略SPATO，考虑到不同的利益相关者的关键参数。仿真结果表明，SPATO算法在保证99.3%的任务在截止期内完成的情况下，可使负载能量和延迟分别降低29%和40%，收益提高25%。
2021-05-22 cs.GT cs.NI
Security Implications of Fog Computing on the Internet of Things
最近，物联网设备和传感器的使用迅速增加，这也导致数据生成（信息和日志），带宽使用和相关现象增加。据我们所知，雾计算与物联网集成的标准定义正在形成。这种整合将为研究人员带来许多机会，特别是在构建网络安全相关解决方案时。在这项研究中，我们调查了雾计算与物联网的集成及其影响。我们的目标是找出并强调问题，特别是物联网使用雾计算时出现的安全相关问题。根据我们的研究结果，虽然这种整合似乎是不平凡的和复杂的，它有更多的好处比的影响。
2018-09-27 cs.CR cs.NI
Energy Efficient Service Placement for IoT Networks
本研究针对IoT网络能源效率问题，分析结合雾计算与云计算的分层架构，发现不同雾层在不同请求量下表现各异，提出实施动态服务放置策略以提升整体能效。
2024-04-25 cs.NI eess.SP
QoE Based Revenue Maximizing Dynamic Resource Allocation and Pricing for Fog-Enabled Mission-Critical IoT Applications
雾计算正在成为物联网（IoT）应用的重要组成部分，充当其计算引擎。任务关键型物联网应用程序对延迟高度敏感，这取决于云服务器的物理位置。云服务提供商（CSP）可以使用不同响应速率的雾节点，并且它面临着将顺序接收的物联网数据转发到其中一个雾节点进行处理的挑战。由于请求的到达时间和性质是随机的，因此重要的是实时地对请求进行最佳分类，并在雾节点处分配可用的虚拟机实例（VMI），以向用户提供高QoE，从而为CSP产生更高的收入。在本文中，我们使用的定价策略的基础上的QoE的应用程序作为分配的结果，并获得一个最佳的动态分配规则的基础上的统计信息的计算请求。所开发的解决方案是统计上最优的，动态的，并在实时实施，而不是在文献中的其他静态匹配方案。所提出的框架的性能进行了评估，使用模拟和结果表明，与基准计划相比，显着改善。
2020-06-02 cs.NI cs.SY eess.SY
A Paradigm For Collaborative Pervasive Fog Computing Ecosystems at the Network Edge
本文研究网络边缘的雾到雾（f2f）合作范式，通过连续时间马尔可夫链模型将多节点合作转化为优化问题，证明其优于传统三层雾计算。
2024-04-17 cs.NI
Serving Graph Neural Networks With Distributed Fog Servers For Smart IoT Services
Sun Yat-sen University（中山大学）
本文提出分布式实时GNN推理框架Fograph，利用多雾节点异构资源与GNN特定压缩技术，解决云端服务通信开销大的问题，实现最高5.39倍执行加速和6.84倍吞吐量提升。
2023-07-04 cs.AI cs.DC cs.LG
QoS-aware Dynamic Fog Service Provisioning
物联网（IoT）、大数据和机器学习领域的最新进展促成了越来越多复杂应用的兴起。随着智能设备在我们的日常生活中越来越普遍，这些应用程序将是数据密集型，延迟敏感型和实时的。必须确保延迟敏感型应用程序的服务质量（QoS），而雾计算被视为满足此类严格QoS要求的主要推动因素之一，因为它使计算、存储和网络资源更接近用户。在本文中，我们首先介绍了FogPlan，一个QoS感知的动态雾服务提供（QDFSP）的框架。QDFSP关注的是在雾节点上动态部署应用服务，或者释放先前部署在雾节点上的应用服务，以满足应用的低延迟和QoS要求，同时最小化成本。FogPlan框架是实用的，并且在没有任何假设和关于物联网节点的最少信息的情况下运行。接下来，我们提出了一个可能的配方（作为一个优化问题）和两个有效的贪心算法在一个时刻解决QDFSP。最后，FogPlan框架进行评估，使用基于现实世界的交通轨迹的模拟。
2019-01-26 cs.NI
Public Key Reinforced Blockchain Platform for Fog-IoT Network System Administration
在过去的十年中，连接到无线网络的嵌入式设备的数量一直在增长。这种交互创建了一个物联网（IoT）设备网络，其中数据不断传输。随着设备的增加以及网络通过雾计算扩展的需求，我们拥有了基于雾的物联网网络。然而，随着更多端点的引入，网络变得对恶意攻击者开放。这项工作试图通过创建一个平台来保护基于雾的物联网网络，该平台通过公钥加密来保护端点。允许服务器屏蔽网络内共享的数据包。为了能够跟踪所有的加密过程，我们使用了许可区块链。该技术通过提供不可变和自动化的数据结构来完成安全层，以充当网络的超级分类账。每个数据事务都使用一对公钥来合并握手机制。这种设计保证了只有通过密钥具有适当访问权限的设备才能使用网络。因此，管理变得方便和安全。该平台的实现是通过无线服务器-客户端架构来模拟设备之间的数据交易。进行的定性测试提供了对网络安全级别的深入可行性调查。结果表明，该设计的有效性，作为一种手段，加强对端点攻击的网络。
2021-08-11 cs.CR cs.NI
Federated Learning and Blockchain-enabled Fog-IoT Platform for Wearables in Predictive Healthcare
University of Guelph（圭尔夫大学）；University of Toronto（多伦多大学）
多年来，可穿戴物联网（IoT）设备在多种医疗保健服务中的普及和使用正在增加。受益于这些设备的使用的服务之一是预测分析，这可以改善电子保健的早期诊断。然而，由于可穿戴物联网设备的局限性，数据隐私，服务完整性和网络结构适应性方面的挑战出现了。为了解决这些问题，我们提出了一个在雾物联网网络中使用联邦学习和私有区块链技术的平台。这些技术具有隐私保护功能，可以保护网络内的数据。我们利用雾物联网网络的分布式结构为可穿戴物联网设备创建自适应网络。我们设计了一个测试平台，以检查所提出的平台的能力，以保持分类器的完整性。根据实验结果，所介绍的实现可以有效地保护病人的隐私和预测服务的完整性。我们进一步研究了其他技术对物联网网络安全性和适应性的贡献。总的来说，我们通过分析、模拟和实验证明了我们的平台在解决可穿戴物联网设备在预测性医疗保健中的重大安全和隐私挑战方面的可行性。
2023-01-11 cs.CR cs.LG cs.NI
Fog Assisted Cloud Models for Smart Grid Architectures- Comparison Study and Optimal Deployment
云计算（CC）是满足现代智能电网（SG）存储和计算需求的关键驱动力。然而，由于网关中心部署在集中和遥远的偏远地区，因此无法保证SG服务的体验质量（QoE）属性，即延迟、带宽、能耗和网络成本。雾计算（FC）将处理能力扩展到网络边缘，为SG的关键任务需求提供位置感知、低延迟和延迟敏感的分析。在这项工作中，我们首先检查了基于云的SG架构的当前状态，并强调了采用FC作为可持续和实时SG分析技术推动者的动机。然后，我们提出了一个分层的FC架构，以支持大量的物联网设备集成到未来的SG。根据这种架构，我们提出了一个成本优化框架，共同调查数据消费者关联，工作负载分布，虚拟机的放置和QoS约束，以实现可行的部署FC模型在SG网络。制定MINLP问题，然后使用改进的差分进化（MDE）算法求解。根据真实世界参数对所提出的框架进行的综合评估表明，对于近50%的应用程序请求实时服务的基础设施，雾计算的整体服务延迟几乎减少到通用云范式的一半。还观察到，雾辅助云框架将纯云计算范例的聚合电力消耗降低了40%以上。
2018-05-14 cs.NI
Service-based Fog architecture without DNS redirection
物联网（IoT）的异构和分布式特性推动了5/5+G架构及更高架构中对极快速和细粒度服务配置的需求。为了满足这些需求，关键是实现高效灵活的计算和网络结构，这些结构可以快速重新配置以满足手头的计算和通信任务。在本文中，我们提出了一种新颖的雾计算架构，将物联网通信转换为服务交易，通过快速高效的网络结构进行配置。服务匹配由网络功能提供，该网络功能使用信息中心网络（ICN）研究的原则设计，将边缘请求直接路由到最近的服务点，而无需昂贵且缓慢的DNS重定向。所提出的雾基板降低了网络的复杂性和开销，同时架构简单。我们评估的架构，通过比较如何雾可能建立在现有的网络结构和量化的性能优势。评估结果表明，所提出的架构在减少所需的回程容量和路径长度的优越性。
2018-03-02 cs.NI
Green Offloading in Fog-Assisted IoT Systems: An Online Perspective Integrating Learning and Control
School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院）
在雾辅助物联网系统中，通常的做法是将任务从物联网设备卸载到其附近的雾节点，以减少任务处理延迟和能耗。然而，在线节能方案的设计仍然是一个开放的问题，因为各种不确定性的系统动力学，如处理能力和传输速率。此外，决策过程受到雾节点和物联网设备资源限制的约束，使设计更加复杂。在本文中，我们制定这样的任务卸载问题与未知的系统动力学作为一个组合的多臂强盗（CMAB）问题的长期约束的时间平均能耗。通过在线学习和在线控制的有效结合，我们提出了一个\textit{Learning-Aided Green Offloading}（LAGO）计划。在LAGO中，我们采用强盗学习方法来处理开发探索权衡，并利用虚拟队列技术来处理长期约束。我们的理论分析表明，LAGO可以减少平均任务延迟与一个可调的次线性遗憾界在有限的时间范围内，并满足长期的时间平均能量约束。我们进行了大量的模拟来验证这些理论结果。
2020-08-01 cs.AI cs.NI eess.SP
Cutting Throughput on the Edge:App-Aware Placement in Fog Computing
雾计算将云计算技术扩展到基础设施的边缘，使物联网应用能够以更低的延迟、位置感知和动态计算访问对象的数据。通过将工作负载从中央云转移到边缘设备，雾计算克服了通信瓶颈，避免了原始数据传输到中央云，从而为下一代基于物联网的应用铺平了道路。在本文中，我们研究了雾计算中应用程序的调度和放置，这是确保相关利益相关者盈利的关键。我们考虑一个场景，其中新兴的微服务架构允许将应用程序设计为耦合微服务模块的级联。它导致一个混合整数非线性问题，涉及应用程序数据流和计算布局的约束。由于原问题的复杂性，我们诉诸于一个简化的版本，这是进一步解决使用贪心算法。该算法是基于现有虚拟化技术的雾计算平台FogAtlas平台的核心布局逻辑。大量的数值结果验证了模型和所提出的解决方案的可扩展性，显示它达到接近最优解决方案的性能，在我们的实际实施中，它的规模以及服务的应用程序的数量。
2018-10-10 cs.NI
Fog-Assisted wIoT: A Smart Fog Gateway for End-to-End Analytics in Wearable Internet of Things
如今，可穿戴物联网（wIoT）设备以惊人的速度不断涌入云数据中心。这增加了对部署边缘基础设施的需求，以便在用户附近进行计算，智能和存储。雾计算的新兴范式可以发挥重要作用，使wIoT更加高效和负担得起。雾计算被称为地面上的云。本文提出了一种端到端架构，该架构执行数据调节和智能过滤，以从可穿戴数据生成智能分析。在wIoT中，可穿戴传感器设备在一端提供服务，而云后端在另一端提供服务。我们使用Intel Edison和Raspberry Pi开发了一个智能雾网关原型（中间层）。我们讨论了智能雾网关在协调数据调节、智能过滤、智能分析以及选择性地传输到云端以进行长期存储和时间变化监控过程中的作用。我们根据智能电子纺织手套的真实数据对开发原型的性能进行了基准测试。结果证明了所提出的架构的可用性和潜力，用于将真实世界的数据转换为有用的分析，同时利用基于知识的模型。通过这种方式，智能雾网关增强了可穿戴设备（传感器设备）与云之间的端到端交互。
2017-01-25 cs.CY cs.DC cs.NI
Fog Computing: Focusing on Mobile Users at the Edge
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-30 cs.NI
PORA: Predictive Offloading and Resource Allocation in Dynamic Fog Computing Systems
在多层雾计算系统中，为了加速实时物联网应用的计算密集型任务的处理，资源有限的物联网设备可以将其部分工作负载卸载到附近的雾节点，然后这些工作负载可以卸载到具有更大计算能力的上层雾节点。这种分层卸载虽然有望缩短处理时延，但也可能引起无线传输的过度功耗和时延。随着各种系统动态的时间变化，这种权衡使得进行有效和在线卸载决策变得相当具有挑战性。与此同时，雾计算系统的预测卸载的根本好处仍然没有得到探索。在本文中，我们专注于在多层雾计算系统的流量预测的动态卸载和资源分配的问题。通过将该问题转化为一个随机网络优化问题，我们的目标是在保证系统所有队列稳定的情况下，最小化系统的时间平均功耗。我们利用独特的问题结构，并提出PORA，一个有效的和分布式的预测卸载和资源分配计划的多层雾计算系统。我们的理论分析和仿真结果表明，PORA招致近最优的功耗与队列稳定性保证。此外，PORA仅需要中等价值的预测信息来实现显著的延迟减少，即使有预测误差。
2020-12-15 cs.NI
EdgeLinker: Practical Blockchain-based Framework for Healthcare Fog Applications to Enhance Security in Edge-IoT Data Communications
本文提出EdgeLinker框架，结合权威证明共识、以太坊智能合约与密码算法，保障医疗雾应用中边缘IoT设备与雾层间的安全通信，在读写吞吐量、读取时间及能耗上显著优于现有技术。
2024-08-28 cs.DC cs.NI
Fog-Based Detection for Random-Access IoT Networks with Per-Measurement Preambles
物联网（IoT）系统可以被部署为监测空间分布的兴趣量（QoI），诸如噪声或污染水平。本文考虑了一个基于雾的物联网网络，其中主动物联网设备将所监测的QoS的测量结果传输到本地边缘节点（EN），而EN通过有限容量的前传链路连接到云处理器。虽然常规方法使用可识别码作为用于预留通信资源的元数据，但是这里我们考虑将可识别码直接分配给跨所有设备的测量级别。由此产生的基于类型的多址接入（TBMA）协议，使有效的远程检测的QoS，而不是个人的有效载荷。边缘和基于云的检测或假设检验的性能是根据误差指数来评估的。理论和数值结果表明，当小区间干扰功率和前传容量足够大时，基于云的假设检验是有利的。
2020-04-22 cs.IT cs.NI math.IT
A Novel Service Deployment Policy in Fog Computing Considering The Degree of Availability and Fog Landscape Utilization Using Multiobjective Evolutionary Algorithms
雾计算是实时和任务关键型物联网（IoT）应用的一个有前途的范例。考虑到雾资源的高度分布性、异构性和局限性，应用程序应该以分布式方式放置，以充分利用这些资源。在本文中，我们提出了一个线性公式，以确保不同的应用服务的可用性要求，同时最大限度地利用雾资源。我们还比较了三个多目标进化算法，即MOPSO，NSGA-II，和MOEA/D之间的权衡提到的优化目标。iFogSim模拟器中的评估结果证明了所有三种算法的效率以及MOPSO算法在获得的目标值、应用截止日期满意度和执行时间方面的普遍更好的行为。
2022-02-04 cs.NI
Characterizing Smart Home IoT Traffic in the Wild
随着灵巧家庭物联网生态系统的发展，必须更好地了解它在管理、安全和隐私方面带来的独特挑战。之前的研究是有限的，因为它们在测试台环境中或小规模地检查了灵巧家庭物联网设备。为了解决这一差距，我们提出了一个测量研究的灵巧家庭物联网设备在野外通过仪表家庭网关和被动收集现实世界的网络流量日志从200多个家庭在美国的一个大都市区。我们从流量、时间模式和外部端点等方面描述了灵巧家庭物联网流量的特征，并重点关注了某些安全和隐私问题。我们首先表明，流量特征反映了灵巧家庭物联网设备（如智能电视）的功能，这些设备在与人类活动相关的昼夜模式下生成大量流量到内容流媒体服务。虽然灵巧家庭物联网生态系统似乎是分散的，但我们的分析表明，由于它依赖于一些流行的云和DNS服务，它主要是集中的。我们的研究结果还强调了灵巧家庭物联网生态系统中几个有趣的安全和隐私问题，例如需要改善基于策略的物联网流量访问控制，缺乏应用层加密的使用，以及第三方广告和跟踪服务的普及。我们的研究结果对未来改善灵巧家庭物联网生态系统的管理、安全和隐私的研究具有重要意义。
2020-03-31 cs.NI
Improving Remote Patient Monitoring Systems Using a Fog-based IoT Platform with Speech Recognition
本文提出基于雾计算的物联网平台，通过资源分配缓解服务器过载，并结合语音识别增强远程患者监测系统的交互性，实验验证其在准确率、延迟和吞吐量方面的可行性。
2025-11-10 cs.MM cs.NI
Social-Feature Enabled Communications among Devices towards Smart IoT Community
未来的物联网有望在全球范围内获得无处不在的连接和访问。与此同时，随着物联网设备的通信能力增强，物联网将发展成为高度自治的，即使在基础设施的帮助下，也将逐步建立智能物联网社区。智能物联网社区面临的主要挑战之一是物联网通信的社会化，因为大量的物联网接入使集中控制变得非常困难，并且还面临频谱资源短缺的问题。针对这些问题，我们在这篇文章中首先提出的概述和讨论的社会功能影响设备之间的连接。然后，我们激励对智能物联网设备之间连接的社会特征的统计特征的研究。我们进一步提出了统一渐近分析框架下的排队模型来描述统计社会特征，重点是典型的社会指标，如信用，声誉，中心性等，如何应用这些功能的网络优化进一步建议。最后，我们分享了我们对面向未来智能物联网的社会感知设计的开放问题的看法。
2018-07-10 cs.NI
Resource Management in Edge and Fog Computing using FogBus2 Framework
边缘/雾计算是一种新型计算范式，为资源有限的物联网（IoT）设备提供可扩展的计算和存储资源。与云计算相比，边缘/雾服务器的资源更少，但可以以更高的带宽和更少的通信延迟访问。因此，集成边缘/雾和云基础设施可以支持执行各种延迟敏感和计算密集型物联网应用。尽管一些框架试图提供这种集成，但仍然存在一些挑战需要解决，例如不同物联网应用的动态调度，可扩展性机制，多平台支持以及支持不同的交互模型。FogBus 2作为一个新的基于Python的框架，提供了一个轻量级的、分布式的、基于容器的框架来克服这些挑战。在本章中，我们将重点介绍FogBus 2框架的关键特性，并描述其主要组件。此外，我们提供了一个分步指南，以建立一个集成的计算环境，包含多个云服务提供商（混合云）和边缘设备，这是任何物联网应用场景的先决条件。为了实现这一点，所有计算资源之间的低开销通信网络由所提供的脚本和配置文件启动。接下来，我们提供安装和运行主框架及其集成应用程序的说明和相应的代码片段。最后，我们将演示如何使用FogBus 2框架实现和集成几个新的物联网应用程序以及自定义调度和可扩展性策略。
2021-08-02 cs.DC cs.NI cs.PF
Federated Learning for Iot/Edge/Fog Computing Systems
本章综述了联邦学习在Edge/Fog计算系统中的应用，探讨了其执行障碍、案例研究及未来方向，旨在解决传统架构的隐私与带宽问题。
2024-02-20 cs.NI
A Lightweight Blockchain and Fog-enabled Secure Remote Patient Monitoring System
物联网使智能远程医疗应用快速增长。这些基于物联网的远程医疗应用程序为有风险或患有慢性疾病的患者提供快速和预防性的医疗服务。然而，在医疗物联网设备之间交换敏感医疗数据的同时确保数据安全和患者隐私仍然是远程医疗保健应用中的一个重大问题。更改或损坏的医疗数据可能会导致错误的治疗，并为患者带来严重的健康问题。此外，需要解决和改进当前远程医疗应用的效率和响应时间。考虑到对安全高效的患者护理的需求，本文提出了一种轻量级的基于区块链和启用雾的远程患者监护系统，该系统提供了高级别的安全性和高效的响应时间。仿真结果和安全性分析表明，所提出的轻量级区块链架构能够很好地适应资源受限的物联网设备，并且具有较好的安全性。此外，雾计算的增强使远程患者监护系统的响应速度提高了40%。
2023-01-09 cs.CR cs.NI
Efficient Fog Node Placement using Nature-Inspired Metaheuristic for IoT Applications
针对物联网场景下雾节点部署需兼顾连通性与覆盖度的多目标优化难题，提出基于海洋捕食者算法（MPA）的部署方案，在多基准测试中性能优于现有前沿方法。
2023-02-12 cs.DC cs.NI
A View of Fog Computing from Networking Perspective
随着智能设备，特别是智能手机，成为我们的日常伴侣，无处不在的移动互联网和计算应用渗透到人们的日常生活。随着人们对随时随地提供高质量移动服务需求的不断增长，如何满足无处不在的用户需求，适应移动业务的爆炸式增长，是下一代移动网络的关键问题。雾计算是实现这一目标的一个有前途的解决方案。雾计算是对云计算的一种扩展，它通过向移动网络边缘提供虚拟化资源和基于位置的服务，从而更好地服务于移动业务。因此，雾计算是云计算与移动应用结合的润滑剂。在本文中，我们概述了雾计算的主要功能，并描述了其概念，架构和设计目标。最后，我们从网络的角度讨论了一些未来的研究问题。
2016-03-08 cs.NI
Industrial Internet of Things (IIoT) Applications of Edge and Fog Computing: A Review and Future Directions
随着物联网（IoT）领域内的快速技术进步，已经出现了强劲的趋势，这表明连接到IoT网络的智能设备的数量快速增长，并且传统的云计算平台无法支持这种增长。为了响应通过网络传输的数据容量的增加，边缘和雾计算范例已经成为将计算和存储资源向网络边缘转移的非常可行的框架，从而将处理能力从集中式云服务器迁移到分布式LAN资源和网络内的强大嵌入式设备。因此，这些计算范式有可能支持未来的大规模物联网网络，并且还推动了工业环境中物联网系统的发展，从而导致工业物联网（IIoT）技术的创建，该技术正在彻底改变各种领域的工业流程。在本文中，我们详细阐述了边缘和雾计算范式对IIoT的影响。我们还强调了边缘和雾计算如何通过用例方法在几个工业应用中实现转变。最后，我们总结了IIoT中这些范式当前面临的问题和挑战，并提出了解决这些问题和加速边缘和雾计算在IIoT中的适应应遵循的一些研究方向。
2019-12-02 cs.NI eess.SP
Towards Information-Centric Networking (ICN) Naming for Internet of Things (IoT):The Case of Smart Campus
以信息为中心的网络（ICN），特别是名称数据网络（NDN）是基于名称（内容）的网络，并将命名内容视为“一等公民”，被认为是形成未来互联网基础的理想候选人。NDN的显著特性，如命名数据自安全内容，名称库转发，网络内缓存和移动性支持，适合物联网（IoT）环境，旨在实现智能设备之间的通信，并将所有基于互联网的智能应用程序结合在一起。有了这些目标，物联网对其网络架构提出了许多研究挑战，因为它应该支持异构设备并提供可扩展性。物联网可能依赖于数十亿设备的名称和地址，并且应该智能地管理每秒产生的大量数据。物联网应用智慧校园由于诸多原因，在产业界和学术界都得到了广泛的关注。因此，要为物联网设计NDN，需要探索复杂的命名方案，这是这项工作的主要动机。在本文中，我们研究了NDN-IoT智慧校园（在连接的设备和内容方面），发现它缺乏合理的命名和寻址机制;因此，我们提出了基于物联网的智慧校园（IOTSC）的基于NDN-HNS方案（NDN-HNS）。
2017-11-28 cs.NI
Using Cloud and Fog Computing for Large Scale IoT-based Urban Sound Classification
物联网（IoT）已成为将不同技术连接在一起的最前沿。它带来了在线计算服务的兴起，使平凡的任务变得方便。然而，连接到网络的设备数量开始增加。反过来，在集中式存储上蓬勃发展的服务正在紧张和过载。随着应用程序和软件的进步，处理和计算能力成为技术公司关注的问题。随着数据风险和大量连接设备的出现，云计算已经过时。由于软件复杂性的增加，设备被迫承担不必要的费用以保持市场相关性。这种变化的需求导致了边缘计算的引入。边缘计算将计算压力分散在服务器和设备之间。这种贡献使云能够容纳更多的用户，设备不再需要经常对其设计进行重大更改。许多实时应用程序已经发展到需要大量的处理能力来执行。例如，声音分类由于其与神经网络和深度学习的联系而具有大量的计算需求。本文旨在建立一个可行的和可部署的实时声音分类系统。本文测试了三种配置。我们的实验结果表明，单靠云计算和边缘计算无法满足规模和复杂性呈指数级增长的技术市场。然而，相同的结果表明，在寻找最佳配置方面，结合终端设备功耗，应用程序运行时和服务器延迟到系统，而不是专注于单一模型。总的来说，最好考虑每个计算架构的优点和缺点。
2019-10-16 cs.NI
FoggyEdge: An Information Centric Computation Offloading and Management Framework for Edge-based Vehicular Fog Computing
本文提出基于命名数据网络和微服务的四层 FoggyEdge 框架，融合车辆雾计算与路侧边缘计算，以降低车联网服务时延和卸载传输成本，并通过 SUMO 实验验证其有效性。
2023-04-20 cs.NI
RFID Localisation For Internet Of Things Smart Homes: A Survey
物联网（IoT）在电子健康、智慧城市、灵巧家庭等众多领域带来了众多商机。物联网将多种远程、短程和个人区域无线网络和技术整合到物联网应用的设计中。室内定位系统的本地化在物联网中发挥着重要作用。基于位置的物联网应用范围包括实时跟踪对象和人员、资产管理、农业、医疗保健辅助监控技术以及灵巧家庭等。基于射频的室内定位系统，如射频识别（RFID），是物联网的关键使能技术，因为它具有成本效益、高可读性、自动识别以及重要的能效特性。本文综述了物联网灵巧家庭应用中的RFID技术。它提出了几个比较研究的RFID为基础的项目在灵巧家庭，并讨论了应用程序，技术，算法，并采用RFID技术在物联网灵巧家庭系统的挑战。
2017-02-08 cs.NI
Blockchain and Fog Computing for Cyberphysical Systems: The Case of Smart Industry
区块链通过确保安全和可审计的点对点协调，彻底改变了交易的进行方式。这是由于权力下放的发展和促进同行之间的信任。区块链和雾计算目前正在被评估为软件和广泛应用的潜在支持，从银行业务和数字交易到网络物理系统。这些系统被设计用于在高度复杂的环境中工作，有时甚至是对抗性的环境，并在网络计算空间中同步异构机器和制造设施，并解决诸如计算复杂性、安全性、信任和数据管理等关键挑战。将区块链与雾计算技术相结合有可能识别和克服这些问题。因此，本文介绍了在服务质量、数据存储、计算和安全性方面改善网络物理系统所需的区块链和雾计算知识。
2020-09-12 cs.CR cs.NI
History-Aware Online Cache Placement in Fog-Assisted IoT Systems: An Integration of Learning and Control
在雾辅助物联网系统中，通常的做法是在网络边缘缓存流行内容，以实现高服务质量。由于实践中的不确定性，如未知的文件流行度，缓存放置方案设计仍然是一个悬而未决的问题，面临着以下挑战：1）如何将时间平均存储成本保持在预算范围内，2）如何结合在线学习来帮助缓存放置，以最大限度地减少性能损失（也称为后悔），以及3）如何利用离线历史信息来进一步减少后悔。在本文中，我们制定了一个约束的组合多臂强盗（CMAB）问题的缓存放置未知的文件流行的问题。为了解决这个问题，我们采用虚拟队列技术来管理时间平均存储成本约束，并采用历史感知的强盗学习方法，将离线历史信息集成到在线学习过程中，以处理探索-开发权衡。通过在线控制和历史感知在线学习的有效结合，我们设计了一种基于历史感知Bandit学习的Cache放置方案CPHBL。我们的理论分析和仿真结果表明，CPHBL实现了次线性的时间平均遗憾界。此外，仿真结果验证了CPHBL的优势，基于深度强化学习的方法。
2020-12-15 cs.NI eess.SP
Information-Centric Grant-Free Access for IoT Fog Networks: Edge vs Cloud Detection and Learning
考虑了多小区雾无线电接入网络（F-RAN）架构，其中物联网（IoT）设备周期性地对感兴趣的量（QoI）进行噪声观测，并在上行链路中使用免授权接入进行发送。每个小区中的设备连接到边缘节点（EN），该边缘节点也可以具有到中央处理器的有限容量前传链路。与传统的信息不可知协议相比，设备使用基于类型的多址（TBMA）协议进行发送，该协议被定制为使得能够基于从IoT设备接收的测量来估计每个小区中的相关QoS的字段。本文首次在具有边缘或云检测的多小区F-RAN模型中研究了这种形式的以信息为中心的无线电接入。边缘和云检测的设计和比较多细胞系统。最佳的基于模型的检测器的介绍和由此产生的渐近行为的错误的概率在云和边缘。然后，对于统计模型不可用的情况，讨论了数据驱动的边缘和云检测器，并在数值结果中进行了评估。
2020-01-21 cs.IT cs.NI math.IT
Matter: IoT Interoperability for Smart Homes
针对智能家居设备通信互操作性不足的问题，本文概述、评估并讨论了行业协作推出的通用智能家居连接标准Matter，涵盖其设计、特性、性能及未来方向。
2024-12-01 cs.NI
Exploring the Effectiveness of Service Decomposition in Fog Computing Architecture for the Internet of Things
物联网（IoT）旨在将日常物理对象连接到互联网。这些对象将产生大量的数据。传统的云计算架构旨在在云中处理数据。因此，需要将大量数据传输到云。这产生了许多挑战，例如设备和云之间的高通信延迟，在频繁的数据上传到云期间设备的能耗增加，高带宽消耗，同时通过连续发送数据使网络繁忙，以及由于对传输到服务器的数据的控制较少而导致的隐私减少。雾计算已经被提出来对抗这些弱点。雾计算旨在在边缘处理数据，并大大消除将数据发送到云的必要性。然而，将面向服务的体系结构（SOA）与雾计算体系结构相结合仍然是一个开放的挑战。在本文中，我们建议分解服务以创建链接微服务（LMS）。链接微服务是在多个节点上运行的服务，但与其链接的合作伙伴密切相关。链接微服务允许在物联网架构中的不同计算节点上分配计算。使用四种不同类型的架构，即云，雾，混合和雾+云，我们探索和证明服务分解的有效性，通过应用四个实验，三种不同类型的数据集。对这四种架构的评估表明，将服务分解到节点可以将网络上的数据消耗减少10% -70%。总体而言，这些结果表明，在雾计算的上下文中分解服务以提高服务质量的重要性。
2019-03-31 cs.NI
