Key Enabling Technologies for Secure and Scalable Future Fog-IoT Architecture: A Survey
雾或边缘计算最近引起了工业界和学术界的广泛关注。它被认为是当前集中式云计算模式的范式转变，并可能带来一种“雾物联网”架构，这将大大有利于未来无处不在的物联网（IoT）系统和应用。然而，要实现这一愿景，需要一系列关键的使能技术，包括新兴技术。在本文中，我们将调查这些关键的支持技术，特别关注安全性和可伸缩性，这是未来大规模部署的两个非常重要和急需的特性。我们的目标是为这些领域的研究和开发描绘一幅未来的整体图景。
2018-06-16 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
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
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
FogMQ: A Message Broker System for Enabling Distributed, Internet-Scale IoT Applications over Heterogeneous Cloud Platforms
由于大量地理上分布的设备通过消息代理进行通信，传统消息代理会出现过度的尾端到端延迟。另一方面，无代理消息传送系统虽然确保低延迟，但高度依赖于直接设备到设备（D2D）通信技术的限制，并且不能很好地扩展，因为大量资源有限的设备交换消息。在本文中，我们提出了FogMQ，一个基于云的消息代理系统，克服了传统系统的局限性，使自主发现，自我部署，并在异构云平台上的消息代理的在线迁移。对于每个设备，FogMQ都提供了一个高容量的设备克隆服务，可以订阅设备消息。克隆有助于在资源丰富的云计算节点中进行近边缘数据分析。FogMQ中的克隆应用了Flock，这是一种模拟群集行为的算法，允许克隆以分布式方式动态选择并自主迁移到不同的异构云平台。
2016-10-03 cs.DC cs.NI
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
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
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
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
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
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
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
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
Energy Savings by Task Offloading to a Fog Considering Radio Front-End Characteristics
雾计算可用于从电池供电的物联网（IoT）设备卸载计算密集型任务。虽然它减少了物联网设备中计算所需的能量，但它使用能量与雾进行通信。本文分析了何时使用雾计算比本地计算更节能。详细的能量消耗模型建立在内置的两种情况下的能量消耗和功率放大器（PA）引入的失真之间的关系的焦点设置。数值结果表明，任务卸载到雾是最节能的短，宽带链路。
2021-04-26 cs.DC cs.NI eess.SP
Master Graduation Thesis: A Lightweight and Distributed Container-based Framework
边缘/雾计算是一种新的计算范式，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。为了克服这些挑战，我们提出了一个轻量级和分布式的基于容器的框架，称为FogBus 2。它提供了一种调度异构物联网应用程序的机制，并实现了几种调度策略。此外，它提出了一种优化的遗传算法，以获得快速收敛到合适的解决方案。此外，它还提供了一种可扩展性机制，以确保在物联网设备数量增加或资源负担过重时的有效响应。此外，FogBus 2的动态资源发现机制有助于新实体快速加入系统。我们还开发了两个物联网应用程序，称为康威的生命游戏和视频光学字符识别，以证明FogBus 2在处理实时和非实时物联网应用程序方面的有效性。实验结果表明，FogBus 2的调度策略与其他调度策略相比，将物联网应用的响应时间提高了53%。此外，与不支持可伸缩性的框架相比，可伸缩性机制可以减少高达48%的排队等待时间。
2021-08-08 cs.DB cs.DC cs.NI
A reinforcement learning approach to improve communication performance and energy utilization in fog-based IoT
Trinity College Dublin（都柏林圣三一学院）
最近的研究表明，使用可用的移动雾设备（如智能手机，无人机，家用和工业机器人）作为中继的潜力，以尽量减少传感器和目的地设备之间的通信中断，其中本地化的物联网服务（例如，制造过程控制、健康和安全监控）。然而，这些移动中继在移动和传输到遥远的目的地时消耗能量。因此，中继设备的功率控制机制和智能移动性对于提高通信性能和能量利用率至关重要。在本文中，我们提出了一种基于Q学习的分散式方法，其中每个移动雾中继代理（MFRA）是由一个自主智能体，使用强化学习，同时提高通信性能和能源利用率控制。每个自主智能体基于来自目的地的反馈和其自身的能量水平来学习是保持活跃并转发消息，还是在该传输阶段变得被动。我们通过与集中式方法进行比较来评估该方法，并观察到，在较少数量的MFRA的情况下，我们的方法能够确保可靠的数据传输，并将总体能源成本降低56.76%-88.03%。
2021-06-01 cs.LG cs.NI eess.SP
Minimising Delay and Energy in Online Dynamic Fog Systems
物联网（IoT）设备的使用越来越多，对数据传输产生了更大的需求，并给网络带来了更大的压力。此外，与云服务的连接可能成本高昂且效率低下。雾计算在用户设备附近提供资源以克服这些缺点。然而，物联网应用中的服务质量（QoS）优化和雾资源管理正成为具有挑战性的问题。本文介绍了一种动态在线卸载计划在车辆交通应用程序，需要执行延迟敏感的任务。本文提出了两种算法的组合：动态任务调度（DynamicTaskScheduling，简称TQM）和动态能量控制（DynamicEnergyControl，简称DEC），旨在最大限度地减少总体延迟，提高用户任务的吞吐量，最大限度地减少雾层的能耗，同时最大限度地利用资源受限的雾节点。实验结果表明，与其他方案相比，这些算法可以减少高达80.79%的延迟，并减少高达66.39%的能量消耗在雾节点。此外，这种方法将任务执行吞吐量提高了40.88%。
2020-12-23 cs.DC cs.NI
Federated Learning and Evolutionary Game Model for Fog Federation Formation
本文提出结合演化博弈与联邦学习的联邦雾架构，以稳定雾联盟形成并提升物联网服务质量，同时保护用户数据隐私。
2024-05-02 cs.DC cs.NI
Energy-Efficient Distributed Machine Learning in Cloud Fog Networks
预计形成物联网（IoT）的数十亿个对象将产生大量数据。各种自动化服务（如监控）将在很大程度上取决于不同机器学习（ML）算法的使用。传统上，ML模型由集中式云数据中心处理，物联网读数通过接入层、城域网和核心层中的多个网络跳卸载到云端。这种方法将不可避免地导致过度的网络功耗以及服务质量（QoS）下降，例如延迟增加。相反，在本文中，我们提出了一种分布式ML方法，其中处理可以在中间设备（如物联网节点和雾服务器）中进行。我们将ML模型抽象为虚拟服务请求（VSR），以表示深度神经网络（DNN）的多个互连层。使用混合线性规划（MILP），我们设计了一个优化模型，以节能的方式在云/雾网络（CFN）中分配DNN的层。我们评估了DNN输入分布对CFN性能的影响，并将这种方法的能效与DNN的所有层都在集中式云数据中心（CDC）中处理的基线进行了比较。
2021-05-20 cs.NI eess.SP
Service Allocation in a Mobile Fog Infrastructure under Availability and QoS Constraints
下一代移动网络，即5G和物联网（IoT）带来了大量延迟敏感型服务。在这种情况下，云服务正在迁移到网络边缘以减少延迟。雾计算的概念，其中边缘在服务的执行中起着积极的作用，来满足对严格要求的需要。因此，优雅地制定和优化这个映射需求到供应的问题变得非常重要。这项工作正是这样做的，考虑到雾中服务分配问题的两个关键方面，即执行给定服务集的建模成本，以及资源可用性的随机性，这可能来自预先存在的负载或服务器移动性。我们引入了一个整数优化配方，以最小化的总成本下，尽管资源可用性的不确定性，服务执行的保证。
2017-06-13 cs.NI
Lightweight Cluster-Based Federated Learning for Intrusion Detection in Heterogeneous IoT Networks
Computer Engineering and Information Technology Department, Razi Univeristy, Kermanshah, Iran（拉齐大学计算机工程与信息技术系）
本文提出了一种轻量级集群联邦学习方法，用于异构物联网网络中的入侵检测，通过优化模型训练和聚合过程，提升检测准确性和系统性能。
2026-02-13 cs.NI
A Secure Fog Based Architecture for Industrial Internet of Things and Industry 4.0
工业物联网（IIoT）和云计算的出现为制造业带来了巨大的范式转变，从而引发了另一场工业革命，即工业4.0。正在生成大量不同性质的延迟敏感数据，由于其敏感性，这些数据需要在本地处理和保护。但是，低端物联网设备无法处理巨大的计算开销。此外，云的半信任性质引入了几个安全问题。为了解决这些问题，这项工作提出了一个安全的基于雾的IIoT架构，通过适当地插入一些安全功能，并明智地将一些任务卸载到雾节点。这些功能保护了系统，同时分别减少了对云和资源受限设备的信任和负担。我们通过理论开销分析和实际实验（包括仿真研究和测试床实现）来验证我们提出的架构。
2020-05-14 cs.CR cs.NI
Online and Utility-Power Efficient Task Scheduling in Homogeneous Fog Networks
针对同构雾网络中随机网络状态下的在线调度挑战，提出基于改进 Lyapunov 优化的渐近最优在线任务调度算法，在满足队列稳定性约束下最大化效用功率效率并实现 [O(1/V), O(V)] 权衡。
2024-09-27 cs.NI
Resilience and Load Balancing in Fog Networks: A Multi-Criteria Decision Analysis Approach
针对雾计算环境中有限资源的负载均衡问题，提出采用多准则决策分析方法ELECTRE，结合计算与网络负载等多目标做服务选择，仿真显示其较传统基线方法性能最高提升67%。
2022-10-24 cs.DC cs.NI
Enhanced Pub/Sub Communications for Massive IoT Traffic with SARSA Reinforcement Learning
Salvador University (UNIFACS)（萨尔瓦多大学（UNIFACS））；University of Paris-Saclay（巴黎萨克雷大学）
传感器正在广泛部署，预计在未来几年将以显著的速度扩展。它们通常会在物联网（IoT）应用领域生成大量数据，如智能城市，智能交通系统，智能电网和电子健康。云计算、边缘计算和雾计算是收集、处理和分发物联网数据的潜在竞争策略。然而，基于云、边缘和雾的解决方案需要通过受限和有限资源的网络基础设施有效地解决大量物联网数据的分发问题。针对在通信资源（带宽）有限的网络中传输海量物联网数据的问题，提出了一种基于强化学习（RL）和SARSA算法的认知通信资源分配方法。拟议的网络基础设施（PSioTRL）使用发布/订阅架构来访问大量和高度分布式的物联网数据。结果表明，基于SARSA的PSioTRL缓冲区刷新带宽分配提高了IoT聚合器缓冲区占用率和网络链路利用率。PSioTRL根据发布/订阅主题的优先级和网络约束要求动态调整IoT聚合器流量刷新。
2021-01-03 cs.AI cs.LG cs.NI
Fog Computing Systems: State of the Art, Research Issues and Future Trends, with a Focus on Resilience
未来的许多创新计算服务将使用与物联网（IoT）资源集成的雾计算系统（FCS）。这些新服务建立在多种不同技术的融合之上，需要实现时间敏感的功能，提供与其环境的不同程度的集成，并整合数据存储、计算、通信、传感和控制。然而，在这种系统被认为适合于目的之前，还有一些重要的问题需要解决。这些资源受限系统的高度异质性、复杂性和动态性给其稳健可靠的运行带来了新的挑战，这意味着需要采取综合的弹性管理策略。本文综述了相关领域的研究现状，并讨论了正在出现的研究问题和未来趋势。我们设想未来的应用程序具有非常严格的要求，特别是高精度的延迟和大量流之间的同步，其中FCS是支持它们的关键。因此，我们希望为物联网设备、边缘计算机服务器和无线传感器网络形成的弹性FCS的设计和管理提供新的见解;这些系统可以使用博弈论建模，并使用最新的软件和虚拟化平台灵活编程。
2020-07-17 cs.CR cs.NI cs.SY
