Internet-based Adaptive Distributed Simulation of Mobile Ad-hoc Networks
在本文中,我们专注于基于互联网的仿真,分布式仿真的一种形式,其中一组执行单元,物理上位于全球各地的工作在一起运行的仿真模型。由于通信的延迟/可变性,这种设置非常具有挑战性。因此,在分布式仿真中必须采用灵活的机制,如仿真模型的自适应划分和执行单元之间的负载均衡策略。我们模拟了一个无线模型在一个真正的基于互联网的分布式仿真设置,并评估的可扩展性的模拟器,并没有使用自适应策略,降低通信开销和负载平衡增强。结果证实了我们的方法来建立基于互联网的模拟的可行性。
2020-03-31 cs.DC cs.NI
The Internet of Things in the Era of Generative AI: Vision and Challenges
The Ohio State University(俄亥俄州立大学);University of Southern California(南加州大学)
本文探讨生成式AI时代的物联网发展,梳理相关应用场景,指出关键挑战与研究空白,展望发展机遇,以期推动该领域的新研究。
2024-12-09 cs.DC cs.LG cs.NI
When Internet of Things Meets Blockchain: Challenges in Distributed Consensus
区块链被认为是物联网(IoT)的一项有前途的技术,因为它为分散式网络提供了重要的解决方案,可以解决信任和安全问题,高维护成本问题等。区块链提供的分散化在很大程度上可以归因于共识机制的使用,它可以在没有任何第三方参与的情况下以分布式方式进行点对点交易。本文首先介绍了区块链的基本概念,并说明了为什么共识机制在区块链支持的物联网系统中起着不可或缺的作用。然后,我们讨论了两个著名的共识机制,包括工作量证明(PoW)和权益证明(PoS)的主要思想,并列出了它们在物联网中的局限性。接下来,两种主流的基于直接无环图(DAG)的共识机制,即,Tangle和Hashgraph,以说明为什么DAG共识比PoW和PoS更适合物联网系统。最后讨论了基于DAG的共识机制在未来需要解决的问题和挑战。
2019-05-15 cs.DC
The Internet of Things: Secure Distributed Inference
连接到物联网(IoT)的设备数量的增长对安全性提出了重大挑战。数据和数据分析的完整性和可信度是物联网应用中越来越重要的问题。物联网设备的高度分布式特性使这些问题变得更加复杂,这使得防止对所有数据源的攻击和入侵变得不可行。攻击者可能会劫持设备并破坏其数据。因此,入侵检测和弹性分析等反应性对策成为安全性的重要组成部分。本文概述了物联网中安全分布式推理的算法。
2018-06-24 cs.CR cs.DC
A Framework for Enabling Distributed Applications on the Internet
在过去的五年里,我们看到了互联网分布式应用程序(IDA)的迅速普及。这些是许多用户同时交互的互联网应用程序。IDA的范围从P2P文件共享应用程序到协作分布式计算项目,再到大型多人在线游戏(MMOG)。目前,还没有一个框架将国际开发协会集中在一个单一的范围内。我们在此为这样一个框架提供了基础。在集体考虑IDA时,我们发现没有将其作为一个群体应用的通用描述。因此,我们在此提出这样的描述。在我们的描述中,IDA是分为三个逻辑层的功能,它们是单独设计和构建的。每一层都由运行在每台参与计算机上的软件客户端上的功能表示,这些功能共同组成了整个IDA。这项工作的核心贡献是一个框架,称为Internet分布式应用程序框架(IDAF),它概述了如何设计,构建和运行IDA。IDAF概述了每个实现软件系统必须遵守的一组约束。为了验证IDAF,我们已经建立了一个系统原型实现称为互联网分布式应用系统(IDAS)。IDAS包括IDAF层模型的实现,其指定构建的IDAS。IDAS还包括能够同时运行和管理任意IDA的通用软件客户端。我们提供了示例IDAs和演示,以验证IDAF是可实现的,IDAS是一个可行的可用系统。
2011-06-14 cs.DC cs.NI
Correlated Resource Models of Internet End Hosts
了解和建模的互联网终端主机的资源是必不可少的桌面软件和互联网分布式应用程序的设计。在本文中,我们开发了一个相关的资源模型的基础上,从SETI@home项目的实际跟踪数据的互联网终端主机。该数据涵盖了5年期间的270万台主机的统计数据。资源模型基于对主机计算能力、内存和存储的统计分析,以及这些资源如何随时间变化以及它们之间的相关性。我们发现,资源与几个离散值(核心计数,内存)很好地模拟指数规律,随着时间的推移,相对资源量的变化。具有连续值范围的资源可以用相关正态分布(整数运算和浮点运算的处理器速度)或对数正态分布(可用磁盘空间)进行建模。我们验证和显示效用的模型,将它们应用到互联网分布式应用程序的资源分配问题,并证明其价值超过其他模型。我们还公开了我们的跟踪数据和自动生成真实互联网终端主机的工具。
2010-11-25 cs.DC
Distributed Applications in Gamification of the Learning Process
由于我们中的许多人都经历了较软或不那么软的锁定,我们大学的几位教师的意图是开发一种协作工具,可以帮助在我们为学生提供的商业和IT课程中提供的两门课程的在线交付和游戏化。该工具可以被描述为一个分散的网络应用程序,模拟互联网营销原则,并帮助我们的学生将学习过程游戏化。我们计划我们的网络应用程序的网络营销模拟作为游戏化的学习过程,这是主动学习的基础之一,为国际商务学生的网络营销课程,以获得新的课堂活动,通过在线模拟竞争领域的网络营销原则;以及IT学生在开发Web应用程序时,以及在分布式报告中采用区块链技术时,需要所有团队达成共识in the simulation模拟.建议的解决方案包括业务逻辑模拟的设计和使用四个主要的数字营销工具社交网络,内容创建和共享,搜索引擎营销,并显示广告在使用这样的应用程序的动手在线类练习。
2021-12-15 cs.DC
Towards a Staging Environment for the Internet of Things
物联网(IoT)应用通过使用分布式传感和计算节点,有望使我们生活的许多方面更加高效和自适应。这些应用程序的一个核心方面是它们的复杂通信行为,这在很大程度上受到系统物理环境的影响。为了不断改进物联网应用程序,需要一个可以提供代表实际生产环境中部署的操作条件的分段环境-类似于当今云应用程序开发中的常见做法。针对这样的分级环境,我们提出了Marvis,一个框架,该框架协调混合测试床,共同模拟的域环境,以及用于测试分布式物联网应用程序的中央网络模拟。我们的初步成果包括一个开源原型和一个车联网(V2X)通信场景的演示。
2021-01-26 cs.DC
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
Distributed system perspective on Backscatter systems
本文从分布式系统视角研究反向散射系统,回顾其基本原理与分布式架构,梳理应用场景、研究现状和挑战,并展望未来研究方向。
2025-06-05 cs.DC
Distributed Optimization for Energy-efficient Fog Computing in the Tactile Internet
触觉互联网是一个新兴的概念,专注于支持高保真,超响应和广泛可用的人机交互。为了减少传输延迟和缓解互联网拥塞,雾计算已被提倡作为触觉互联网的重要组成部分。在本文中,我们专注于支持低延迟触觉互联网应用的雾计算网络的节能设计。我们调查了两个性能指标:最终用户的服务响应时间和雾节点的功率使用效率。我们量化了这两个指标之间的基本权衡,然后将我们的分析扩展到涉及雾节点之间的合作的雾计算网络。我们介绍了一种新的合作雾计算的概念,称为卸载转发,其中一组具有不同的计算和能源的雾节点可以相互合作。这种协作的目的是均衡不同雾节点处理的工作负载,进一步缩短服务响应时间,提高用电效率。我们开发了一个基于对偶分解的分布式优化框架,以实现最优的折衷。我们的框架不要求雾节点公开他们的私人信息,也不要求彼此进行来回协商。提出了两种分布式优化算法。一种是基于次梯度法与对偶分解,另一种是基于分布式ADMM-VS。我们证明了这两种算法可以实现最优的工作负载分配,最大限度地减少响应时间下,给定的功率效率约束的雾节点。
2020-01-28 cs.DC cs.MA cs.NI
Distributed client selection with multi-objective in federated learning assisted Internet of Vehicles
Inner Mongolia University of Finance and Economics(内蒙古财经大学)
本文提出一种基于模糊逻辑的分布式客户端选择方案,通过综合评估样本数量、可用吞吐量、计算能力和本地数据集质量,在邻居中选出最优客户端,有效降低了车联网联邦学习中维持活跃状态的成本,并在准确率上接近集中式选择,显著减少通信开销。
2024-01-06 cs.DC cs.LG
Fair Distributed Cooperative Bandit Learning on Networks for Intelligent Internet of Things Systems (Technical Report)
School of Electronics and Communication Engineering, Sun Yat-sen University(中山大学电子与通信工程学院);China Academy of Electronics and Information Technology(中国电子科技集团公司电子科学研究院)
本文针对智能物联网系统提出公平分布式协作赌博机模型及DC-ULCB算法,实现服务器协作选传感器以最大化数据速率并保证公平,理论证明遗憾对数上界,仿真验证优于现有算法。
2024-03-18 cs.DC cs.LG
Data Dissemination Strategies for Emerging Wireless Body-to-Body Networks based Internet of Humans
随着人类互联网(IoH)的出现,无线体对体网络(WBBN)正在成为这一新模式的基础部分。特别是对于新兴的应用,数据路由和传播策略的研究趋势已经在WBBN中引起了极大的兴趣。在本文中,我们提出了战术WBBN的集群和分布式数据分发方法的性能评估。我们使用了一个现实的无线电链路和生物力学移动模型的身体上的运动,和WBBN的群体移动模型,有效地实现救援和应急管理的应用场景。在这方面,我们正在使用新提出的IEEE 802.15.6标准针对体域网络。广泛的(IEEE 802.15.6标准兼容性)网络级,面向数据包的仿真进行WSNet模拟器。在模拟过程中,各种有效载荷,频率(窄带)和调制技术被利用。根据战术网络的作战需求,对战术网络的数据包接收率、时延、能耗和跳数等相关指标进行了性能评估。结果表明,基于集群和基于分布式的传播方法之间的权衡。对于数据包延迟,分布式方法提供了最好的性能。然而,在平均数据包接收率(PRR)方面,基于聚类的方法实现了高达97%的接收,仍然是最好的策略。然而,跳数和能量消耗的结果在两种方案中几乎是可比的。
2017-11-29 cs.DC
The Distributed Computing Paradigms: P2P, Grid, Cluster, Cloud, and Jungle
分布式计算是在多个系统上进行的,以解决大规模问题。发达国家和发展中国家高速宽带网络的发展、计算能力的不断提高以及互联网的迅速发展改变了这种方式。在信息技术中,社会管理信息和信息服务。从历史上看,计算的状态经历了一系列的平台和环境变化。分布式计算是有效利用计算机系统的重要保证。因此,超级计算机站点和数据中心已经从提供高性能浮点计算能力转变为同时服务来自数十亿用户的大量请求。分布式计算系统使用多台计算机通过互联网解决大规模问题。它变得数据密集型和以网络为中心。分布式计算的应用越来越广泛。在分布式计算中,大规模的资源共享是计算的重点,其目标总是追求最佳性能。在本文中,我们回顾了在分布式计算范例领域所做的工作。主要的重点是云计算的发展领域。
2013-11-13 cs.DC
Cloud Deployment Tradeoffs for the Analysis of Spatially-Distributed Systems of Internet-of-Things
在物理世界中运行的支持互联网的事物和设备越来越多地集成在现代分布式系统中,支持需要确保整个系统满足某些关键要求的功能。在这里,我们专注于空间分布式物联网系统,如智能环境,其中系统中实体的空间分布动态对于满足需求至关重要。在系统运行时,分析技术需要到位,以确保满足要求。这可以通过在运行时保持系统的模型、监视导致空间环境中的变化的事件以及执行分析来实现。这种计算密集型的运行时保证方法无法得到填充空间的资源受限设备的支持,并且必须卸载到云。然而,在资源分配和成本方面出现了挑战,特别是当工作负载在系统设计时是未知的时。因此,可能难以甚至不可能保证应用服务级别协议,例如,响应时间。为此,我们实例化空间验证流程,将其集成到基于微服务的物联网云架构的服务层。我们提出了几个云部署这样的架构,以保证空间需求-基于虚拟机,容器,和最近的功能作为一个服务的范例。然后,我们评估部署的弹性,性能和成本方面的权衡,通过使用一个工作负载的情况下,从一个已知的数据集的出租车漫游在北京举行。我们认为,这种方法可以复制在类似的空间分布的物联网系统的设计过程中。
2020-04-23 cs.DC cs.MA cs.NI
Distributed Deep Convolutional Neural Networks for the Internet-of-Things
Politecnico di Milano(米兰理工大学)
表征物联网(IoT)单元的存储器和计算的严格约束可能会阻止基于深度学习(DL)的解决方案的执行,这通常需要大存储器和高处理负载。为了支持在物联网单元级别实时执行所考虑的DL模型,DL解决方案的设计必须考虑到所选物联网技术所暴露的内存和处理能力的限制。在本文中,我们介绍了一种设计方法,旨在分布式物联网应用上分配卷积神经网络(CNN)的执行。这种方法被形式化为一个优化问题,其中数据收集阶段和随后的决策阶段之间的延迟被最小化,在给定的限制内存和处理负载的单元级。该方法支持多个数据源以及在同一物联网系统上执行的多个CNN,从而允许设计要求自治、低决策延迟和高服务质量的基于CNN的应用程序。
2021-07-28 cs.DC cs.LG stat.ML
Hybrid-IoT: Hybrid Blockchain Architecture for Internet of Things - PoW Sub-blockchains
从其早期开始,物联网(IoT)已经发展成协作智能对象的去中心化系统,其中要求实现分布式共识。然而,当前的物联网平台解决方案是集中式的基于云的计算基础设施,表现出许多显著的缺点,例如,高云服务器维护成本、支持时间关键型物联网应用的弱点、安全和信任问题等。将区块链技术引入物联网可以帮助实现一个适当的基于分布式共识的物联网系统,克服这些缺点。虽然这是一场理想的比赛,但它仍然是一项具有挑战性的努力。在本文中,我们通过设计混合物联网(Hybrid-IoT),即物联网的混合区块链架构,迈出了实现这一目标的第一步。在混合物联网中,物联网设备的子组形成PoW区块链,称为PoW子区块链。然后,PoW子区块链之间的连接采用BFT互连框架,例如Polkadot或Cosmos。在本文中,我们专注于PoW子区块链的形成,由一组基于一组维度,度量和边界的指导方针指导。为了证明该方法的有效性,我们进行了性能和安全性评估。
2018-07-05 cs.DC
Distributed Hybrid Simulation of the Internet of Things and Smart Territories
本文论述了使用混合仿真来构建和组成异构仿真场景,这些场景可以被熟练地用于建模和表示物联网(IoT)。混合仿真是一种结合多种建模/仿真方式的方法。复杂的场景被分解为简单的场景,每个场景都通过特定的模拟策略进行模拟。所有这些模拟构建块然后被同步和协调。这种模拟方法是代表物联网设置的理想方法,由于大量传感器和设备的大规模部署所产生的可能场景的异构性,物联网设置通常非常苛刻。我们提出了一个与智能领土的分布式模拟有关的用例,这是一个分散的地理空间的新视图,由于使用物联网,构建了ICT服务,以可持续且对环境无害的方式管理资源。将三种不同的仿真模型结合在一起,即基于自适应Agent的并行分布式仿真器、基于OMNeT++的离散事件仿真器和基于MATLAB的脚本语言仿真器。性能分析的结果证实了使用混合仿真对复杂物联网场景进行建模的可行性。
2018-04-10 cs.CY cs.DC cs.MA
Parallel/distributed implementation of cellular training for generative adversarial neural networks
生成对抗网络(GANs)被广泛用于学习生成模型。GANs由两个网络组成,一个生成器和一个自适应器,它们应用对抗学习来优化它们的参数。本文提出了一种并行/分布式实现的细胞竞争协同进化方法训练两个种群的GANs。提出了一种适用于高性能/超级计算中心的分布式存储并行实现方案。高效的结果报告解决生成的手写数字(MNIST数据集样本)。此外,所提出的实现是能够减少训练时间和规模适当考虑不同的网格大小的训练。
2020-08-03 cs.DC cs.NE
A Case Study of API Design for Interoperability and Security of the Internet of Things
本文针对物联网和分布式CPS的异构性导致的互操作性与安全问题,提出并实现了一套API与运行时,实验证明能以较小开销同时提升互操作性和安全性。
2024-11-20 cs.DC cs.SY eess.SY
A Distributed Efficient Blockchain Oracle Scheme for Internet of Things
本文针对物联网设备异构导致的预言机效率与安全问题,提出一种结合TEE与普通设备的分布式高效预言机方案,通过优化节点与数据源匹配关系,将平均响应时间降低约9.92%。
2023-09-30 cs.DC cs.ET cs.NI
D-DEMOS: A distributed, end-to-end verifiable, internet voting system
电子投票系统已经成为一种强大的技术,通过降低选举成本,提高选民参与度,甚至允许选民直接验证整个选举程序来改善民主。先前的互联网投票系统具有单点故障,这可能导致可用性、选民保密性或选举结果的完整性的妥协。在本文中,我们提出的设计,实现,安全性分析和评估的D-DEMOS,一个完整的电子投票系统,是分布式的,隐私保护和端到端的可验证的。我们的系统包括一个完全异步的投票收集子系统,它可以立即向选民保证她的投票被记录为投票,而不需要代表选民进行加密操作。我们还包括一个分布式、可复制和容错的公告板组件,该组件存储所有必要的选举相关信息,并允许任何一方阅读和验证完整的选举过程。最后,我们还成立了受托人,即,控制选举结果产生的个人,同时保证隐私和端到端的可验证性,只要他们的绝大多数是诚实的。我们的系统是第一个电子投票系统,其投票操作是人类可验证的,即,即使当投票者的web客户端堆栈潜在地不安全时,投票者也可以在web上投票,而不牺牲其隐私,并且仍然可以确保她的投票被记录为已投。此外,选民可以将选举审计外包给第三方,而不会牺牲隐私。最后,随着审计人员数量的增加,选举舞弊未被发现的可能性呈指数级下降。我们提供了一个模型和系统的安全性分析。我们实现了一个完整的系统的原型,我们测量其性能实验,我们证明了它的能力,以处理大规模的选举。
2015-12-19 cs.CR cs.DC
Distributed Continuous Range-Skyline Query Monitoring over the Internet of Mobile Things
National Chiao Tung University(国立交通大学);Electronic Engineering Polytechnic Institute of Surabaya (PENS)(泗水电子工程学院);National Taipei University of Technology(台北科技大学)
本文提出了一种非集中的分布式方法,用于在移动环境中高效支持范围-天空线查询和连续范围-天空线查询。
2019-04-24 cs.DB cs.DC
Distributed Inference and Fine-tuning of Large Language Models Over The Internet
Yandex(扬德克斯);University of Washington(华盛顿大学);Hugging Face(抱抱脸);Yandex School of Data Analysis(扬德克斯数据分析学院)
针对大语言模型运行硬件门槛高的问题,提出容错推理算法与负载均衡协议,构建去中心化系统Petals,可利用互联网分布式闲置资源高效运行超大规模LLM,速度显著优于卸载方案。
2023-12-13 cs.DC cs.LG
On Secure Workflow Decentralisation on the Internet
分散式工作流管理系统是一个新的研究领域,迄今为止,大多数工作都集中在系统的整体架构。由于很少有人注意到在这样的系统中的安全方面,我们遵循安全驱动的方法,并考虑,从可用的安全构建块的角度来看,如何实现安全性,以及当赋予分散的环境与现代分布式安全协议时,会出现什么新的机会。我们的研究是出于一个更一般的问题,即如何将电子邮件交换所享有的积极推动因素与工作流系统的一般优势相结合,更具体地说,与分散环境中可以引入的优势相结合。这旨在为电子邮件用户提供一套工具,以管理信息交换的语义、内容、参与者及其在交换中的角色,并提供内在的安全和隐私保证。这项工作是基于当代分布式安全协议的调查,并考虑如何使用这些协议可以在实现分布式工作流管理系统与分散控制。我们审查了一组这些协议,重点是在审查协议所需的消息序列,并讨论这些安全协议如何提供基础,实现核心控制流,数据和资源模式在分布式工作流环境。
2010-06-08 cs.CR cs.DC
Blockchain-based Federated Learning for Decentralized Energy Management Systems
Koç University(科奇大学)
本文全面分析了能源互联网领域结合区块链、智能合约与联邦学习的最先进解决方案,识别四种系统模型并探讨其在能源交易、微电网和电动汽车管理等领域的应用,同时指出了未来研究方向。
2023-06-23 cs.AI cs.DC
Distributed, End-to-end Verifiable, and Privacy-Preserving Internet Voting Systems
电子投票系统是改善民主的强大技术。不幸的是,现有的投票系统具有单点故障,这可能损害选举结果的可用性、隐私性或完整性。我们提出的设计,实现,安全分析和评估的D-DEMOS套件的分布式,隐私保护,端到端的可验证的电子投票系统。我们提出了两个系统:一个异步和一个最小的时间假设,但更好的性能。我们的系统包括一个分布式的投票收集子系统,不需要代表选民的加密操作。我们还包括一个分布式、可复制和容错的公告板组件,该组件存储所有必要的选举相关信息,并允许任何一方阅读和验证完整的选举过程。最后,我们加入了受托人,他们控制结果的产生,同时保证隐私和端到端的可验证性,只要他们的绝大多数是诚实的。我们的电子投票系统套件是第一个其投票操作是人类可验证的,即,即使当投票者的web客户端堆栈潜在地不安全时,投票者也可以在web上投票,而不牺牲其隐私,并且仍然可以确保她的投票被记录为已投。此外,选民可以将选举审计外包给第三方,而不会牺牲隐私。我们提供了一个模型和系统的安全分析,实现完整的原型,实验测量其性能,并证明其处理大规模选举的能力。最后,我们展示了两个版本的系统之间的性能权衡。我们的系统的初步版本被用于在两次国家级选举的三个投票站进行退出民意调查,并正在被希腊最大的工人工会采用,该工会由50多万成员组成。
2016-08-02 cs.CR cs.DC
Covenant-72B: Pre-Training a 72B LLM with Trustless Peers Over-the-Internet
Covenant AI;Mila
Covenant-72B通过全球分布式预训练实现了大规模无许可参与,展示了去中心化训练的可行性与高效性。
2026-03-10 cs.DC cs.LG
Derandomized Distributed Multi-resource Allocation with Little Communication Overhead
CIISE, Concordia University(康考迪亚大学)
本文研究了互联网连接设备中多个共享资源分配的分布式优化问题,提出了一种去随机化的随机加性增加和乘性减少(AIMD)算法变体,通过每个资源与系统之间的一个比特反馈信号实现,无需设备间通信,并且不依赖参与设备的数量。每个互联网连接设备具有严格凸、二阶连续可导且递增的私有成本函数,实验证明多个共享资源的长期平均分配收敛到最优分配,系统达到最小社会成本,且所提去随机化AIMD算法比随机AIMD算法收敛更快,两者提供近似相同的解。
2018-12-21 cs.DC cs.MA cs.SY
ParaGAN: A Scalable Distributed Training Framework for Generative Adversarial Networks
National University of Singapore(新加坡国立大学)
ParaGAN通过异步训练、非对称优化、拥塞感知数据管道和硬件感知布局转换,将BigGAN训练时间从15天降至14小时,吞吐量提升超30%,并实现高分辨率图像生成。
2024-11-06 cs.AI cs.DC
A Distributed Training Algorithm of Generative Adversarial Networks with Quantized Gradients
Shenzhen University(深圳大学);Tencent AI Lab(腾讯人工智能实验室)
以分布式方式训练生成对抗网络(GAN)是一种很有前途的技术,因为它有助于在现实世界的应用中有效地在大量数据上训练GAN。然而,已知GAN难以通过SGD型方法进行训练(可能无法收敛),并且分布式SGD型方法也可能遭受大量的通信成本。在本文中,我们提出了一个{具有量化梯度的分布式GANs训练算法,称为DQGAN},这是第一个具有量化梯度的GANs分布式训练方法。新方法基于一种称为乐观镜像下降(OMD)算法的特定单机算法来训练GANs,并且适用于满足一般$δ$近似压缩器的任何梯度压缩方法。我们设计的误差反馈操作用来补偿压缩带来的偏差,并保证新方法的收敛性。从理论上证明了{DQGAN}算法非渐近收敛于一阶平稳点,表明在参数服务器模型下,该算法能获得线性加速比.实验结果表明,我们的{DQGAN}算法可以降低通信成本,节省训练时间,并且在合成和真实数据集上的性能略有下降。
2020-10-26 cs.DC cs.LG
Robust Set Partitioning Strategy for Malicious Information Detection in Large-Scale Internet of Things
Beijing Institute of Technology(北京理工大学);Tsinghua University(清华大学);Chinese Academy of Sciences(中国科学院)
本文提出一种鲁棒集合划分策略,通过Grassmann距离降低计算成本并保持检测性能,有效缩小分布式与集中式检测的性能差距,提升边缘节点的安全性。
2025-09-25 cs.DC cs.SY eess.SY
Brainstorming Generative Adversarial Networks (BGANs): Towards Multi-Agent Generative Models with Distributed Private Datasets
Virginia Tech(弗吉尼亚理工大学)
本文提出头脑风暴生成对抗网络(BGAN),使多个智能体在完全分布式且不共享真实数据的情况下,通过交换生成样本协作学习数据分布,理论证明其纳什均衡,实验显示生成质量优于现有分布式GAN。
2023-09-25 cs.DC cs.LG stat.ML
A Trust and Reputation System for IoT Exploiting Distributed Ledger Technology
比特币的出现,以及随之而来的区块链,开启了一个去中心化的新时代。区块链使相互不信任的实体能够协同工作以实现共同目标。然而,目前的区块链技术缺乏可扩展性,这限制了它们在物联网(IoT)应用中的使用。互联网上的许多设备都具有计算和通信能力,以促进决策。这些设备将很快成为一个500亿节点的网络。此外,传感器即服务(SaaS)等新的物联网业务模式需要强大的信任和信誉系统(TRS)。在本文中,我们介绍了一种结合Tangle和区块链作为物联网TRS框架的创新分布式账本。Tangle和区块链的结合提供了前者的可维护性和后者的可扩展性。拟议的分类账可以处理大量的物联网设备交易,并促进低功耗节点的加入和贡献。采用分布式账本可以减轻许多威胁,例如粉饰攻击。结合支付和评级协议,所提出的方法为上层信誉算法提供了更干净的数据。
2021-11-26 cs.CR cs.DC
Distributed Computing Economics
计算机经济正在发生变化。今天,(1)一次数据库访问,(2)10字节的网络流量,(3)100,000条指令,(4)10字节的磁盘存储,(5)一兆字节的磁盘带宽之间的价格大致相当。这对如何构建互联网规模的分布式计算有影响:为了避免昂贵的网络流量,计算尽可能接近数据。
2004-03-12 cs.DC cs.NI
Scalable Grid Resource Discovery through Distributed Search
本文提出了一个简单的和可扩展的基于Web的网格资源发现模型的互联网。资源发现模型包含元数据和资源查找器Web服务。资源查找器Web服务的信息保存在分布在Internet应用层的资源库中。资源查找器Web服务将通过以与DNS协议类似的方式向存储库发送查询来发现。介绍了实现该模型的两种体系结构的底层技术。这些架构是:直接和集中式的基于Web的网格资源发现。资源发现时间是在GridSim中模拟这些模型后计算的。通过进行可扩展性测试,我们发现,当增加更多的用户和资源的网格上的负载,我们的模型相比,网格资源发现时间的成本是边际的。
2011-10-08 cs.DC cs.NI
Internet of Things: An Overview
随着技术的进步和智能设备的数量持续大幅增长,对支持设备的互连、异构和分布式网络的无处不在的上下文感知平台的需求已经引起了今天所称的物联网。然而,为实现上述目标铺平道路并使物联网范式更加有形需要整合和融合不同的知识和研究领域,涵盖从识别和通信到资源发现和服务集成的各个方面。通过本章,我们旨在重点研究主题,包括拟议的架构,安全和隐私,网络通信手段和协议,并最终通过提供未来的方向和物联网发展面临的开放性挑战来总结。
2017-03-19 cs.DC cs.NI
Distributed Algorithms for Internet-of-Things-enabled Prosumer Markets: A Control Theoretic Perspective
University College Dublin(都柏林大学学院);University of Passau(帕绍大学);Concordia University(康考迪亚大学)
本文提出一种基于控制论的分布式算法,用于调节产消者社区中的产消者数量,每个产消者具有耦合其资源时间平均生产与消费的成本函数,并通过概率方式做出二元决策。该方法通过中央机构广播反馈信号实现信息交换,无需直接通信,最终实现渐近最优。
2019-03-25 cs.DC cs.MA cs.SY
Distributed Intelligence in the Computing Continuum with Active Inference
本文针对计算连续体中分布式、异构和动态的服务管理难题,提出利用主动推理(AIF)智能体自主协同管理分布式流处理服务,实验表明AIF无需大量训练即可高效满足设备感知的服务水平目标,并具备强适应能力。
2025-05-30 cs.DC cs.MA cs.SY
A New Distributed Method for Training Generative Adversarial Networks
Zhejiang University(浙江大学);Northwestern University(西北大学)
生成对抗网络(GANs)是新兴的机器学习模型,用于通过联合训练生成器和训练器来生成与真实数据相似的合成数据。在许多应用中,数据和计算资源分布在许多设备上,因此由于隐私和/或通信约束,在一个位置中使用所有数据的集中式计算是不可行的。本文提出了一种以分布式方式训练GANs的新框架:每个设备使用本地数据计算本地数据;单个服务器聚合它们的结果并计算全局GAN。具体而言,在每次迭代中,服务器将全局GAN发送到设备,然后设备更新其本地鉴别器;设备将其结果发送到服务器,然后服务器将其平均值计算为全局鉴别器并相应地更新全局生成器。两种不同的更新计划被设计成在设备和服务器之间具有不同级别的并行性。使用三个流行的数据集获得的数值结果表明,该框架可以优于一个国家的最先进的框架在收敛速度方面。
2021-07-19 cs.DC cs.IT cs.LG
Brief Announcement: Generative Markov Model for Distributed Computing Systems
Department of Computer and Systems Sciences, Stockholm University, Sweden(斯德哥尔摩大学计算机与系统科学系)
针对分布式计算系统的异构性和复杂性,提出一种基于结构化状态分解的生成马尔可夫模型,实现可处理的模拟、推理和策略学习,并通过协作AI推理案例验证其有效性。
2026-06-02 cs.AI cs.DC cs.LG
JAM: The JavaScript Agent Machine for Distributed Computing and Simulation with reactive and mobile Multi-agent Systems -- A Technical Report
Univ. of Bremen(不来梅大学);Institute for Digitization(数字化研究所)
基于Agent的建模(ABM)、仿真(ABS)和分布式计算(ABC)是已建立的方法。互联网和基于网络的技术是适当的载体。本文是一份技术报告,介绍了JavaScript Agent Machine(JAM)平台和使用AgentJS进行代理编程的一些教程方面,AgentJS是广泛使用的JavaScript程序设计语言的一个子集,用于基于移动状态的反应式代理的编程。除了解释特定的设计选择的动机,并介绍了核心概念的架构和编程的代理在JavaScript,简短的例子说明了强大的JAM平台和它的组件部署在强大的异构环境,如互联网的大规模多代理系统。JAM适用于强异构和移动环境中的部署。最后,JAM可以在统一的方法中用于ABC和ABS,最终实现移动人群感知与模拟(ABS)的耦合。
2022-07-22 cs.AI cs.DC cs.HC