【技术实现步骤摘要】
本专利技术涉及防窃听安全计算卸载，尤其涉及一种针对智能窃听者的安全计算卸载方法和系统。
技术介绍
1、无人机凭借其灵活、部署成本低等特点，可以作为中转节点和空中基站来辅助通信，被认为将在人工智能支持的b5g和下一代无线通信网络6g中扮演关键的角色。与地面移动边缘计算(mobile edge computing，mec)网络相比，无人机辅助的mec中的通信链路以视距信道为主，其可以带来更好的通信连接和覆盖，进而可以为用户提供更好的服务质量，然而在无人机辅助的mec网络中用户数据的隐私和安全问题更加严重，一方面是由于mec的将数据发送到边缘服务器，与集中式云计算相比数据更容易发生数据泄露；另一方面由于空中无线信道比地面信道更容易被窃听者窃听和恶意干扰器拦截，同时，智能的窃听无人机可以利用其机动性，根据周围的环境自适应的改变其轨迹，以获得更加有效的窃听。
2、现有的无人机辅助的mec网络中的防窃听安全计算卸载方案大多都是针对固定窃听者，如果将这些方案直接应用于智能窃听者场景，其性能将断崖式下降，这是因为这些方案在优化决策时过度拟合某个固定的窃听者，不能适应智能窃听者的场景，因此亟需一种在存在智能窃听无人机的环境中安全地进行计算任务的卸载方案。
技术实现思路
1、本专利技术提供了一种针对智能窃听者的安全计算卸载方法和系统，用以解决现有技术存在的问题，本专利技术提供的技术方案如下：
2、一方面，提供了一种针对智能窃听者的安全计算卸载方法，所述方法包括：
3
4、s2、根据所述系统模型和两阶段卸载模型，计算系统的总延迟和能耗，并设计最大最小的优化问题，所述最大最小的优化问题的目标是使计算任务的最小执行效率最大化；
5、s3、将所述最大最小的优化问题分解为合法无人机优化和窃听无人机优化两个子问题，对于合法无人机，优化目标是最大化计算任务的执行效率，对于窃听无人机，优化目标是最小化计算任务的执行效率；
6、s4、以多智能体近端策略优化mappo算法为基础算法，结合零和博弈思想，将所述两个子问题转化为两个部分可观测的马尔可夫博弈，进行对抗多智能体强化学习，合法无人机和窃听无人机交替作为mappo的智能体与环境交互，分别以最大化和最小化计算任务的执行效率为目标优化各自的策略，直至收敛，得到最优的安全计算卸载方案。
7、另一方面，提供了一种针对智能窃听者的安全计算卸载系统，所述系统包括：
8、构建模块，用于构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型；
9、计算设计模块，用于根据所述系统模型和两阶段卸载模型，计算系统的总延迟和能耗，并设计最大最小的优化问题，所述最大最小的优化问题的目标是使计算任务的最小执行效率最大化；
10、分解模块，用于将所述最大最小的优化问题分解为合法无人机优化和窃听无人机优化两个子问题，对于合法无人机，优化目标是最大化计算任务的执行效率，对于窃听无人机，优化目标是最小化计算任务的执行效率；
11、对抗强化学习模块，用于以多智能体近端策略优化mappo算法为基础算法，结合零和博弈思想，将所述两个子问题转化为两个部分可观测的马尔可夫博弈，进行对抗多智能体强化学习，合法无人机和窃听无人机交替作为mappo的智能体与环境交互，分别以最大化和最小化计算任务的执行效率为目标优化各自的策略，直至收敛，得到最优的安全计算卸载方案。
12、另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有指令，所述指令由所述处理器加载并执行以实现上述针对智能窃听者的安全计算卸载方法。
13、另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有指令，所述指令由处理器加载并执行以实现上述针对智能窃听者的安全计算卸载方法。
14、上述技术方案，与现有技术相比至少具有如下有益效果：
15、与现有的方案相比，本专利技术提供的方案所获得的合法无人机的策略在对抗智能窃听无人机时有显著的优势，在对抗采用不同策略的窃听无人机时的最小计算任务执行效率均是最大的，能得到最优的安全计算卸载方案。
本文档来自技高网...【技术保护点】
1.一种针对智能窃听者的安全计算卸载方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述S1的构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述S2中根据所述系统模型和两阶段卸载模型，计算系统的总延迟和能耗，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述S2中设计最大最小的优化问题，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述S3，具体包括：对于合法无人机，优化目标是最大化计算任务的执行效率，因此对于任意给定的窃听无人机和基站的优化变量和，合法无人机的优化子问题表示为：
6.根据权利要求5所述的方法，其特征在于，所述S4中以多智能体近端策略优化MAPPO算法为基础算法，结合零和博弈思想，将所述两个子问题转化为两个部分可观测的马尔可夫博弈，具体包括：将合法无人机集群与窃听无人机集群之间的竞争问题转化为两个无人机集群的零和博弈，视为合法无人机集群通过优化子问题P2的决策来最大化
7.根据权利要求6所述的方法，其特征在于，所述S4中进行对抗多智能体强化学习，合法无人机和窃听无人机交替作为MAPPO的智能体与环境交互，分别以最大化和最小化计算任务的执行效率为目标优化各自的策略，直至收敛，得到最优的安全计算卸载方案，具体包括：对合法无人机的策略和窃听无人机的策略进行交替优化，在第一阶段，优化合法无人机的策略，同时保持窃听无人机的策略固定，在第二阶段，固定合法无人机的策略，优化窃听无人机的策略，然后重复第一阶段和第二阶段，直到收敛，得到最优的安全计算卸载方案，包括：初始化所有合法无人机和窃听无人机的策略的参数,评论家网络的参数；在每个迭代中，执行一个两步交替优化过程：在每次迭代中，合法无人机和窃听无人机分别使用各自的策略和与环境交互以收集数据，并将收集的数据存入经验回放池中，然后固定窃听无人机的网络参数，同时利用重要性采样技术对所有合法无人机的网络参数进行多次更新：对于每个合法无人机，基于评论家网络计算广义估计优势，策略通过最小化截断目标函数来更新参数：
8.根据权利要求7所述的方法，其特征在于，将所述合法无人机和窃听无人机使用策略和与环境交互并收集数据的过程称作函数，具体包括：在每个时隙，每个合法无人机和窃听无人机的策略根据本地观测获取动作，然后所有无人机执行联合动作，并获得下一个时隙的相应奖励、状态和观测值，最后将生成的经验元组放入经验回放池中，循环这个过程，直到经验重放池中的经验元组的数目大于，得到所有的数据。
9.一种针对智能窃听者的安全计算卸载系统，其特征在于，所述系统包括：构建模块，用于构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型；计算设计模块，用于根据所述系统模型和两阶段卸载模型，计算系统的总延迟和能耗，并设计最大最小的优化问题，所述最大最小的优化问题的目标是使计算任务的最小执行效率最大化；分解模块，用于将所述最大最小的优化问题分解为合法无人机优化和窃听无人机优化两个子问题，对于合法无人机，优化目标是最大化计算任务的执行效率，对于窃听无人机，优化目标是最小化计算任务的执行效率；对抗强化学习模块，用于以多智能体近端策略优化MAPPO算法为基础算法，结合零和博弈思想，将所述两个子问题转化为两个部分可观测的马尔可夫博弈，进行对抗多智能体强化学习，合法无人机和窃听无人机交替作为MAPPO的智能体与环境交互，分别以最大化和最小化计算任务的执行效率为目标优化各自的策略，直至收敛，得到最优的安全计算卸载方案。
...【技术特征摘要】
1.一种针对智能窃听者的安全计算卸载方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述s1的构建存在智能窃听者的多无人机辅助的移动边缘计算网络的系统模型和计算任务的两阶段卸载模型，具体包括：
3.根据权利要求2所述的方法，其特征在于，所述s2中根据所述系统模型和两阶段卸载模型，计算系统的总延迟和能耗，具体包括：
4.根据权利要求3所述的方法，其特征在于，所述s2中设计最大最小的优化问题，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述s3，具体包括：对于合法无人机，优化目标是最大化计算任务的执行效率，因此对于任意给定的窃听无人机和基站的优化变量和，合法无人机的优化子问题表示为：
6.根据权利要求5所述的方法，其特征在于，所述s4中以多智能体近端策略优化mappo算法为基础算法，结合零和博弈思想，将所述两个子问题转化为两个部分可观测的马尔可夫博弈，具体包括：将合法无人机集群与窃听无人机集群之间的竞争问题转化为两个无人机集群的零和博弈，视为合法无人机集群通过优化子问题p2的决策来最大化计算任务的长期执行效率，而窃听无人机集群通过优化子问题p3的决策来最小化计算任务的长期执行效率；将子问题p2和p3，转化为两个部分可观测的马尔可夫博弈，其中分别包含和个智能体，每架无人机都是一个智能体，根据自己的不完全观测信息独立做出决策，两个部分可观测的马尔可夫博弈都包含一个共享的全局状态，一组观测，一组动作，以及一组奖励，其中状态：系统的全局共享状态表示为观测：合法无人机和窃听无人机都只能获得不完全观测信息，合法无人机获得的观测信息包括自身位置、剩余能量、通信覆盖范围内最近的 个终端设备位置以及生成的计算任务，窃听无人机获得的观测信息包括自身位置，此外，合法无人机和窃听无人机都可以获得其他无人机的位置，因此合法无人机n和窃听无人机k的观测值和表示为：；
7.根据权利要求6所述的方法，其特征在于，所述s4中进行对抗多智能体强化学习，合法无人机和窃听无人机交替作为mappo的智能体与环境交互，分别以最大化和最小化计算任务的执行效率为目标优化各自的策略，直至收敛，得到最优的安全计算卸...
【专利技术属性】
技术研发人员：皇甫伟，李旭龙，徐欣怡，徐晶，霍佳皓，张海君，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。