摘要
随着移动设备的广泛应用和互联网流量的快速增长，传统云计算逐渐无法满足超高网络带宽和速度的要求，移动边缘计算（MobileEdgeComputing,MEC）通过将服务器部署在靠近终端设备的边缘成为了传统云计算的扩展，为用户提供低延迟、近距离的计算。然而，传统的MEC系统严重依赖地面基础设施，应用场景受到限制。基于无人机的MEC网络因无人机的高度机动性和低成本，成为了解决该问题的关键。与此同时，无人机通信信道的广播性质使空地传输易受到窃听和恶意攻击，物理层安全技术利用信道特性来确保用户能够安全地传输信息，避免了传统安全算法由于复杂性导致的高能耗。基于此，本文研究了基于无人机的MEC网络安全卸载算法。 首先，研究了单无人机多用户网络安全通信场景下，基于簇的无人机MEC网络安全容量最大化算法。然后，在无人机位置不变的情况下，研究了基于用户公平性的安全能效最大化算法；最后，进一步考虑无人机能量限制，研究了基于无人机自动巡航的安全能效最大化算法。具体研究内容如下： 1）基于簇的安全容量最大化算法。本研究点由一个无人机、多个随机生成的地面节点以及多个窃听者组成的MEC网络。在该网络中无人机作为边缘计算服务器，地面节点首先将信息传送给簇头，然后由簇头作为中继转发给无人机，在此过程中，窃听节点利用两跳的信息进行窃听。通过将安全传输作为约束，以最大化系统平均安全容量为目标建立了优化模型，并引入基于簇的平均安全容量最大化算法来解决这个问题。该算法首先将整体问题分解为无人机位置优化和用户聚类两个子问题。然后，对于无人机位置优化子问题，在得到地面设备的分簇情况和簇头坐标后，无人机位置即为寻找多边形点群中位中心问题；最后，根据无人机位置优化结果，重新对地面节点进行分簇，循环往复，直至系统稳定。仿真结果表明，该算法在安全容量上优于传统方案。 2）考虑用户公平性的安全能效最大化算法。本研究点研究了一个固定位置无人机，多个随机生成的地面节点和一个窃听者构成的MEC网络。以系统允许的安全传输速率、地面节点发射功率、时间分配系数等为约束，以最大化最小的用户安全能效为目标建立优化模型，并提出了一种基于公平的安全能效最大化算法求解该问题。首先，引入丁克尔巴赫方法，将原始安全能效的分数形式转化为减法形式。然后，利用连续凸优化技术将问题分解地面节点发射功率子问题、本地计算频率子问题和时间分配系数子问题。最后得到地面节点发射功率、本地计算功率和时间分配系数优化设置，优化了系统能耗。仿真结果表明，相比于平均时间卸载，本文采用的算法能得到安全性能更大的任务卸载决策。 3）本研究点在2）的基础上，考虑了无人机飞行轨迹的限制，进一步研究了系统的安全能效最大化算法。该算法以本地CPU频率、地面节点发射功率、时隙分割比和无人机位置为约束，以最大化无人机整个飞行过程中的安全能效为目标建立模型，并采用一种基于无人机自动巡航的安全能效最大化算法求解该问题。针对优化模型，首先将整体问题拆分为资源分配子问题与无人机轨迹设计子问题。然后，为解决资源分配子问题，提出一种基于分数规划的迭代算法；为解决轨迹设计子问题，提出一种基于逐次凸逼近的迭代算法。仿真结果表明，与现有算法相比，本文所提出的算法能够得到系统安全能效更大的任务卸载决策。
NETL