一种RIS辅助MEC系统的低时延安全计算卸载方法

本发明属于网络安全领域，涉及一种ris辅助mec系统的低时延安全计算卸载方法。

背景技术：

1、随着去中心化网络的出现和5g技术的应用与发展，移动互联网和物联网已经成为人们日常生活中不可或缺的一部份，“万物互联”已经成为未来通信发展不可阻挡的趋势。近年来，底层业务终端和用户端数据传输数量不断增加，视频、自然语言处理、人脸识别和医疗监控等新应用导致了更复杂的计算，各种新兴的智能服务(如智能家居、自动驾驶、远程医疗等)对能源供应受限、计算能力差、资源受限的物联网设备提出了巨大挑战，这些服务需要更多的计算能力。然而，由于电池能量、计算资源和处理速度的限制，智能服务所需地计算能力超出了用户终端(ut)的能力。

2、在传统的云计算模型中，终端设备将数据发送到远程的云服务器进行处理和分析。该模型是一种基于互联网的计算模型，它通过将计算资源、存储和服务提供给用户，以按需、灵活和可扩展的方式满足用户的需求。该云计算模型可以根据用户的需求动态分配和释放计算资源，具备弹性和可扩展性。然而，该模型需要稳定、高速的互联网连接，以保证用户能够及时访问和使用云服务。如果用户的网络连接不稳定或带宽有限，可能会对云服务的性能和响应时间产生影响。与此同时用户的数据和应用托管在云服务提供商的服务器上，这可能引发安全性和隐私问题。用户需要确保云服务提供商有可靠的安全措施来保护数据，并且在数据存储、传输和访问控制方面采取适当的安全策略。由于数据传输的延迟和带宽限制，以及对隐私和安全性的担忧，这种云计算模型在某些场景下变得不太适用。

3、为了解决这一问题，一种很有前景的策略被称为——移动边缘计算(mec)，它能更好地满足计算。在mec系统中，计算服务器位于网络边缘，ut可以将部分或全部计算任务卸载到mec服务器上。mec系统将业务平台功能移至网络边缘，为ut提供无处不在的数据服务，提供近距离、低时延、高速接入的业务环境，将原在网络中心的计算能力推向网络边缘，更接近终端设备和数据源。移动边缘计算的主要目标是在网络边缘部署高性能的计算和存储资源，使边缘设备能够快速响应和处理数据，减少数据传输延迟。通过将应用程序和服务部署在离终端设备更近的边缘服务器上，mec可以提供低延迟的计算、实时数据分析和快速响应的服务。

4、移动边缘计算(mec)凭借其低时延、高带宽利用率和增强的隐私保护等优点，正在迅速成为现代网络架构中的重要组成部分。mec通过将计算能力部署到靠近用户的网络边缘，大大减少了数据传输的距离和时间，提高了响应速度和服务质量。然而，尽管mec在许多方面表现出色，仍然面临一些挑战。例如，无线网络环境中的信号干扰、多径效应以及由于障碍物导致的信号衰减，或者现实中可能存在地窃听者窃听数据等问题，都可能会影响边缘计算节点与终端设备之间的通信效率和稳定性。

5、为了解决这些问题，增强mec的性能，智能反射面(ris)技术应运而生。ris是一种新兴的无线通信技术，通过在环境中引入可编程的反射面，动态调节无线信号的传播路径，从而显著改善通信质量和效率。

6、智能反射面由大量可调节的反射单元组成，可以通过改变反射单元的电特性，控制入射信号的反射方向、相位和幅度。这样，ris可以：

7、增强信号覆盖：在信号盲区和弱信号区域，通过智能反射面调整信号路径，提高覆盖范围和信号强度。

8、减少干扰：通过智能调节，ris可以有效避开干扰信号，优化信号传输路径，提升通信质量。

9、节能增效：利用ris可以降低基站和终端的发射功率，从而减少能耗，实现绿色通信。

10、然而，现实通信系统可能存在窃听者和限制发射功率的情况，此将大幅度降低通信系统的安全性能。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种ris辅助mec系统的低时延安全计算卸载方法。针对上述问题，以提高系统安全性能并进一步降低系统时延为目标，本发明提出了一种ris辅助mec系统安全速率下的低时延方案。通过变量替换将问题简化后，使用交替优化、二次变换、拉格朗日对偶变换等凸优化方法，联合基站接收矩阵、ris相移、卸载计算量作进一步优化，从而有效保障用户安全、快速地进行卸载计算。

2、为达到上述目的，本发明提供如下技术方案：

3、一种ris辅助mec系统的低时延安全计算卸载方法，该方法包括以下步骤：

4、s1、构建ris辅助mec系统，并对系统中的参数进行初始化处理；

5、s2、根据优化目标以及安全约束建立优化问题数学模型；

6、s3、通过变量替换引入辅助变量简化问题，并基于交替优化算法将问题分解为三个子问题进行优化，采用多维复数情况下的二次变换对分数项进行求解；

7、s4、求解等价转化后的卸载量、接收波束形成矩阵、ris相移凸优化子问题，得出基于所有约束条件下的最大安全速率。

8、进一步，在步骤s1中，ris辅助mec系统至少包括一个基站bs、一个智能反射面ris、一位窃听者eve及多个单天线用户user；其中，用户通过直接链路和级联链路将信息传输给多天线基站，同时一个单天线窃听者试图窃听传输给基站的信息；基站配备m根天线，ris含n个反射单元，用户数量为k且用户的接收设备均为单天线设备，ris中的反射单元集m 31，单天线用户集k 32；系统的信道状态信息已知，将ris-bs、user-bs、user-eve、user-ris的信道增益分别表示为

9、进一步，在步骤s1中，对以下参数进行初始化设定：

10、第k个user在bs的接收信号矢量表示为：

11、

12、其中，pk表示第k个user的发射功率，其保持恒定，表示第k个user的接收波束形成矩阵，表示第k个user到bs的直接通道矩阵，表示ris到bs的通道矩阵，表示反射面的相移，θ＝diag(α1,α2,...,αn)其中|αn|＝1，表示第k个user到智能反射面的通道矩阵，xk表示第k个user传输的数据，n表示加性高斯白噪声；

13、窃听者所窃听的消息表示为：

14、

15、其中，表示user到窃听者之间的通道矩阵；

16、用户k上传基站信息的可达速率为：

17、rk，en＝blog2(1+γk，en)

18、其中，第k个用户发送信号经ris反射传输给基站公有信息的信噪比γk,en为：

19、

20、窃听者窃听用户k的可达速率为：

21、rk，eve＝blog2(1+γk，eve)

22、其中，第k个用户发送信号被窃听者所窃听的信息的信噪比γk,eve为：

23、

24、用户以保密率的下界向基站进行消息传输，其下界为：

25、

26、系统的传输总时延表示为：

27、t(ω,θ,l)＝max{tloc,toff+tpron}

28、其中，toff表示卸载传输时延，tpron表示边缘计算时延，tloc表示本地计算时延。

29、进一步，在步骤s2中，根据优化目标以及安全约束建立的优化问题数学模型p1表示为：

30、

31、其中，t为用户的时延总和，pk为用户的发射功率，其保持恒定，为用户的所占用基站的计算能力，l是用户本地计算的总比特数，θn是ris的相移角度，rk，sec是用户的最大安全速率；约束c1确保用户的发射功率在预期范围内；约束c2确保用户卸载数据在基站运算能力不超过上限；约束c3保证用户的卸载量符合实际意义；约束c4是ris的相移；约束c5是用户的安全速率非负；其中ris的反射系数满足模长为1的约束。

32、进一步，在步骤s3中，具体包括以下步骤：

33、s31、固定ω,θ，以最小化总时延为优化目标，求解l的最优解，并将问题p1转化为p2；

34、s32、固定ω以及l的最优解，在问题p2中引入辅助变量，将问题p2重新表述为p3，并从p3求解出θ的最优解；

35、s33、固定最优解θ以及最优解l，在问题p2中引入辅助变量，将问题p2重新表述为p4，并从p4中求出ω的最优解。

36、进一步，在步骤s31中，卸载传输时延为：边缘计算时延为：本地计算时延为：其中，l表示任务的总比特数，l表示本地计算的总比特数，ck表示边缘服务器处理一个比特所需的cpu周期数，fe表示边缘服务器的计算能力，fl表示本地设备的计算能力；

37、在固定ris相移角度θn和接收波束形成矢量ω的情况下，本地计算时延、卸载时延和边缘计算时延均表现为单增函数，根据总时延的计算公式，当两者相等时，时延到达最小值，即：

38、tloc＝toff+tpron

39、

40、所卸载数据量的大小与当前安全速率成正相关；

41、固定接收波束形成矢量ω，固定卸载量l为最优解，p1重新表示为问题p2，即：

42、

43、问题p2为非凸问题。

44、进一步，在步骤s32中，在将问题p1转化为问题p2后，rk,en中耦合优化目标变量，定义φ＝[ejθ1,....ejθn]t得到θ＝diag(φ)，将θ的优化等效转化为φ的优化；

45、分别引入辅助变量将p2重新表述为：

46、

47、采用二次变换方法处理rk(φ)，有：

48、

49、在pk固定的情况下，通过设置来获取最优yk：

50、

51、采用二次变换的方法将重新表述为：

52、

53、其中是复辅助变量，λ＝[λ1,...,λk]，给定φ，通过方程得到最优λk：

54、

55、其中|ak,iφ+bk,i|2等价地表示为：

56、

57、由此得到：

58、

59、其中：

60、

61、基于以上变换，采用多维复二次变换将改写为问题p3：

62、

63、其中是复辅助向量，给定ris相移优化，最优gk表示为：

64、gopt,k＝ξkφ

65、由于对于φ是凸问题，使用cvx工具箱求解。

66、进一步，在步骤s33中，固定最优解θ以及最优解l，在问题p2中引入辅助变量hi＝hen,i+gφhh,i，由此将rk(φ)改写为：

67、

68、采用二次变换方法处理：

69、

70、其中y的最优值为yopt,k，为复辅助变量，b＝[β1,β2,...,βk]，最优βk表示为：

71、

72、综上所述，将p2重新表述为p4，即：

73、

74、对于接收波束形成矢量，问题p4是凸问题，使用cvx进行求解。

75、进一步，在步骤s4中，根据上述子问题输出每一轮的最优卸载计算量、接收波束形成矩阵、最优相移角度，直至时延收敛求出问题的解，再对最小时延t进行更新，具体步骤为：

76、根据前述子问题优化得出的卸载计算量l、基站接收矢量矩阵ω、ris相移θ，交替迭代得到最小时延t。

77、本发明的有益效果在于：

78、本发明通过将智能反射面与移动边缘计算相结合，可以进一步提升网络的整体性能和用户体验。在ris的辅助下，mec节点与终端设备之间的通信变得更加高效、稳定和可靠，从而最大程度地发挥边缘计算的优势，满足日益增长的低时延和高带宽需求。

79、本发明还考虑有窃听者的情况下对实际通信系统的安全和时延的影响，以最低时延为目标，同时考虑数据传输的安全性。在用户发送功率、ris相移、卸载数据量约束下，通过优化ris相移、卸载数据量和基站接收矩阵来达到最低时延的目的。

80、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。