[論文レビュー] Applications of Auction and Mechanism Design in Edge Computing: A Survey

Houming Qiu, Kun Zhu+4 more|arXiv (Cornell University)|May 8, 2021

IoT and Edge/Fog Computing参考文献 140被引用数 8

ひとこと要約

本サーベイは、エッジコンピューティングにおけるオークションおよびメカニズム設計の応用について包括的な分析を提供し、リソース割り当て、タスクのオフロード、インcentiveメカニズムに焦点を当てる。クラウドレット、フェイジング、モバイルエッジコンピューティング（MEC）のパラダイムにわたり、既存のオークションベースのアプローチを分類し、公平性、効率性、真実性の達成における性能を評価し、プライバシー、スケーラビリティ、NP-hardな設定におけるウィナーデターミネーション問題といった主な課題を特定する。

ABSTRACT

Edge computing as a promising technology provides lower latency, more efficient transmission, and faster speed of data processing since the edge servers are closer to the user devices. Each edge server with limited resources can offload latency-sensitive and computation-intensive tasks from nearby user devices. However, edge computing faces challenges such as resource allocation, energy consumption, security and privacy issues, etc. Auction mechanisms can well characterize bidirectional interactions between edge servers and user devices under the above constraints in edge computing. As demonstrated by the existing works, auction and mechanism design approaches are outstanding on achieving optimal allocation strategy while guaranteeing mutual satisfaction among edge servers and user devices, especially for scenarios with scarce resources. In this paper, we introduce a comprehensive survey of recent researches that apply auction approaches in edge computing. Firstly, a brief overview of edge computing including three common edge computing paradigms, i.e., cloudlet, fog computing and mobile edge computing, is presented. Then, we introduce fundamentals and backgrounds of auction schemes commonly used in edge computing systems. After then, a comprehensive survey of applications of auction-based approaches applied for edge computing is provided, which is categorized by different auction approaches. Finally, several open challenges and promising research directions are discussed.

研究の動機と目的

• エッジコンピューティングにおけるオークションベースのメカニズムを体系的にレビューし、効率的なリソース割り当ておよびタスクオフロードを実現する。
• 英会話、密封入札、組み合わせオークションなどのさまざまなオークションタイプが、異なるエッジコンピューティングシナリオに適しているかどうかを分析する。
• オークションドリブンのエッジシステムにおけるセキュリティ、プライバシー、インcentive互換性、およびウィナーデターミネーション問題（WDP）の解決に関する、未解決の課題を特定する。
• ブロックチェーン、フェデレーテッドラーニング、機械学習との統合といった、新たな研究分野を探索し、スケーラブルでプライベートなオークションソリューションを強化する。
• 特定のエッジコンピューティングワークロードおよび制約に適したオークションメカニズムの選定を研究者にガイドする。

提案手法

• エッジコンピューティングを3つの主要なパラダイムに分類する：クラウドレット、フェイジングコンピューティング、およびモバイルエッジコンピューティング（MEC）、それぞれのアーキテクチャ的差異とユースケースを強調する。
• 真実性、バジェットバランス、個別合理性、経済的効率性といったオークション理論の基礎的概念をレビューし、メカニズム設計のための核心的望ましい性質として位置づける。
• オークションタイプ（例：単一商品、複数商品、組み合わせオークション）および応用文脈（リソース割り当て、オフロード、エネルギー効率性）に基づき、エッジコンピューティングにおける既存のオークションベースのアプローチを分類・分析する。
• 社会的福祉、計算複雑性、インcentive互換性といった主要なパフォーマンス指標を用いてメカニズムを評価し、実用的導入制約に特に注目する。
• 信頼性とセキュリティを高めるためにオークション理論とブロックチェーンの統合を提案し、NP-hardなウィナーデターミネーション問題を解くために機械学習を活用する。
• フェデレーテッドラーニングをオークションメカニズムと併用することで、データプライバシーを保持しつつエッジノードの参加をインセンティブ化する。

実験結果

リサーチクエスチョン

• RQ1 オークションメカニズムは、分散型エッジコンピューティング環境において、リソース割り当てを最適化するためにどのように効果的に適用できるか？
• RQ2 公平性と効率性を保証するオークションベースのエッジシステムにおいて、真実性やバジェットバランスといった主な設計原則は何か？
• RQ3 密封入札や組み合わせオークションなどの異なるオークションタイプは、エッジコンピューティングワークロードにおいて性能とスケーラビリティの面でどのように比較されるか？
• RQ4 エッジ環境におけるプライバシー漏洩および悪意ある参加者に対するオークションメカニズムのセキュリティを確保する上で、主な課題は何か？
• RQ5 オークション理論は、機械学習およびフェデレーテッドラーニングとどのように組み合わせることで、エッジコンピューティングにおけるスケーラビリティとプライバシーを強化できるか？

主な発見

• オークションベースのメカニズムは、サービス要求者と提供者間のインセンティブを一致させることで、エッジコンピューティングにおけるリソース割り当ての効率性を著しく向上させる。
• 組み合わせオークションおよびマルチユニットオークションは、モバイルエッジ環境における複雑で相互依存するタスクオフロードおよびリソース割り当てに対して特に効果的である。
• VCGオークションのような真実性を持つメカニズムは経済的効率性を保証し、戦略的入札を防ぐが、バジェットバランスの問題に直面する可能性がある。
• ブロックチェーンの統合によりオークションプロセスにおける信頼性とデータ整合性が向上するが、パブリックレジストリの露出により新たなプライバシーリスクが生じる。
• 機械学習技術は、NP-hardなウィナーデターミネーション問題（WDP）の最適解を近似する上で有望であり、計算オーバーヘッドを低減する。
• オークションメカニズムとフェデレーテッドラーニングを組み合わせることで、エッジノードでのプライベートなモデルトレーニングが可能となり、インセンティブにより参加とリソース貢献が促進される。