[論文レビュー] Learning-based decentralized offloading decision making in an adversarial environment

Byungjin Cho, Yu Xiao|arXiv (Cornell University)|Apr 26, 2021

Privacy-Preserving Technologies in Data参考文献 42被引用数 7

ひとこと要約

本稿では、動的で不確実な条件下におけるファイアーコストの最適化を目的とし、敵対的マルチアームバンディット理論を用いた学習ベースの分散型オフローディングアルゴリズムを提案する。入力サイズに依存する選択と適応的スコアパッチングを組み込むことで、変動するリソース供給と需要を伴う敵対的環境下でも低レグレットかつ高い性能を達成し、平均ビットあたりコストにおいてベンチマークを最大30%まで上回る性能を発揮する。

ABSTRACT

Vehicular fog computing (VFC) pushes the cloud computing capability to the distributed fog nodes at the edge of the Internet, enabling compute-intensive and latency-sensitive computing services for vehicles through task offloading. However, a heterogeneous mobility environment introduces uncertainties in terms of resource supply and demand, which are inevitable bottlenecks for the optimal offloading decision. Also, these uncertainties bring extra challenges to task offloading under the oblivious adversary attack and data privacy risks. In this article, we develop a new adversarial online learning algorithm with bandit feedback based on the adversarial multi-armed bandit theory, to enable scalable and low-complexity offloading decision making. Specifically, we focus on optimizing fog node selection with the aim of minimizing the offloading service costs in terms of delay and energy. The key is to implicitly tune the exploration bonus in the selection process and the assessment rules of the designed algorithm, taking into account volatile resource supply and demand. We theoretically prove that the input-size dependent selection rule allows to choose a suitable fog node without exploring the sub-optimal actions, and also an appropriate score patching rule allows to quickly adapt to evolving circumstances, which reduce variance and bias simultaneously, thereby achieving a better exploitation-exploration balance. Simulation results verify the effectiveness and robustness of the proposed algorithm.

研究の動機と目的

• 変動するリソース供給と需要の下での自動車フォグコンピューティングにおける分散型タスクオフローディングの課題に対処すること。
• 中央集権的調整に依存せずに、オフローディングサービスコスト（特に遅延とエネルギー）を最小化すること。
• 敵対的で非定常な環境下におけるリアルタイム意思決定における探索と活用のバランスをとること。
• 完全な状態情報の交換を避けるために、バンディットフィードバックのみを用いてスケーラブルで低複雑性のオフローディング意思決定を可能にすること。
• 候補となるフォグノードの可用性とタスクサイズのダイナミクスに起因する敵対的変化に対して高いロバストネスを実現すること。

提案手法

• 各潜在的VFNをアームとみなして、フォグノード選択を敵対的マルチアームバンディット問題として定式化する。
• 劣悪な行動の探索を削減する入力サイズに依存する選択ルールを導入する。
• 変化する環境条件に迅速に適応するための動的スコアパッチングルールを採用する。
• 完全な状態観測を必要とせず、バンディットフィードバックを用いてオフローディングコスト（遅延とエネルギー）を学習する。
• レグレットを最小化すると同時に、活用と探索のバランスを取る学習アルゴリズムを設計する。
• 理論的分析により、不確実性下での意思決定における分散とバイアスの両方を低減できることを証明する。

実験結果

リサーチクエスチョン

• RQ1 限られた情報のもとで、動的で敵対的な自動車フォグ環境における分散型タスクオフローディングをどのように最適化できるか？
• RQ2 リソースの可用性とタスク需要が変動する状況で、効果的な探索と活用のトレードオフを実現するメカニズムは何か？
• RQ3 中央集権的調整や完全な状態知識がなくても、学習ベースのアプローチが低レグレットかつ低ビットあたりコストを達成できるか？
• RQ4 入力サイズ依存性は意思決定の正確性をどのように向上させ、無駄な探索を削減するか？
• RQ5 適応的スコアパッチングは、環境変化への対応速度をどの程度向上させるか？

主な発見

• 提案アルゴリズムは、高密度なVFN環境下のピーク時で、UCBやExp3IXと比較して平均ビットあたりコストを最大30%まで削減した。
• ピーク時間帯では、UCBと比較して23%、部分的リセット付きの変動的Exp3IXと比較して10%の平均ビットあたりコスト削減を達成した。
• さまざまなタスクサイズと動的なVFN可用性の下でも、安定した性能を維持し、優れた適応性を示した。
• 理論的分析により、入力サイズに依存する選択ルールが劣悪な行動の探索を回避し、効率性を向上させることを確認した。
• スコアパッチングルールにより、環境変化への適応速度が向上し、意思決定におけるバイアスと分散の両方を低減した。
• シミュレーション結果から、重みパrameter ξに応じて性能低下または向上が滑らかに変化することが示され、遅延とエネルギーコストの間で調整可能なトレードオフが実現していることがわかった。