[论文解读] Socially Trusted Collaborative Edge Computing in Ultra Dense Networks

Lixing Chen, Jie Xu|arXiv (Cornell University)|May 9, 2017

IoT and Edge/Fog Computing参考文献 26被引用 12

一句话总结

本文提出了一种社会信任驱动、基于支付的联盟形成框架，用于超密集小细胞网络中的协作式边缘计算，使小型基站（SBSs）能够通过动态用户关联和对等卸载，联合管理无线和计算资源。该方法利用合作博弈论和社会信任网络，实现稳定且具有激励相容性的联盟，使系统成本降低超过40%。

ABSTRACT

Small cell base stations (SBSs) endowed with cloud-like computing capabilities are considered as a key enabler of edge computing (EC), which provides ultra-low latency and location-awareness for a variety of emerging mobile applications and the Internet of Things. However, due to the limited computation resources of an individual SBS, providing computation services of high quality to its users faces significant challenges when it is overloaded with an excessive amount of computation workload. In this paper, we propose collaborative edge computing among SBSs by forming SBS coalitions to share computation resources with each other, thereby accommodating more computation workload in the edge system and reducing reliance on the remote cloud. A novel SBS coalition formation algorithm is developed based on the coalitional game theory to cope with various new challenges in small-cell-based edge systems, including the co-provisioning of radio access and computing services, cooperation incentives, and potential security risks. To address these challenges, the proposed method (1) allows collaboration at both the user-SBS association stage and the SBS peer offloading stage by exploiting the ultra dense deployment of SBSs, (2) develops a payment-based incentive mechanism that implements proportionally fair utility division to form stable SBS coalitions, and (3) builds a social trust network for managing security risks among SBSs due to collaboration. Systematic simulations in practical scenarios are carried out to evaluate the efficacy and performance of the proposed method, which shows that tremendous edge computing performance improvement can be achieved.

研究动机与目标

• 解决超密集5G网络中单个小型基站（SBSs）计算能力有限的挑战。
• 通过使SBS之间实现协作式边缘计算，克服向远程云进行分层卸载的局限性。
• 设计一种激励机制，鼓励通常独立运营的SBS参与资源共享。
• 通过社会信任网络模型，缓解SBS协作中的安全与隐私风险。
• 开发一种稳定、分布式的联盟形成算法，联合优化用户关联与对等卸载。

提出的方法

• 将SBS协作问题建模为具有可转移效用的合作博弈，通过合并与分裂规则实现稳定联盟形成。
• 引入基于支付的激励机制，确保买家（过载SBS）与卖家（低利用率SBS）之间效用的公平分配。
• 实现双层次工作负载均衡：(1) 动态用户-SBS关联与(2) SBS间对等卸载，利用超密集部署实现低时延协调。
• 构建社会信任网络，以建模SBS之间的信任关系，降低协作过程中的安全风险。
• 将运营成本、云服务费用与信任度指标整合进联盟效用函数，以引导稳定高效的联盟形成。
• 采用分布式算法，使SBS能够自主形成联盟，无需集中控制，确保可扩展性与鲁棒性。

实验结果

研究问题

• RQ1 在超密集网络中，如何激励SBS形成稳定联盟以实现协作式边缘计算？
• RQ2 如何在用户-SBS关联与SBS对等卸载之间实现最优平衡，以最小化系统成本与时延？
• RQ3 在去中心化、无信任环境下的SBS协作中，如何有效管理安全风险？
• RQ4 社会信任在实现稳定且安全的SBS联盟形成中发挥何种作用？
• RQ5 协作式边缘计算在多大程度上可减少对远程云的依赖，并降低整体系统成本？

主要发现

• 与非协作式边缘计算相比，所提方法使系统成本降低超过40%，展现出显著的性能提升。
• 当SBS中买家与卖家的组成保持平衡时（如第15个时隙），系统效用增益达到最大。
• 相反，当仅有一个SBS充当买家时（如第23个时隙），联盟形成仅限于单一配对，导致效用增益较低。
• 基于支付的激励机制通过根据贡献与信任水平公平分配效用，确保了联盟的稳定性。
• 社会信任网络的集成有效缓解了安全风险，提升了SBS协作的可靠性。
• 通过用户重关联与对等卸载实现的双层次工作负载均衡，显著降低了传输时延与能耗。