一种雾计算网络中基于联邦学习的内容缓存方法

授权

摘要

本发明涉及一种雾计算网络中基于联邦学习的内容缓存方法，属于移动通信技术领域。通过在F‑RAN中部署内容缓存，可以实现快速、重复的数据访问，减轻网络传输流量。由于缓存容量的限制，预测内容的流行度并缓存哪些流行内容是非常重要的。通常，大多数经典的预测方法都需要在一个中央单元收集个人用户信息，导致了许多用户隐私问题。本发明提出了一种基于联邦学习的智能F‑RANs范例。将联邦学习应用于需求预测问题，可以准确预测网络中内容流行度分布。此外，考虑到用户的内容请求，本发明联合优化了网络中存储资源分配和内容放置问题。本发明将联合优化问题表示为一个整数线性规划模型，目标是最小化网络总流量成本。

基本信息

专利标题：

一种雾计算网络中基于联邦学习的内容缓存方法

专利标题（英）：

暂无

公开（公告）号：

CN111935784A

申请号：

CN202010806971.0

公开（公告）日：

2020-11-13

申请日：

2020-08-12

授权号：

CN111935784B

授权日：

2022-04-22

发明人：

崔太平肖佗彭贻陈前斌

申请人：

重庆邮电大学

申请人地址：

重庆市南岸区黄桷垭崇文路2号

代理机构：

北京同恒源知识产权代理有限公司

代理人：

杨柳岸

优先权：

CN202010806971.0

主分类号：

H04W28/14

IPC分类号：

H04W28/14 H04L29/08 G06N20/00 G06F9/50