本書系統(tǒng)性地介紹智能邊緣計算所需要的核心技術(shù)，并詳細闡述如何將這些技術(shù)落地的實際編程實例。本書包括四大部分：第yi部分介紹邊緣計算的基礎(chǔ)、發(fā)展歷史，以及發(fā)展趨勢；第二部分介紹面向邊緣計算的深度學習技術(shù)，包括聯(lián)邦學習和微小機器學習；第三部分講述在邊緣計算中支撐智能應用的核心優(yōu)化問題與技術(shù)；第四部分闡述如何基于本書中的相關(guān)技術(shù)，構(gòu)建實際智能邊緣應用。本書可以為邊緣計算、物聯(lián)網(wǎng)、嵌入式和智能系統(tǒng)、機器學習與應用、網(wǎng)絡通信等領(lǐng)域的科研人員和從業(yè)者提供一些前沿視野及相關(guān)理論、方法和技術(shù)支撐，如邊緣系統(tǒng)智能能量優(yōu)化、學習驅(qū)動的任務卸載與服務緩存、邊緣大數(shù)據(jù)分析、軟件定義邊緣網(wǎng)絡、網(wǎng)絡切片，也可作為相關(guān)專業(yè)高年級本科生和研究生的課程教材或參考教材。
本書系統(tǒng)性地介紹智能邊緣計算所需要的核心技術(shù)
Preface
前 言
隨著第五代移動通信技術(shù)（簡稱5G）的快速發(fā)展，運行在移動終端的人工智能應用成為主流，例如人臉識別、增強現(xiàn)實等先進技術(shù)廣泛應用于教育、醫(yī)療、精密儀器檢修、仿真等多個領(lǐng)域。5G提供人與物、物與物，以及不同地域之間設備的互聯(lián)，進一步促進了人工智能的發(fā)展和廣泛應用。由于5G網(wǎng)絡中邊緣側(cè)存在大量數(shù)據(jù)與應用，傳統(tǒng)云計算已經(jīng)無法滿足這些應用對時延和帶寬的要求，智能邊緣計算隨之得到發(fā)展。通過將算力部署在邊緣側(cè)，智能邊緣計算可以實時響應各種人工智能應用對帶寬、性能等的嚴苛要求。
機遇與挑戰(zhàn)并存。一方面，智能邊緣計算由于邊緣設備的功能、算力等受到限制，而傳統(tǒng)機器學習模型需要大算力，也無法應用到智能邊緣計算中。另一方面，智能邊緣計算節(jié)點眾多、算力分布性極強，在和云數(shù)據(jù)中心協(xié)同的同時，需要邊緣節(jié)點之間的橫向協(xié)同，及高效、智能的任務調(diào)度、資源管理方法。
針對以上挑戰(zhàn)，本書結(jié)合實例系統(tǒng)性地介紹了智能邊緣計算所需要的核心技術(shù)。本書包括四部分：第一部分（第1、2章）介紹邊緣計算的基礎(chǔ)、發(fā)展歷史，以及發(fā)展趨勢；第二部分（第3～5章）介紹面向邊緣計算的機器學習技術(shù)，包括微小機器學習、分布式機器學習和聯(lián)邦學習；第三部分（第6～9章）講述在邊緣計算中支撐智能應用的核心優(yōu)化問題與技術(shù)；第四部分（第10～12章）闡述如何基于本書中的相關(guān)技術(shù)，構(gòu)建實際智能邊緣應用。
本書可以為邊緣計算、物聯(lián)網(wǎng)、嵌入式和智能系統(tǒng)、機器學習與應用、網(wǎng)絡通信等領(lǐng)域的科研人員和從業(yè)者提供一些前沿視野及相關(guān)理論、方法和技術(shù)支撐，如邊緣系統(tǒng)智能能量優(yōu)化、學習驅(qū)動的任務卸載與服務緩存、邊緣大數(shù)據(jù)分析、軟件定義邊緣網(wǎng)絡、網(wǎng)絡切片，也可作為相關(guān)專業(yè)高年級本科生和研究生的教材或參考書。
徐子川，博士、大連理工大學副教授、博士生導師，大連理工大學星海優(yōu)青。徐子川博士于2015年5月從澳大利亞國立大學（Australian National University）畢業(yè)，在倫敦大學學院（University College London）從事博士后（Research Associate）工作。 徐子川博士的研究方向包括：邊緣計算中的資源優(yōu)化、網(wǎng)絡功能虛擬化與軟件自定義網(wǎng)絡中的資源分配與路由、多數(shù)據(jù)中心網(wǎng)絡中的資源調(diào)度、大數(shù)據(jù)在多數(shù)據(jù)中心網(wǎng)絡中的處理等。徐子川博士在這些方向中做出了有國際影響力的成果超過60余項，在頂級會場發(fā)表了90多篇高質(zhì)量的論文，例如IEEE TPDS，ACM / IEEE ToN，IEEE TMC，IEEE TC，ACM TOSN，IEEE INFOCOM，ICDCS，SECON，ACM MM，ICPP等。其中包括中國計算機協(xié)會（CCF）推薦的A、B類期刊會議20余項。其中代表性的期刊論文發(fā)表在領(lǐng)域內(nèi)頂級期刊IEEE TPDS、ACM/IEEE ToN、IEEE TC、IEEE TWC、IEEE TMC、IEEE INFOCOM、IEEE ICDCS 等。徐子川博士參與多項國際會議組織，其中包括The 2019 IEEE International Conference on Cloud Engineering (IC2E) 的Web and Information主席，The 2017 IEEE International Conferenceon Communications (ICC) 的小組主席（Session chair）以及多個會議的技術(shù)委員會委員。徐子川博士也參與到領(lǐng)域內(nèi)頂級期刊會議的審稿工作中，其中包括IEEE Journal on Selected Areas in Communications、IEEE Transactions on Communications、Computer Networks、IEEE Transactions on Vehicular Technology、ACM Transactions on Sensor Networks、IEEE Wireless Communications Letters、IEEE IoTJ、IEEE INFOCOM、IEEE LCN等。
CONTENTS
目 錄
前言
第1章 概述1
1.1 邊緣計算1
1.1.1 什么是邊緣計算1
1.1.2 邊緣計算的背景與發(fā)展歷史4
1.1.3 邊緣計算的相關(guān)技術(shù)6
1.2 智能邊緣計算10
1.2.1 什么是智能邊緣計算10
1.2.2 邊緣計算與人工智能11
1.3 智能邊緣計算典型應用12
1.3.1 智慧城市12
1.3.2 新型娛樂12
1.3.3 智能制造13
1.4 機遇與挑戰(zhàn)14
本章小結(jié)15
參考文獻15
第2章 邊緣計算架構(gòu)與核心技術(shù)18
2.1 邊緣計算架構(gòu)18
2.1.1 邊緣計算平臺架構(gòu)標準18
2.1.2 邊緣計算平臺21
2.1.3 云-邊協(xié)同架構(gòu)24
2.2 邊緣計算核心技術(shù)27
2.2.1 邊緣智能27
2.2.2 計算推理卸載29
2.2.3 第五代通信與網(wǎng)絡切片30
2.2.4 軟件定義邊緣網(wǎng)絡30
2.2.5 云-邊-端協(xié)同32
本章小結(jié)33
參考文獻33
第3章 機器學習基礎(chǔ)34
3.1 機器學習概述34
3.2 監(jiān)督學習35
3.2.1 線性回歸36
3.2.2 k近鄰算法37
3.2.3 決策樹38
3.3 無監(jiān)督學習40
3.3.1 k均值聚類40
3.3.2 譜聚類41
3.4 半監(jiān)督學習42
3.5 深度學習43
3.5.1 反向傳播45
3.5.2 隨機梯度下降45
3.5.3 學習率衰減46
3.5.4 最大池化47
3.6 強化學習47
3.6.1 Q-Learning48
3.6.2 Sarsa49
3.6.3 DQN50
本章小結(jié)52
參考文獻52
第 4 章 TinyML54
4.1 TinyML與邊緣嵌入式設備54
4.2 TinyML的核心技術(shù)55
4.2.1 模型剪枝56
4.2.2 數(shù)據(jù)量化58
4.2.3 輕量化模型設計62
4.2.4 知識蒸餾65
4.3 TinyML相關(guān)研究66
4.4 TinyML應用67
本章小結(jié)68
參考文獻69
第5章 分布式機器學習與聯(lián)邦學習72
5.1 分布式機器學習72
5.1.1 基本概念72
5.1.2 基本框架73
5.1.3 挑戰(zhàn)與機遇74
5.2 聯(lián)邦學習75
5.2.1 橫向聯(lián)邦學習76
5.2.2 縱向聯(lián)邦學習77
5.2.3 聯(lián)邦遷移學習78
5.2.4 聯(lián)邦學習框架79
5.3 聯(lián)邦學習與數(shù)據(jù)隱私82
5.3.1 數(shù)據(jù)隱私保護技術(shù)簡述83
5.3.2 國內(nèi)外聯(lián)邦學習數(shù)據(jù)隱私
研究85
5.3.3 聯(lián)邦學習數(shù)據(jù)隱私發(fā)展方向87
5.4 聯(lián)邦學習的激勵機制88
5.4.1 基于博弈論設計的激勵
機制89
5.4.2 基于契約理論設計的激勵
機制90
5.4.3 基于區(qū)塊鏈技術(shù)設計的激
勵機制90
5.4.4 聯(lián)邦學習的激勵機制未來
的發(fā)展方向91
本章小結(jié)91
參考文獻 92
第6章 計算、訓練與推理任務卸載95
6.1 任務卸載概述95
6.1.1 任務卸載的基本概念96
6.1.2 任務卸載的一般過程96
6.1.3 任務卸載劃分的標準98
6.1.4 任務卸載的分類99
6.2 任務卸載的應用場景和系統(tǒng)實例100
6.2.1 任務卸載的應用場景100
6.2.2 任務卸載的系統(tǒng)實例102
6.3 任務卸載的挑戰(zhàn)與研究方向103
6.3.1 常見術(shù)語介紹104
6.3.2 任務卸載的問題與挑戰(zhàn)105
6.3.3 面向延遲的智能卸載106
6.3.4 面向能耗的智能卸載107
6.3.5 面向資源的智能卸載108
6.3.6 面向安全的智能卸載108
6.3.7 基于博弈的智能卸載109
6.3.8 面向QoS和QoE的智能
卸載110
6.3.9 其他角度的智能卸載110
6.3.10 任務卸載的未來研究
方向110
本章小結(jié)111
參考文獻112
第7章 智能服務緩存與優(yōu)化117
7.1 服務緩存概述117
7.1.1 服務緩存概念117
7.1.2 服務緩存機制118
7.1.3 服務緩存評價指標120
7.2 學習驅(qū)動的服務緩存121
7.2.1 面向服務提供商的協(xié)同
服務緩存121
7.2.2 面向用戶端與邊緣側(cè)的
協(xié)同服務緩存122
7.2.3 服務緩存評價指標的模
型構(gòu)建124
7.3 云-邊-端融合服務緩存126
7.3.1 云-邊-端融合服務緩
存概述126
7.3.2 云-邊-端融合服務緩
存策略128
7.3.3 邊緣聯(lián)盟緩存的優(yōu)勢130
7.4 服務緩存應用場景130
7.5 服務緩存策略展望與挑戰(zhàn)131
7.5.1 用戶移動性131
7.5.2 任務卸載協(xié)同132
7.5.3 低成本容錯部署132
7.5.4 隱私安全132
本章小結(jié)133
參考文獻133
第8章 智能數(shù)據(jù)管理135
8.1 邊緣數(shù)據(jù)管理概述135
8.2 數(shù)據(jù)隱私138
8.3 數(shù)據(jù)完整性141
8.4 分布式大數(shù)據(jù)分析143
8.4.1 數(shù)據(jù)清洗144
8.4.2 數(shù)據(jù)聚合145
8.4.3 邊緣流式計算146
本章小結(jié)148
參考文獻149
第9章 智能能量優(yōu)化151
9.1 能量優(yōu)化的意義151
9.2 智能能量優(yōu)化的基本概念153
9.2.1 能耗指標153
9.2.2 能量資源約束下的任務
分配154
9.3 能量智能感知155
9.3.1 能耗分析155
9.3.2 能耗追蹤與預測157
9.4 多供能智能系統(tǒng)159
9.4.1 可持續(xù)供能系統(tǒng)161
9.4.2 電源供能系統(tǒng)162
9.4.3 能量收集系統(tǒng)165
本章小結(jié)167
參考文獻168
第10章 智能邊緣協(xié)同171
10.1 邊緣協(xié)同概述171
10.1.1 邊緣協(xié)同的意義172
10.1.2 邊緣協(xié)同的具體內(nèi)涵173
10.2 多形態(tài)邊緣協(xié)同174
10.2.1 邊-云協(xié)同174
10.2.2 邊-邊協(xié)同175
10.2.3 用戶間協(xié)同176
10.3 邊緣協(xié)同的關(guān)鍵問題與技術(shù)177
10.3.1 邊緣協(xié)同的關(guān)鍵問題177
10.3.2 邊緣協(xié)同的關(guān)鍵技術(shù)178
10.4 邊緣協(xié)同的智能化發(fā)展180
10.5 智能邊緣協(xié)同的機遇與挑戰(zhàn)181
本章小結(jié)185
參考文獻185
第11章 智能邊緣安全機制187
11.1 邊緣安全的必要性與挑戰(zhàn)187
11.2 邊緣服務提供者的安全192
11.2.1 邊緣計算設施安全192
11.2.2 邊緣計算平臺安全196
11.2.3 邊緣計算網(wǎng)絡安全197
11.3 邊緣服務需求者的安全198
11.3.1 隱私保護198
11.3.2 服務安全200
11.3.3 數(shù)據(jù)安全201
11.3.4 身份認證與訪問控制201
11.4 智能邊緣安全機制案例202
11.4.1 智能電網(wǎng)202
11.4.2 智慧工廠204
本章小結(jié)206
參考文獻207
第12章 基于邊緣計算的Web AR
平臺實現(xiàn)208
12.1 概述208
12.1.1 AR與Web AR208
12.1.2 Web AR現(xiàn)有解決方案
與挑戰(zhàn)210
12.1.3 邊緣計算與Web AR211
12.2 平臺介紹212
12.2.1 硬件平臺213
12.2.2 軟件平臺214
12.3 系統(tǒng)實現(xiàn)217
12.3.1 系統(tǒng)的工作流程217
12.3.2 用戶層實現(xiàn)218
12.3.3 邊緣層實現(xiàn)219
12.3.4 控制器實現(xiàn)219
本章小結(jié)220
參考文獻220
書單推薦
