基于机会式移动社交网的移动数据卸载关键技术研究

Due to the tremendous growth of smart devices and Internet of Things (IoT), mobile data traffic has experienced exponential increase, resulting in serious congestion in wireless networks. Traditional end-to-end data delivery mechanisms are no longer effective in handling such steadily increasing traffic and thus novel solutions are in high demand. In this proposal, by carefully studying the offloading features of opportunistic mobile social networks (OMSNs), we are searching for novel comprehensive offloading mechanisms and cost-effective solutions to alleviating network congestion without adding new network resources. The key problem is how to achieve high network throughput efficiency while preserving users’ privacy. We will achieve this goal by tackling the following few research issues. (1) By studying the users’ mobility behaviors and their social characteristics, we design community discovery mechanisms and highly efficient data offloading and routing strategies; (2) To stimulate users’ participations in relaying other users’ traffic, we investigate the social selfish behaviors and then come up with effective incentive mechanisms and relay selection algorithms to maximize throughput efficiency; and (3) To protect users’ privacy and their data contents, we develop highly efficient and reliable privacy-preserving data delivery schemes. Along with this line of research, we will also investigate how to leverage vehicular networks and data mule to boost the performance of our developed offloading algorithms.

由于智能通讯设备与物联网的迅速发展，无线网络数据流量呈指数性增长，网络阻塞越来越严重。传统的端到端网络通讯方式已无法解决该问题，需要新的数据传输机制来应对网络资源匮乏而造成的阻塞问题。本课题旨在通过对机会式移动社交网的研究来构建延迟容忍移动数据卸载方案，以期在不增加资源情况下为终端用户提供成本较低的数据服务和高数据容量。为了实现效率最大化、自私最小化和隐私安全化的卸载目标，本课题研究内容包括：1）通过研究用户的移动行为和对社会特征的提取，构造社区发现算法，设计高效的数据卸载策略和路由算法；（2）为了激励用户积极参与转发，研究社会自私性并设计路由中继节点选择算法和协作激励机制以提高卸载效率；3）研究中继转发过程中的位置隐私保护和内容隐私保护，设计隐私保护下高效可靠传输方案。本课题还将重点研究如何借助车载网和数据骡等网络技术进行协助卸载，以实现大批量移动数据的卸载，达到解决网络阻塞的最终目标。

项目以实现大批量移动数据的卸载，达到解决网络阻塞为研究目的，紧紧围绕移动数据卸载过程中的基于机会式移动社交网的数据传输机制展开研究。主要工作如下：.（1）研究移动社交网的消息传输与激励机制，利用节点的偏好刻画兴趣感知的移动社交网网络模型，采用最大似然估计和最大期望算法设计基于兴趣社区和信誉激励的移动社交网消息传输方案；采用贝叶斯概率估计模型设计两跳移动自组网络路由中网络端到端延迟优化方法；基于节点社会特征和社会关系设计基于传递概率的车载社交网路由算法；采用马尔科夫聚类算法设计动态社区感知策略，设计基于动态社区感知的传输方案，采用数据骡设计基于静态社区的传输方案。.（2）研究移动数据的卸载，设计了车辆认知能力获取网络架构，通过认知无线电路由器进行数据流量的卸载；在该架构的基础上通过动态编程获得二级服务提供商的数据路由决策；设计了基于服务的频谱感知数据传输方案，通过使用不同种类的频谱满足各种物联网需求；为降低传输中的能耗，设计了数据驱动的具有成本效益的面向会话的认知无线电传输方案和针对电池供电的无线物联网设备的能效优化方案。.（3）针对数据传输过程中的内容和身份隐私泄漏问题，设计了基于用户可信度度量、风险等级评估和消息混淆的在线社交网交互式数据隐私保护方案；设计了云存储中能兼顾检索效率和存储开销的中文数据加密方案；采用k-prototype聚类、OPTICS密度聚类和JS散度技术设计了面向静态与动态数据发布的差分隐私保护方案；采用环签密技术设计VANETs条件身份隐私保护方案。.（4）对于边缘计算中的计算卸载，采用匹配算法和Adam梯度优化算法设计了基于负载均衡的VEC服务器联合计算任务卸载方案，以获取用户效用最大化的计算卸载和资源分配决策。.（5）在实现方面，通过实验，针对用户移动行为的提取和移动特征的分析，搭建并开发了基于Android的trace数据采集平台，并对所设计的方案进行了广泛的仿真实验，仿真结果充分验证了所设计方案的可行性和有效性。.（6）在项目执行过程中还关注了边缘网络、车联网等相关问题，产生了一批重要成果，拓展新的研究方向。