Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆邮电大学何利获国家专利权

重庆邮电大学何利获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆邮电大学申请的专利一种边缘计算中关联隐私量化的任务卸载方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119883406B

龙图腾网通过国家知识产权局官网在2025-11-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411926005.7,技术领域涉及:G06F9/445;该发明授权一种边缘计算中关联隐私量化的任务卸载方法是由何利;曹仟禧;张炎镐;张钰洋;李琨;傅俊;牛佳宽设计研发完成,并于2024-12-25向国家知识产权局提交的专利申请。

一种边缘计算中关联隐私量化的任务卸载方法在说明书摘要公布了:本发明请求保护一种边缘计算中关联隐私量化的任务卸载方法,旨在优化任务卸载过程中的隐私保护和资源调度。该策略通过以下步骤实现:首先,根据子任务的安全需求定义关联隐私权重;然后,基于子任务之间的依赖关系建立有向无环图DAG;接着,建立任务卸载的计算模型,包括传输时延、处理时延、能耗等计算;通过计算子任务和处理器的优先级,以确定任务执行的顺序;最后,基于贪心的思想对每个子任务进行调度,将其分配给优先级最高的处理器进行处理。该策略考虑了隐私保护与任务调度的平衡,能够有效减少隐私泄露风险,并优化计算资源的利用。适用于具有复杂任务依赖关系和隐私保护需求的计算任务卸载场景。

本发明授权一种边缘计算中关联隐私量化的任务卸载方法在权利要求书中公布了:1.一种边缘计算中关联隐私量化的任务卸载方法,其特征在于,包括以下步骤: S1.根据子任务的不同安全需求,定义子任务的关联隐私权重; S2.根据子任务的依赖关系,建立有向无环图DAG; S3.建立任务卸载的计算模型; S4.计算子任务的优先级; S5.计算处理器的优先级; S6.基于贪心的思想,根据子任务的优先级和处理器的优先级循环调度每个子任务; 所述步骤S1中,根据子任务的不同安全需求,定义子任务的关联隐私权重,具体包括: S11.根据边缘计算中子任务的三种不同安全需求:低、中和高,定义子任务的三种不同 的关联隐私权值为:、、其中,权值越高,代表子任务所包含的隐私信息 越多,越容易与其他子任务产生隐私冲突; S12.根据步骤S11定义的关联隐私权值,若设置任务卸载策略为,定义任务卸载策略的关联隐私为 其中A表示所有子任务的卸载策略,表示第i个子任务的卸载决策,,有两个取值0或1,当时,表示此子任务在本地设备执行;当时,表示此子任务卸载到边缘服务器执行;为子任务的总数量;为关联隐私,代表此次任务卸载的关联隐私泄露风险,越大代表风险越大,代表第个子任务的关联隐私权值; 所述步骤S3中,建立任务卸载的计算模型,具体包括: S31.根据任务数据量、任务传输速率计算任务传输时延; S32.根据任务所需CPU时钟周期数和处理器时钟频率计算任务处理时延; S33.根据本地处理时延建立本地处理模型; S34.根据卸载处理时延和任务传输时延建立卸载处理模型; S35.根据本地处理功率计算本地处理能耗; S36.根据发送功率和接受功率计算卸载处理能耗; 所述步骤S5中,计算处理器的优先级,具体包括: 处理器的优先级由下式计算: 其中代表子任务在处理器的上的最早完成时间,或,当时代表本地处理器,当时代表边缘服务器处理器,为步骤S1中定义的子任务的关联隐私权值;值越小代表当前处理器成本越低,优先级越高。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆邮电大学,其通讯地址为:400065 重庆市南岸区南山街道崇文路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。