| 标题 |
 Privacy-Aware Joint DNN Model Deployment and Partitioning Optimization for Collaborative Edge Inference Services 面向协同边缘推理服务的隐私感知联合DNN模型部署和分区优化
相关领域
计算机科学
接头（建筑物）
软件部署
推论
人工智能
GSM演进的增强数据速率
数据挖掘
分布式计算
机器学习
钥匙（锁）
边缘设备
数据建模
人工神经网络
算法
最优化问题
实时计算
近似推理
|
| 网址 | |
| DOI | |
| 其它 |
摘要： 边缘推断（EI）已成为解决基于云的深度神经网络（DNN）推理服务日益增长的局限性的有前景范式，如高响应延迟、有限的可扩展性和严重的数据隐私暴露。然而，在资源受限的边缘设备上部署DNN模型带来了额外挑战，包括计算/存储资源有限、服务需求动态以及隐私风险增加。为应对这些挑战，本文提出了一种新的隐私意识优化框架，结合DNN模型部署、用户-服务器关联和模型分区，旨在在资源和隐私约束下最小化长期平均推断延迟。我们将该问题表述为一个复数NP难随机优化问题，强调其固有复杂性。为了高效处理系统动态和计算复杂性，我们采用基于李雅普诺夫的方法，将长期目标转化为可处理的每槽决策。此外，我们引入了联盟形成游戏模型，以促进自适应用户-服务器关联，并设计了一套用于各联盟内模型部署的贪婪算法。大量模拟表明，所提算法显著降低了推理延迟，同时始终满足隐私约束，在多种场景下表现优于基线。 |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时，文件已从服务器自动删除，无法下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)
东方元语
wwww
cdercder
Nole
Kao
学术文献互助
aajhajkahna
颂歌998
Maestro_S
馆长
qfyyyyyyy
OK
xing_xing
zy
科研小能手
11111111
吃饱喝足
arniu2008
aaaa
Juvenilesy
皖公网安备34019202002308
