本發(fā)明涉及無線通信，具體為一種面向智能反射面輔助的車聯(lián)網(wǎng)安全計算卸載方法。

背景技術(shù)：

1、在過去的十年里，隨著5g網(wǎng)絡(luò)的快速發(fā)展，智能設(shè)備和車聯(lián)網(wǎng)得到了廣泛應(yīng)用。這些智能設(shè)備不僅需要超高的計算性能，還要求極低的響應(yīng)時間，尤其是在自動駕駛、車載娛樂、實時交通監(jiān)控、車與車之間的信息交互等關(guān)鍵應(yīng)用場景中。車聯(lián)網(wǎng)技術(shù)的廣泛應(yīng)用，使得車輛之間、車輛與基礎(chǔ)設(shè)施之間的數(shù)據(jù)交換和計算處理需求日益增加。然而，傳統(tǒng)的車載計算設(shè)備存在著處理能力和電池續(xù)航的限制，這直接影響了車聯(lián)網(wǎng)系統(tǒng)的整體性能與用戶體驗。

2、為了應(yīng)對這一挑戰(zhàn)，計算卸載技術(shù)應(yīng)運而生。通過將部分計算任務(wù)從車載設(shè)備卸載到遠程的云端或邊緣計算平臺，可以減輕車載設(shè)備的計算負擔(dān)，從而提高系統(tǒng)的整體性能。特別是在自動駕駛、實時導(dǎo)航等對計算能力要求極高的應(yīng)用場景中，計算卸載的優(yōu)勢尤為顯著。然而在自動駕駛和實時交通控制中，任何通信延遲或中斷都可能帶來嚴重的安全隱患和操作風(fēng)險。

3、為了解決上述無線通信問題，智能反射面（irs）技術(shù)提出并運用于無線通信領(lǐng)域。irs由大量可調(diào)的反射單元組成，能夠控制和調(diào)節(jié)反射信號的方向、強度和相位，從而優(yōu)化無線信號的傳播路徑。通過智能化控制這些反射單元，irs能夠有效增強信號覆蓋、減少干擾、提高信號質(zhì)量，在動態(tài)環(huán)境下提供更穩(wěn)定的通信鏈路。在車聯(lián)網(wǎng)中，irs技術(shù)被認為是一種具有巨大潛力的解決方案，它能夠幫助改善車與車、車與基礎(chǔ)設(shè)施之間的通信質(zhì)量，解決車聯(lián)網(wǎng)中頻繁發(fā)生的信號衰減和干擾問題。

4、同時為了避免有嚴重干擾問題，為了確保任務(wù)的安全卸載，引入了密碼學(xué)算法。研究者們正在探索如何在車聯(lián)網(wǎng)環(huán)境中使irs與邊緣服務(wù)器進行有效結(jié)合，在保證服務(wù)質(zhì)量的同時，使得能耗最小化。

5、此外，現(xiàn)有的麻雀算法、鯨魚算法雖然收斂速度快，但在局部搜索能力上存在不足，這可能會限制其在實際應(yīng)用中的有效性。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了面向智能反射面輔助的車聯(lián)網(wǎng)安全計算能耗優(yōu)化方法，其目的在于解決道路復(fù)雜問題中車輛上行鏈路速率低和高功率消耗而導(dǎo)致系統(tǒng)能耗增高的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種面向智能反射面輔助的車聯(lián)網(wǎng)安全計算卸載方法，包括如下步驟：

3、步驟s1：獲取車聯(lián)網(wǎng)的車輛基礎(chǔ)信息并構(gòu)建網(wǎng)絡(luò)系統(tǒng)，網(wǎng)絡(luò)系統(tǒng)包括通信模型、計算模型以及安全模型；對網(wǎng)絡(luò)系統(tǒng)基于約束構(gòu)建優(yōu)化問題；

4、步驟s2：獲取優(yōu)化問題的初始解，并將初始解定義為初始種群，采用群智能優(yōu)化算法siovs對初始種群進行搜索得到目標種群，并獲取目標種群中的全局最優(yōu)解；具體為：

5、首先初始化種群及確定歷史最優(yōu)和最差個體；然后生成權(quán)重因子應(yīng)用到搜索解的過程中；在生產(chǎn)者更新階段，進行指數(shù)衰減探索，更新生產(chǎn)者位置；

6、其次，進行高斯擾動，進一步更新生產(chǎn)者位置；在跟隨者更新階段，對于每個跟隨者個體，生成隨機擾動向量;如果跟隨者的索引超過種群的一半，則使用高斯擾動和指數(shù)衰減，更新位置，否則，使用相對于領(lǐng)導(dǎo)者和隨機擾動向量的更新，調(diào)整跟隨者位置；然后依次重復(fù)執(zhí)行生產(chǎn)者，跟隨者與歷史最優(yōu)和最差個體的更新；最終獲取全局最優(yōu)解；

7、步驟s3：根據(jù)全局最優(yōu)解對優(yōu)化車聯(lián)網(wǎng)的網(wǎng)絡(luò)系統(tǒng)配置。

8、進一步的，步驟s1的具體過程為：獲取車聯(lián)網(wǎng)的車輛基礎(chǔ)信息，通過車輛基礎(chǔ)信息進一步搭建網(wǎng)絡(luò)系統(tǒng)中的通信模型、計算模型以及安全模型，在通信模型、計算模型以及安全模型的基礎(chǔ)上構(gòu)建優(yōu)化問題；

9、進一步的，步驟s1中獲取車聯(lián)網(wǎng)的車輛基礎(chǔ)信息的具體過程為：

10、獲取車輛的信息，表示為：；

11、其中，表示任意車輛的索引，表示車輛的總數(shù)；

12、獲取每個車輛的任務(wù)的信息，表示為：；

13、其中，表示每個用戶的任意任務(wù)的索引，表示任務(wù)的總數(shù)；

14、獲取云端cs信息和路側(cè)單元rsu的信息，路側(cè)單元rsu表示為：；

15、其中，和分別表示不同的路側(cè)單元rsu的索引，表示網(wǎng)絡(luò)中路側(cè)單元rsu的總數(shù)，表示所有車聯(lián)網(wǎng)基礎(chǔ)設(shè)施的集合；

16、獲取智能反射面irs的索引集合，表示為：；

17、其中，表示任意智能反射面irs的索引；表示智能反射面irs的總數(shù)；

18、智能反射面irs包含著個反射單元系數(shù)，反射單元系數(shù)的索引集合，表示為；

19、其中，表示任意的反射單元系數(shù)的索引；表示反射單元系數(shù)的總數(shù)；

20、反射單元系數(shù)為矩陣格式，表示為：

21、；

22、其中，表示反射單元系數(shù)，?表示第個反射元件在智能反射面irs上的反射系數(shù)，表示對角函數(shù)；

23、獲取所有路側(cè)單元rsu的物理位置，并根據(jù)所有路側(cè)單元rsu的物理位置使用分簇算法將分成個簇；基于分類結(jié)果的位置設(shè)置微基站；

24、其中，每個簇內(nèi)微基站的通信范圍都包含若干個路側(cè)單元rsu和若干個車輛及若干個智能反射面irs，每個微基站中有個子信道供通信范圍內(nèi)的路側(cè)單元rsu使用，子信道的索引集合記為；其中，表示任意子信道的索引，表示子信道的總數(shù)；

25、獲取網(wǎng)絡(luò)的總帶寬和子信道帶寬，任務(wù)通過車輛經(jīng)子信道傳輸?shù)街悄芊瓷涿鎖rs的信道增益記為，任務(wù)通過irs經(jīng)子信道傳輸?shù)絩su的信道增益記為，任務(wù)通過路側(cè)單元rsu回傳至車輛的信道增益記為及噪聲記為。

26、進一步的，步驟s1中構(gòu)建通信模型的過程具體為：

27、基于車輛的任何任務(wù)不存在集群內(nèi)干擾的條件將網(wǎng)絡(luò)系統(tǒng)總帶寬劃分為和分別供路側(cè)單元rsu和云端使用；其中為頻帶劃分因子，且；各個微基站使用的子信道的數(shù)量表示為；其中，?表示向下取整函數(shù)，表示子信道的數(shù)量；

28、當(dāng)車輛與路側(cè)單元rsu相關(guān)聯(lián)時，通過使用非正交多址noma技術(shù)將車輛任務(wù)的待卸載部分同時發(fā)送給多個路側(cè)單元rsu；

29、計算上行傳輸速率，也即計算在子信道上，車輛將任務(wù)發(fā)送至路側(cè)單元rsu的上行noma傳輸速率；表示為：

30、；

31、；

32、；

33、；

34、；

35、；

36、；

37、其中，表示供路側(cè)單元用的帶寬，表示車輛關(guān)聯(lián)智能反射面irs的決策指數(shù)系數(shù)；表示車輛關(guān)聯(lián)智能反射面irs的決策指數(shù)系數(shù)；表示車輛自身的發(fā)射功率；表示車輛自身的發(fā)射功率；表示的是在進行上行noma傳輸?shù)倪^程中，微基站范圍內(nèi)除了車輛和智能反射面irs之外的其他車輛和其他智能反射面irs對車輛及智能反射面irs產(chǎn)生的干擾；表示的是微基站范圍內(nèi)的任意車輛的任務(wù)經(jīng)過子信道通過上行noma傳輸?shù)姆绞降街悄芊瓷涿鎖rs的信道增益；表示的是在進行上行noma傳輸?shù)倪^程中其他車輛將任務(wù)發(fā)送到智能反射面irs所產(chǎn)生的信道增益干擾；和分別表示路徑損失因子和萊斯衰落因子，表示的是微基站范圍內(nèi)的的車輛到智能反射面irs的距離，、和分別表示的是任意車輛的三維笛卡爾坐標、智能反射面irs的三維笛卡爾坐標和路側(cè)單元rsu的三維笛卡爾坐標；表示的是車輛到irs可視距鏈路分量；為頻率；中的元素分別表示智能反射面irs中各個反射元件的信道系數(shù)向量；表示信號傳播產(chǎn)生的相位變化，和分別表示的是車輛到irs的方向角；表示車輛到irs不可視距鏈路分量；表示第一噪聲；

38、當(dāng)車輛與云端相關(guān)聯(lián)時，任意車輛至云端的上行noma傳輸速率表示為：；

39、其中，表示供云端使用的帶寬；表示車輛關(guān)聯(lián)irs的決策指數(shù)系數(shù)；表示的是簇內(nèi)的任意車輛的任務(wù)經(jīng)過子信道通過上行noma傳輸?shù)姆绞降絠rs的信道增益；表示的是任務(wù)從irs經(jīng)過子信道傳到云端的信道增益；表示云端到車輛的信道增益；表示第二噪聲。

40、進一步的，?步驟s1中構(gòu)建安全模型的過程具體為：

41、當(dāng)車輛和路側(cè)單元rsu相關(guān)聯(lián)時，車輛的任務(wù)的一部分可在加密后被卸載到路側(cè)單元rsu；路側(cè)單元rsu對加密任務(wù)進行解密，然后再次加密后將其傳輸?shù)皆贫耍?/p>

42、當(dāng)車輛和云端cs相關(guān)聯(lián)時；車輛的任務(wù)的一部分可在加密后被卸載到云端cs，云端cs解密后由執(zhí)行任務(wù)；

43、在加密或解密的過程中，設(shè)定不同的安全級別，安全級別表示為：中；

44、其中，代表算法的安全級別索引，表示加密算法或解密算法的總數(shù)；算法表示加密算法或解密算法；

45、加密和解密算法的計算能力分別為和；設(shè)定加密能耗和解密能耗相同，算法中加密或解密的能耗表示為；

46、當(dāng)車輛的任務(wù)采用加密算法安全地卸載其部分任務(wù)時，失效概率為；

47、車輛的任務(wù)的安全漏洞成本表示為：

48、；

49、其中，為任務(wù)失敗時的財務(wù)損失；表示車輛?v?是否經(jīng)過路側(cè)單元rsus的二進制變量指標；為車輛的任務(wù)的安全決策指標，設(shè)定選擇算法來處理車輛的任務(wù)，則，否則為0；

50、基于此，車輛的總體安全漏洞成本表示為：

51、。

52、進一步的，?步驟s1中構(gòu)建的計算模型的處理流程為：

53、本地計算：

54、當(dāng)車輛與路側(cè)單元rsu或云端cs相關(guān)聯(lián)時，車輛的任務(wù)的局部處理數(shù)據(jù)量為，其中，表示車輛執(zhí)行任務(wù)的總數(shù)據(jù)量；是任務(wù)從車輛卸載到路側(cè)單元rsu或云端cs的數(shù)據(jù)量；

55、本地計算過程中處理車輛與路側(cè)單元rsu或云端cs相關(guān)聯(lián)的任務(wù)所使用的局部執(zhí)行時間表示為：

56、；

57、式中，為車輛的計算能力；為計算時間；為加密時間，表示車輛執(zhí)行任務(wù)的成本；

58、卸載到路側(cè)單元：

59、當(dāng)車輛與路側(cè)單元rsu相關(guān)聯(lián)時，需要對任務(wù)執(zhí)行以下步驟；

60、將的部分加密后從車輛卸載到路側(cè)單元rsu；

61、路側(cè)單元rsu解密然后執(zhí)行；其中，表示解密過程中，車輛執(zhí)行任務(wù)過程中的解密數(shù)據(jù)量；

62、對的部分進行加密后，從路側(cè)單元rsu卸載到附近的云端cs；

63、云端cs在解密后執(zhí)行；

64、卸載到路側(cè)單元中獲取路側(cè)單元rsu處理車輛的任務(wù)的遠程時間，表示為：

65、；

66、式中，表示車輛在子信道上的關(guān)聯(lián)決策；車輛在子信道上的關(guān)聯(lián)決策；是路側(cè)單元rsu和云端cs之間的有限回程速率；是路側(cè)單元rsu分配給車輛的任務(wù)的計算能力；是云端cs分配給車輛的任務(wù)的計算能力；表示將從車輛上傳到路側(cè)單元rsu的時間；表示在路側(cè)單元rsu上計算的時間；表示從路側(cè)單元rsu上傳到附近云端cs的時間；表示在云端cs上計算的時間；表示在路側(cè)單元rsu上解密的時間；表示用于在路側(cè)單元rsu上加密的時間；表示用于在附近的云端cs上解密的時間；

67、卸載到云端：

68、當(dāng)車輛與云端cs相關(guān)聯(lián)時，將的部分加密后從車輛卸載到云端cs；其次，云端cs解密并且執(zhí)行；卸載到云端用于處理云端cs相關(guān)的車輛的任務(wù)的遠程時間表示為：

69、；

70、其中，表示從車輛上傳到云端cs?的時間；表示在云端cs計算的時間，表示在云端cs處解密的時間，0表示云端cs；

71、車輛的所需任務(wù)的總時間，表示為：

72、；

73、所有車輛的局部能耗為：

74、；

75、式中，為芯片架構(gòu)能量系數(shù)，表示車輛的計算總能耗；表示加密總能耗；表示上傳總能耗；表示車輛的消耗率；表示上傳功率。

76、進一步的，?步驟s1中對網(wǎng)絡(luò)系統(tǒng)基于約束構(gòu)建優(yōu)化問題，具體為：

77、；

78、其中，分別表示基于約束的優(yōu)化問題參數(shù)，具體表示為：

79、；

80、此外，分別表示不同的約束條件；表示車輛的任務(wù)執(zhí)行時間不能超過其最后期限；表示車輛的總安全破壞成本不能超過其最大可接受成本；和表明一個車輛只能與一個設(shè)施關(guān)聯(lián)，設(shè)施包括云端cs側(cè)單元rsu；表示車輛的任務(wù)經(jīng)過只能選擇一種加密算法；和表示車輛通過irs只能選擇一個子信道；表示了車輛的發(fā)射功率下界和上界；表示卸載部分和均大于等于，但小于等于車輛的任務(wù)的數(shù)據(jù)大小，同時，必須小于等于；和表示車輛只能選擇一個irs進行關(guān)聯(lián)；表示在智能反射面irs反射表面中的元素的角度范圍，表示預(yù)設(shè)的極小值參數(shù)。

81、進一步的，?步驟s2具體為：

82、步驟s21:?初始化采用群智能優(yōu)化算法siovs的最大迭代次數(shù)，并將當(dāng)前迭代次數(shù)設(shè)置為1;

83、步驟s22：定義種群，個體用來表示，種群集合；

84、將基于約束的優(yōu)化問題參數(shù)編碼成，表示種群中車輛與基站建立連接的狀態(tài)指標的索引集；編碼成，表示種群中車輛與選擇的密碼算法的索引集；編碼成，表示種群中車輛選擇的子信道的索引集；?編碼成，表示種群中車輛的發(fā)射功率索引集；編碼成，表示種群中車輛選擇irs的索引集；編碼成，表示車輛關(guān)聯(lián)的irs的反射元件的反射系數(shù)索引集碼成，表示種群中任務(wù)從車輛卸載至路側(cè)單元的數(shù)據(jù)比特大小索引集；編碼成，表示任務(wù)路側(cè)單元卸載至云端的數(shù)據(jù)比特大小索引集；

85、步驟s23：評估個體的適應(yīng)度，基于約束和是非線性的混合整數(shù)形式，將和作為懲罰項引入到適應(yīng)度函數(shù)中，使用懲罰項來防止個體落入不可行區(qū)域；

86、為了使約束和下所有用戶消耗的能量最小，定義個體的適應(yīng)度函數(shù)為：

87、；

88、其中,表示個體的適應(yīng)度函數(shù)值；是車輛的時延約束懲罰因子，是車輛的安全漏洞總成本約束懲罰因子，代表計算任務(wù)的總時間，代表任務(wù)執(zhí)行最大允許時延，為車輛的安全漏洞總成本，為車輛的最大允許安全漏洞總成本；

89、步驟s24：種群初始化；為了滿足約束，初始種群可以使用以下規(guī)則生成；具體來說，任何單獨的都可以初始化為：

90、；

91、其中，表示從集合中隨機輸出一個元素，表示生成一個介于和之間的隨機數(shù)；表示預(yù)設(shè)的參數(shù)，

92、使用適應(yīng)度函數(shù)計算種群中所有個體的適應(yīng)度值，并將適應(yīng)度值最高的個體作為最優(yōu)個體，同時找到最差個體；

93、步驟s25：判斷當(dāng)前迭代索引是否小于等于最大迭代次數(shù)；若是，計算當(dāng)前權(quán)重因子?，并以下公式進行更新：；若否，輸出目標種群中的全局最優(yōu)解；

94、其中，為初始權(quán)重值，用于啟動初期的全局搜索；為衰減權(quán)重系數(shù)，取值在?，用于逐步降低權(quán)重值；為當(dāng)前的迭代次數(shù)；

95、在每次迭代中，為了更好地控制個體的更新概率，還需要進行歸一化處理；歸一化權(quán)重值的計算公式為：

96、

97、其中：為設(shè)定的最低權(quán)重值，是算法迭代結(jié)束時的目標權(quán)重；的取值范圍為；它在算法中作為動態(tài)調(diào)整概率的重要參數(shù)；如果計算中小于0，則將其強制設(shè)置為0；

98、步驟s26：生成為范圍內(nèi)的隨機數(shù)，為生產(chǎn)者的數(shù)量，其計算公式為，生成，是一個在范圍內(nèi)的隨機數(shù)，如果，使用指數(shù)衰減更新生產(chǎn)者的位置；否則，使用高斯擾動更新生產(chǎn)者位置；

99、進一步的，指數(shù)衰減表示隨著迭代次數(shù)的增加，生產(chǎn)者的移動幅度逐漸減小，從而在解空間中進行精細搜索，具體的更新公式如下：

100、

101、其中，，，，，，，分別替換進行更新；，，，，，，分別對應(yīng)替換進行更新；表示適應(yīng)度最優(yōu)的個體位置；是一個在范圍內(nèi)的隨機數(shù)，用于引入隨機性；為生產(chǎn)者的索引；表示最大迭代次數(shù)；如果生產(chǎn)者沒有選擇指數(shù)衰減探索，則采用隨機擾動開發(fā)的方式，即在領(lǐng)導(dǎo)者位置附近進行小幅度隨機擾動，以開發(fā)解空間的局部區(qū)域；具體的更新公式如下：

102、；

103、其中：，，，，，，替換進行更新；，，，，，，分別對應(yīng)替換進行更新；表示高斯分布的隨機數(shù)；在解空間的局部區(qū)域引入小幅度擾動，使生產(chǎn)者在領(lǐng)導(dǎo)者周圍進行開發(fā)；

104、步驟s27：對于位于生產(chǎn)者之后的種群上半部分的跟隨者其更新策略是朝向當(dāng)前種群中適應(yīng)度最差的個體移動；具體的更新公式如下：

105、；

106、其中，跟隨者，，，，，，，替換進行更新；，，，，，，替換進行更新；表示當(dāng)前種群中適應(yīng)度最差的個體位置；

107、對于位于種群下半部分的跟隨者，其更新策略是朝向最有個體移動，從而進行局部搜索和開發(fā)；具體的更新公式如下：

108、；

109、其中，，，，，，，替換進行更新；，，，，，，對應(yīng)替換進行更新；是一個隨機擾動向量，其中元素隨機取-1或1。

110、進一步的，步驟s3的具體過程為根據(jù)步驟s2中群智能優(yōu)化算法獲取的在全局最優(yōu)解對應(yīng)的最優(yōu)位置的索引集合，將全局最優(yōu)個體的位置還原成基于約束的優(yōu)化問題參數(shù)的格式；并根據(jù)所獲取的全局最優(yōu)解，執(zhí)行車輛任務(wù)卸載，算法選擇，車輛計算資源分配，基礎(chǔ)設(shè)施資源分配與車輛功率控制。

111、與現(xiàn)有的技術(shù)相比，本發(fā)明具備以下有益效果：

112、（1）本發(fā)明的算法采用群智能優(yōu)化方法進行搜索；通過引入自適應(yīng)調(diào)整機制，算法能夠根據(jù)迭代次數(shù)動態(tài)衰減權(quán)重因子，實現(xiàn)從全局搜索到局部優(yōu)化的平滑過渡；在生產(chǎn)者位置更新時，算法通過指數(shù)衰減和高斯擾動兩種方式，對解空間進行精細化搜索，從而確保了全局收斂和局部調(diào)整的平衡；在跟隨者位置更新時，算法根據(jù)個體在種群中的位置采用了不同的更新策略。對于位于種群上半部分的跟隨者，更新策略是朝向當(dāng)前適應(yīng)度最差的個體移動，以探索解空間中潛在的未開發(fā)區(qū)域，從而避免陷入局部最優(yōu)解。下半部分的跟隨者則朝向當(dāng)前適應(yīng)度最優(yōu)的個體進行局部搜索，進一步優(yōu)化解的質(zhì)量。

113、（2）本發(fā)明根據(jù)車聯(lián)網(wǎng)的車輛基礎(chǔ)信息構(gòu)建優(yōu)化問題，并在網(wǎng)絡(luò)系統(tǒng)的約束下構(gòu)建優(yōu)化問題；根據(jù)優(yōu)化問題得到初始解，采用群智能優(yōu)化算法對初始種群進行搜索得到目標種群，并輸出目標種群中全局最優(yōu)個體的位置；根據(jù)全局最優(yōu)個體位置執(zhí)行安全型計算效率優(yōu)化配置。本發(fā)明考慮智能反射面因素優(yōu)化車輛關(guān)聯(lián)，信道選擇，irs角度,irs選擇，安全決策和功率分配以最小化車輛本地總能耗。

114、（3）本發(fā)明在計算資源和時延、安全成本、任務(wù)卸載比例、用戶發(fā)射功率比例、最小速率以及最大能耗約束下，該方法能很好地實現(xiàn)最小化車輛本地總能耗。