《表2 博弈论卸载服务安全研究现状》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动边缘计算安全防御研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在恶意网络参与者进行过度卸载或恶意卸载时，移动设备可能会在网络中彼此竞争有限的计算资源，以确保自己的服务得到保证。服务器可以与其他服务器竞争争取更多的卸载任务数量，以更充分地利用网络资源。这个过程类似于市场经济中的价格博弈，计算资源空闲的服务器可以以较低的服务价格来吸引移动用户设备将任务卸载到服务器上，而计算资源饱满的服务器可以要求移动用户设备以更高的价格进行卸载，从而在反复博弈的过程中使网络计算资源分配达到均衡，从而达到提高卸载服务安全的目标。博弈论作为数学经典工具已经成熟地运用于无线资源分配问题，在以提高卸载服务安全为目标的MEC多用户卸载的计算资源管理中同样引起了一定的关注[46，70-75]。博弈论被分为两大分支，即合作博弈和非合作博弈。对于合作博弈理论，如联盟博弈，是以同盟、合作的方式进行博弈，以共同利益的最大化为目标。非合作博弈研究策略环境下自主决策以谋求实现有效的平衡点。在合作博弈中，文献[76]引入具有外部性的联盟博弈理论来优化资源分配策略。在管理层，策略配置管理器根据自适应容量管理器提供的控制信号做出决策，以最大化Qo E和实时物联网应用的低延迟要求为优化目标，提出了先验多标准优化方法，将目标函数根据重要性进行分类，设计了双目标优化方法保证MEC服务器自适应地提供可用的计算资源以满足物联网应用的服务质量要求。文献[77]旨在有延迟截止时间的应用程序卸载中，为移动设备选择合适的MEC服务器进行卸载，以使在期限内达到最大化任务处理量。Liu等设计了基于合作博弈的卸载策略以保障服务质量，并证明了返回的解决方案是帕累托最优。在非合作博弈中，文献[78]引入了少数者博弈（MG，minority game）理论用于解决MEC中分布式资源配置问题。Ranadheera等不仅聚焦于如何满足用户时延的需求和最小化能耗消耗，而且从服务器和用户的混合视角解决了用户需求的不确定性问题和由于信道质量随机性引起的不确定性问题。文章通过将计算卸载问题建模为价格市场，设计选择机制保证在最少服务器激活状态下满足能源效率和用户的延迟要求。这种方法不需要服务器端任何的先验信息，可以在分布式环境中与其他服务器非协调的情况下，以较少的外部信息做出决策。文献[79]针对车联网场景中使用MEC进行计算卸载的情况下，使用分层的MEC网络部署架构，将服务器和车辆用户视为领导者和追随者，以最大化用户和服务器使用效率为目标，根据斯塔尔伯格博弈理论设计了多层级的卸载机制，并证明了纳什均衡的存在性。博弈论卸载服务安全研究现状如表2所示。