Data Freshness Optimization Under CAA in the UAV-Aided MECN: A Potential Game Perspective
Notice bibliographique
Résumé
As a promising enabler for edge intelligence, Unmanned Aerial Vehicles (UAV) have become more and more important in Mobile Edge Computing Networks (MECN), such as communication, computation, collection and control service supply. Although Age of Information (AoI) minimization is indispensable for fresh information collection and computation in the UAV-aided MECN, some attackers can launch attacks to deteriorate the availability of precious channel resources, such as revealed channel access attacks (CAAs). Moreover, recent research has not considered the system’s active probability and security issues concurrently, e.g., CAA, in the average AoI minimization process. In this paper, to deal with this problem, we consider an AoI-oriented channel access problem under CAA with a game theory viewpoint. Firstly, to obtain a MECN-based AoI indicator under CAA, the system model with active probability consideration is established. Next, the channel access-based AoI minimization problem is formulated from the viewpoint of the Ordinary Potential Game (OPG). Furthermore, two algorithms called AACSD and DCASD are proposed to determine channel access strategies, by which the Nash Equilibrium (NE) solution of the OPG could be reached. Finally, experiments are conducted under homogeneous and heterogeneous parameter settings, and the simulation results evaluate the correctness and effectiveness of our proposals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».