Incentivizing Secure Edge Caching for Scalable Coded Videos in Heterogeneous Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Edge caching has been envisioned as a promising technology in heterogeneous networks (HetNets) to proximally cache (video) contents. Nevertheless, as massive resources (e.g., energy, storage, computing, and bandwidth) are consumed to cache contents, edge caching devices (ECDs) are unwilling to provide caching services. In addition, as the ECDs are usually deployed by untrusted third parties, the cached contents may be illegally accessed, which results in the mobile users’ privacy leakage. To efficiently address these problems, in this paper, we propose a novel secure edge caching scheme for video contents in HetNets. Specifically, to motivate the participation of ECDs, the Nash bargaining game is exploited to model the negotiations between the content provider and ECDs, where the optimal requested caching space of the content provider and the optimal caching price of each ECD are jointly analyzed. Apart from this, to protect the content secrecy, scalable video coding is employed to facilitate secure edge caching, where the ECDs are only utilized to cache the enhancement layers that cannot be independently decoded to reconstruct the original contents. Then, we formulate a non-convex 0–1 integer programming problem to optimize the enhancement layer caching on ECDs, and the modified alternating direction method of multipliers (ADMM) is used to solve the problem optimally. Finally, simulation results show that the proposed scheme provides secure and efficient content caching for mobile users.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle