本发明提出一种基于联邦深度学习的多边缘协作缓存方法。首先设计了一种新型的多维缓存空间划分机制,对MEC节点的缓存空间进行感知优化,使得用户在分类区间可获得精准的内容推荐。接着,设计了一种基于VQ VAE的内容流行度预测算法,解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性。最后,设计了一种基于联邦深度学习的模型训练与缓存替换策略,通过聚合各MEC节点的本地模型以生成全局共享模型,进而更好适应优化后的不同缓存资源配置,提升多边缘协作缓存的命中率。

作为移动边缘计算(Mobile Edge Computing，MEC)的一项重要技术支撑，多边缘协作缓存的出现可更好满足终端智能应用的实时计算与数据存储需求进而提升用户体验。但是，多边缘协作缓存的性能通常受限于低效率的协作机制以及不合理的缓存资源配置策略。同时，如何在离散的用户特征分布与多样化的内容库之中寻找其潜在关联以提升缓存命中率仍是一个巨大的挑战。为了解决上述重要挑战，本发明提出了一种新颖的基于联邦深度学习的多边缘协作缓存(Multi-edge Collabo-rative Caching with Federateddeep learning，M2CF)方法。在M2CF中，首先设计了一种新型的多维缓存空间划分机制，对MEC节点的缓存空间进行感知优化，使得用户在分类区间可获得精准的内容推荐。接着，设计了一种基于VQ-VAE的内容流行度预测算法，解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性。最后，设计了一种基于联邦深度学习的模型训练与缓存替换策略，通过聚合各MEC节点的本地模型以生成全局共享模型，进而更好适应优化后的不同缓存资源配置，提升多边缘协作缓存的命中率。基于Mo

随着5G通信技术的迅猛发展，其在工业制造、数字经济、车联网、智慧城市等领域的应用也在逐步扩大与深化。在传统云计算模式下，这些终端智能应用所产生的任务与数据会被上传至远程云数据中心进行处理，无疑造成了严重的网络拥塞和服务延迟。不同于云计算模式，移动边缘计算(Mobile Edge Computing，MEC)将计算与存储资源部署在更靠近智能终端设备的网络边缘，这大大缓解了网络拥塞问题并降低了服务延迟。因此，MEC的出现可为终端智能应用的实时计算与数据存储提供强有力的技术支撑。

通常，MEC节点部署在终端智能设备与云数据中心之间的网络边缘层，能够进行信号处理、分布式缓存以及无线资源协作等管理操作。其中，分布式缓存旨在将用户感兴趣的内容缓存至MEC节点以降低访问延迟和数据重复存储，从而提升用户体验和减少系统开销。然而，MEC节点的服务性能往往受限于其缓存空间大小以及高速缓存开销。因此，如何有效利用MEC缓存空间进而提升缓存性能受到了学术界和工业界的广泛关注。

发明人：陈哲毅 梁杰 郑家瑜

福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校，福建省三所重点建设的高水平大学之一，福建省一流大学建设高校，入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

本发明及其优选方案首先，设计了一种多维缓存空间划分机制，对MEC节点缓存空间进行感知优化，使得用户可在分类区间可获得精准的内容推荐。接着，设计了一种基于VQ-VAE的内容流行度预测算法，解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性。最后，设计了一种基于联邦深度学习的主动缓存替换策略以更好适应优化后的不同缓存资源配置，提升多边缘协作缓存的命中率。基于MovieLens电影评分真实数据集，本发明在测试床上展开了大量对比实验对所提出的M2CF方法进行了全面的评估。实验结果表明，与4种基准方法相比，M2CF取得了更高的缓存命中率且接近最优结果。特别地，通过消融实验验证了多维缓存空间划分和协作缓存对提升多边缘协作缓存性能的促进作用。同时，M2CF在不同MEC节点数、缓存空间大小场景中均展现出了优秀的缓存性能与时效性能，且可以适应更为复杂的多边缘场景。

当前专利未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。