摘要: 随着物联网技术的快速发展,爆发式的终端用户业务需求给5G网络带来了巨大的挑战。为减小内容获取时延,保护用户隐私并提高用户体验,提出一种基于联邦学习的雾计算网络中内容缓存方案。首先,提出端到端(Device-To-Device, D2D)协作的雾计算网络模型,用户可通过D2D和无线链路从用户端、雾节点和云端获取内容;其次,用户在本地建立深度神经网络模型,利用历史请求数据训练本地模型,FN聚合本地模型,预测全局内容流行度;同时,向用户提供个性化内容推荐列表,提高缓存命中率。最后,基于真实数据集,仿真结果表明本方案能有效降低内容获取时延,提升缓存命中率。
中图分类号: