张雪晴 刘延伟 刘金霞 韩言妮

1 （中国科学院信息工程研究所 北京 100093）

2 （中国科学院大学网络空间安全学院 北京 100049）

3 （浙江万里学院 浙江 宁波 315100）

随着移动通信技术的快速发展和智能终端的普及，连接到网络的边缘设备数量和智能应用持续增长，人类将迎来边缘智能[1]时代.边缘智能应用大多基于机器学习技术,例如视频推荐[2]、人脸识别[3]、自动驾驶[4]与无人机[5]等.像自动驾驶和增强现实这样的智能应用需要更多的计算和数据资源以及更短的处理时延需求.传统的机器学习基于云计算平台对数据进行集中处理训练.由于边缘智能终端产生的数据量大、计算任务分散以及数据的隐私保护需求，将所有数据发送到云端进行处理是不切实际的.近年来，5G 系统中引入了移动边缘计算（mobile edge computing，MEC）[6]架构，将计算、存储和网络资源与基站集成，将计算能力从云端下沉到网络边缘，缩短了数据处理计算节点与用户之间的距离，能够满足用户低时延的需求.

MEC 是一项快速发展的技术，旨在通过利用边缘设备未充分利用的计算和通信资源，在无线网络边缘部署移动应用.作为传统集中式云计算的补充，MEC 在降低核心网络流量负载、缓解中央服务器处理压力、缩短端到端操作响应延迟以及提高无线网络整体系统性能方面表现出巨大潜力.MEC 提供了分布式计算环境，可用于部署应用程序和服务.但是，多个终端想彼此分享各自的数据集和学到的知识，面临着监……