6、边缘AI技术：原理、应用与未来趋势

边缘AI技术：原理、应用与未来趋势

1. 边缘计算基础与安全

1.1 边缘计算与数据安全

在智慧城市项目中，从医疗设备、移动服务和闭路电视摄像头收集的公民数据需要防止泄露，否则攻击者可能会利用这些数据获取商业利益。边缘计算将信息技术资源带到网络边缘设备，近场通信（NFC）使边缘功能能够在软件而非硬件组件上运行，这有助于增强边缘节点的可扩展性，并且由于边缘设备更靠近用户，带宽分配更稳定，延迟更低。

1.2 5G核心网络切片

5G技术与边缘计算的融合提升了数字和用户体验，也提高了性能。4G使用LTE无线电技术，而5G倾向于使用新无线电（NR）技术，其基站称为gNodeB（gNB）。

1.3 边缘设备的机器学习模型

许多研究人员的关键想法是拥有高效的深度神经网络（DNN）模型，以消除不必要的参数，使计算资源能更好地用于模型推理。一些预训练的DNN模型，如YOLO和SqueezeNet，可免费用于研究目的，适用于TensorFlow、PyTorch等。模型压缩是在边缘设备上执行模型的另一种技术，压缩后的模型可能会损失一些准确性，但在许多情况下是可以接受的。研究人员通过使用多种压缩技术和缓存中间结果以迭代重用，提高了深度神经网络模型的执行速度，例如DeepMon是用于边缘设备连续计算机视觉应用的机器学习框架，TensorFlow Lite也使用类似技术在边缘运行模型。

1.4 边缘深度学习

边缘设备是专门用于与其他边缘设备和服务提供商建立连接的电子设备，资源有限，在边缘设备上纳入分析算法和方法是一项真正的挑战。

1.5 边缘推理

边