28、无线网状网络与恶意认知物联网中的任务分配策略

无线网状网络与恶意认知物联网中的任务分配策略

1. 无线网状网络中的量子机器学习架构

在未来无线网状网络（WMN）中，结合量子计算（QC）和机器学习（ML）以满足其需求，需要定义合适的网络架构并引入新的逻辑实体。这里主要介绍了集中式和分布式两种架构。

1.1 集中式架构

集中式架构的信息交换过程包含三个阶段：
- 阶段 1：数据集创建 ：不同用例的终端节点以及部署在无线网状骨干网和云端的网络设备会生成大量数据，这些数据被传输到数据聚合器，由其创建新数据集或更新现有数据集。
- 阶段 2：任务分配 ：数据聚合器将生成数据集的元数据（如数据格式或大小）传输给智能编排器，智能编排器依据这些元数据和智能网络的状态，将特定任务分配给计算资源，并向数据聚合器发送任务分配消息，最终将相关数据集交付给传统或量子计算机。
- 阶段 3：智能操作 ：云端的量子计算机为实现量子机器学习（QML）技术提供了合适环境，但经典数据不能直接作为量子计算机的输入。当需要 QML 能力时，首先使用量子接口（QI）逻辑实体将经典数据转换为量子数据，反之亦然。经过数据预处理后，传统计算机和量子计算机分别执行 ML 和 QML 操作，得到相应结果，并将这些结果传输到不同网络设备，用于服务管理和网络优化等特定目的。

集中式架构具有一定优势，但也存在明显劣势：
| 优势 | 劣势 |
| — | — |
| 目前可用的量子计算机和量子比特数量受物理和经济限制，集中式方法是将 QML 集成到 WMNs 的可行方案。 | 集中式方法