20、深度学习模型在云、雾和移动边缘网络中实现安全人机友好计算的应用

深度学习模型在云、雾和移动边缘网络中实现安全人机友好计算的应用

1. 引言

人工智能（AI）尤其是机器学习（ML）在网络安全（CS）领域的应用日益广泛，特别是在入侵检测和预防系统（IDPSs）中，能持续检查网络，发现潜在入侵事件并将其传达给安全管理员。同时，“以人为中心的计算”（HCC）致力于设计、开发和部署混合主动的人机系统，通常涉及硬件和技术实践。而“人机交互”（HCI）更侧重于可用性和计算人体工程学。

计算领域有三个重要的“层”：
- 云计算（CC） ：处理业务逻辑、大数据（BD）、分析数据库和数据仓库。无需提前过度配置资源，可根据业务变化调整资源规模。通过互联网提供服务，如存储、处理和分析。HCI 对集中式数据控制和大数据工作负载有积极影响，这也是其在企业中日益受欢迎的原因。
- 雾计算（FC） ：运行本地网络和微型数据中心等。存储、计算、数据和应用位于云计算和物理主机之间，处理速度快，具有低延迟的特点。常用于智能城市、智能电网等领域。比云计算更安全，通过分布式设计降低风险。
- 多接入边缘计算（MEC，也称为边缘计算（EC）） ：在计算机、移动设备、可穿戴设备等上进行实时数据处理，将云计算扩展到网络边缘。与物联网（IoT）设备不同，MEC 在本地处理数据。

深度学习（DL），通常指深度神经网络（DNNs），在复杂工程测试中表现出色。它从下到上是无监督学习过程，能自主发现有益特征；从上到下是监督学习过程，通过标记数据优化网络参数。深度学习发展迅速的原因包括：标记大数据的应用缓解了训练问题，以及硬件的快速发展使得大规模神经网络的训练