买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利车联网安全计算卸载及资源分配方法、计算机设备及终端获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114827947B 。

龙图腾网通过国家知识产权局官网在2026-01-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210253563.6，技术领域涉及：H04W4/40；该发明授权车联网安全计算卸载及资源分配方法、计算机设备及终端是由俱莹;曹植伟;陈宇超;王浩宇;刘雷;裴庆祺;王励成设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本车联网安全计算卸载及资源分配方法、计算机设备及终端在说明书摘要公布了：本发明属于车联网边缘计算技术领域，公开了一种车联网安全计算卸载及资源分配方法、计算机设备及终端，本发明能够克服由于多窃听者和车辆移动带来的不确定性，在考虑物理层安全使得通信安全的同时降低服务延迟。首先将优化问题建模为一个多智能体顺序决策问题，并利用强化学习方法进行求解。由于DQNDeepQlearning方法有过估计问题，会高估Q值大小从而降低了性能。因此，采用DDQNDuelingdeepQlearning的方法来训练多智能体模型。其中利用排队论对车辆的动态过程进行了建模，使得场景更加接近实际的场景。该方法使得用户能够选择一个合理的策略使得所有车辆中最大延迟最小化。

本发明授权车联网安全计算卸载及资源分配方法、计算机设备及终端在权利要求书中公布了：1.一种车联网安全计算卸载及资源分配方法，其特征在于，所述车联网安全计算卸载及资源分配方法首先利用排队论对车辆的动态过程建模，并且场景中有多个动态的窃听者；其次将优化问题建模为一个多智能体顺序决策问题，并利用DDQN的强化学习方法进行多智能体训练求解，使得用户能够选择一个合理的策略在进行安全卸载的同时将所有车辆中最大服务延迟最小化； 所述车联网安全计算卸载及资源分配方法包括以下步骤： 第一步，构建一个单基站的车联网通信场景，基站连接到边缘服务器提供计算卸载服务； 第二步，对不同链路的传输过程，对通信过程进行建模； 第三步，利用Wyner的窃听编码方案，并对优化目标进行建模； 第四步，基站通过与周围的环境信息作用，获取当前时刻的状态信息，包括目标车辆的信息，包括车辆速度、位置坐标、当前状态、频带分配信息和边缘服务器上的资源分配信息作为深度强化学习的状态输入，其中深度强化学习使用DDQN算法； 第五步，基于当前的状态信息，车辆选择相应的动作；当前状态的动作为功率选择，频带选择和边缘服务器计算资源块选择； 第六步，根据第二步中构建的模型和策略，设计奖励机制和神经网络的结构； 第七步，利用第六步中的DDQN神经网络提取当前状态的输入特征，拟合Q函数，得到各种输入状态下不同动作的Q值，根据∈-greedy策略选择当前状态下的动作，并结合第六步中的奖励机制训练和更新神经网络参数； 第八步，利用训练好的DDQN网络，将当前环境的状态信息作为状态输入，输出当前状态下采用相应动作的Q值序列，将Q值最大的动作作为当前状态下目标车辆的功率选择、频带选择和边缘服务器计算资源选择的策略； 所述第三步的过程如下： 3.1保密卸载速率：卸载指通过基站连接到边缘服务器提供计算卸载服务；保密卸载速率用于衡量第k个车辆用户将数据保密卸载到基站的速率，其计算公式为其中，表示第k个车辆用户正常卸载数据到基站的速率，即在不考虑窃听者影响时，数据从车辆用户传输到基站的速率；表示当存在窃听者ve时，窃听者可能获取到的与第k个车辆用户数据相关的速率，表示所有可能窃听者中能获取到的最大速率；通过该计算方式，确保保密卸载速率能够反映在存在窃听风险的情况下，实际可用于保密传输的速率； 3.2第k个车辆用户传输到基站的时间其中Bk表示计算任务的大小，表示保密卸载速率，任务在边缘计算服务器上计算的时间： 其中Bk表示计算任务的大小，zk[j]＝1表示第j个资源块被分配给第k个车辆用户使用，zk[j]＝0表示第j个资源块未被分配给第k个车辆用户使用，Nc,j表示边缘服务器处理核总数，uE表示每个核的处理速率；则总的时延 3.3最小化所有车辆中最大的服务时延，目标函数为： Subjectto: 其中Nu表示总服务车辆数量，Nb表示边缘服务器资源块，Nc表示MEC服务器的处理核心 总数和处理能力，Np表示车辆功率可选择数量，意味着第k个车辆用户选择第i档功率 作为发射功率，否则,Nc表示MEC服务器的处理核心总数和处理能力，Nu表示总服务车 辆数量，C1保证处理核心总数不超过边缘服务器的核心数量，C2，C3，C三个约束条件保证每 个车辆用户只能选择选择一个频带，一个发送功率和一个计算资源块，C指定优化目标的 决策变量为二元变量； 所述第五步的过程如下： 5.1动作空间可以采用一个三维坐标来表示，x轴代表频带选择，y轴代表车辆发射功率选择，z轴代表边缘服务器上的计算资源块的选择；设频带选择有N种，车辆功率选择有N种，边缘服务器资源块选择有N种，则对于任意需要服务的车辆的动作可能为N×N×N 5.2、采用∈-greedy策略来权衡训练过程和探索过程，在t时刻，基站以1-∈的概率选择Q值最大的动作，以∈的概率从状态空间A中选择一个动作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号西安电子科技大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。