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！

龙图腾网恭喜西安电子科技大学申请的专利一种智能反射表面辅助的车联网安全计算卸载方法、系统、设备及介质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：CN116208619B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202310276875.3，技术领域涉及：H04L67/1074；该发明授权一种智能反射表面辅助的车联网安全计算卸载方法、系统、设备及介质是由俱莹;白皓文;王浩宇;裴庆祺设计研发完成，并于2023-03-21向国家知识产权局提交的专利申请。

本一种智能反射表面辅助的车联网安全计算卸载方法、系统、设备及介质在说明书摘要公布了：一种智能反射表面辅助的车联网安全计算卸载方法、系统、设备及介质，方法包括：构建RIS辅助MEC车辆网络通信场景；构建RIS辅助的安全通信场景；构建RIS辅助MEC车辆网络场景的优化目标函数；构建深度强化学习算法模型；构建深度强化学习训练模型，设置训练模型的状态、动作及奖励，对优化目标进行模型训练；RIS辅助MEC车辆网络决策模型，得到车联网安全计算卸载方案；系统、设备及介质用于实现一种智能反射表面辅助的车联网安全计算卸载方法；本发明通过联合设计RIS相移矩阵和实时分配MEC计算资源来最小化最大的MEC服务时间，解决了动态车联网场景下任务卸载延迟及安全问题，满足通信链路安全，提升MEC整体服务质量，使车联网服务质量和安全性能得到保证。

本发明授权一种智能反射表面辅助的车联网安全计算卸载方法、系统、设备及介质在权利要求书中公布了：1.一种智能反射表面辅助的车联网安全计算卸载方法，其特征在于：包括以下步骤：步骤1：构建RIS辅助MEC车辆网络通信场景，同时加入窃听者模型；BS同时与不同正交子频带中的车辆用户建立多个通信链路，资源受限的目标车辆将其计算任务卸载到配备MEC服务器的BS，从而获取MEC计算资源，获取计算服务的目标车辆表示为： 其中，UserM表示第M个目标车辆用户；未被服务的车辆被认为是潜在的窃听者，表示为：ε＝{Eve1,Eve2,…,EveE}其中，EveE表示第E个潜在窃听者；步骤2：构建RIS辅助的安全通信场景；步骤2.1：假设RIS的第n个元素的反射系数表示为：其中，φn∈[0,2π，RIS反射系数矩阵定义为：Θ＝diag[θ1,θ2,...,θN]由不存在带内干扰，通过最大比合并技术设计接收波束形成，其表示为： 其中，fM表示第M个V2I链路的波束形成向量；步骤2.2：通信信道建模；在MEC车辆网络中，信道包括：第m个V2I链路第m个目标车辆和RIS之间的链路第m个目标车辆到第e个潜在窃听者的链路RIS到第e个潜在窃听者之间的链路RIS到BS的链路RIS到BS的信道服从Rician分布，表示为： 其中，κi,b是Rician因子，ρ是参考距离d0＝1m处的路径损耗，di,b是RIS和BS之间的距离，αi,b为RIS到BS链路的路径损耗指数，非LOS分量的每个元素遵循具有零均值和单位方差的复高斯分布，同样hm,e,hm,b,hm,i,hi,e遵循Rician分布，由于拥挤的城市环境和车辆之间的阻塞效应，κm,b和κm,e均为零；步骤2.3：信号接收过程建模；BS处的第m个V2I链路接收信号表示为： 其中，Pm是第m个目标车辆的发射功率，sm表示与计算任务相关联的单位能量信号样本，噪声向量nm表示为：nm＝[n1,...nK]T其中，BS处的第m个V2I链路的上行链路信干噪比SINR由下式给出： 相似的，第e辆窃听车辆处的第m个V2I链路的窃听信号表示为： 其中，第e辆窃听车辆处的第m个V2I链路的SINR表示为： 因此，第m个V2I链路的容量和第e个窃听车辆到第m个V2I链路的窃听容量分别表示为：Cm＝log1+ηmCe,m＝log1+ηe,m在MEC车辆网络中，一旦用户完成卸载过程，BS就根据任务的大小灵活地分配MEC服务器的计算资源，MEC服务器的每个CPU周期都处理一定数量的数据位，假设总计算能力为ζbits；步骤3：对步骤1中构建的RIS辅助MEC车辆网络场景的优化目标进行建模，构建模型求解时的目标函数；步骤3.1：安全过程建模；任何未经服务的车辆都窃听任何V2I链路，为了保护任务数据不被窃听，用于保护机密信息的冗余表示为：max{0,Rb-RS}其中，Rb为码字率，RS为机密信息的目标保密率；如果窃听者的容量Ce大于Rb-RS，则会发送保密中断，用容量Cb近似Rb，因此第m个V2I链路的保密传输速率表示为：RS,m＝[0,Cm-maxCe,m]+,e∈ε其中，[x]+＝max{0,x}；第m个V2I链路的MEC服务时间，即任务卸载时间和任务计算时间的总和，表示为： 其中，Sm是任务大小，ζm是分配的计算资源；步骤3.2：优化目标建模；优化目标是通过为不同的计算任务设计RIS反射系数矩阵Θ和MEC资源分配来最小化服务时间，前者将影响传输时间，而后者将决定计算时间，考虑到整个MEC服务周期由所有V2I链路的最大服务时间决定，将上述目标转化为以下最小-最大问题： 其中，约束C1表示分配给不同目标车辆的计算资源总和为固定值，约束C2表示RIS反射系数的模数约束为单位模；步骤4：根据步骤3提出的优化目标构建深度强化学习算法模型；步骤5：根据步骤4提出的深度强化学习算法模型构建深度强化学习训练模型，结合步骤1、步骤2以及步骤3中的通信场景和目标函数，设置训练模型的状态、动作及奖励，对RIS辅助MEC车辆网络通信场景的优化目标进行模型训练；步骤5.1：状态空间设置；在时隙t，第m个V2I链路的状态包括保密速率剩余卸载任务量剩余计算任务量占用的MEC资源量全局信道状态信息其表示为： 综上，将第m个V2I链路的状态表示为： 在时隙t，M个V2I链路的总环境表示为： 步骤5.2：动作空间设置；基于当前的状态St，BS将设计RIS相移矩阵和MEC资源分配，在每个时隙t，动作空间表示为：at＝{Θt,ζt}其中，是计算资源分配；步骤5.3：奖励函数设置；在时隙t，对应于当前动作at的奖励表示为： 其中，表示时隙t处的第m个V2I链路的安全MEC服务时间，tm,1是当前消耗的时间，tm,2是基于当前动作估计的剩余时间，其包含剩余传输时间和剩余计算时间，估计剩余时间有三种情况：1所有目标车辆都在任务卸载过程中，每个目标车辆的剩余传输时间基于当前动作，每个目标车辆的剩余计算时间采取将计算资源平均分配给所有目标车辆的策略来计算，即ζmin；2一些目标车辆在任务卸载过程中，其他目标车辆在任务计算过程中，对于在任务卸载过程中的目标车辆，基于当前动作计算每个用户卸载过程中的剩余传输时间，并且基于计算资源为的策略估计剩余计算时间，其中ζmin是任务计算过程中目标车辆的最小计算资源，对于在任务计算过程中的目标车辆，只需要基于当前动作估计剩余计算时间；3所有目标车辆都在任务计算过程中，基于当前动作估计所有目标车辆的剩余计算时间；为了提高保密传输速率，将惩罚因子表示为： 若当前动作能够满足第m条链路的保密速率要求那么νm＝0，否则νm＝ν*，ν*是一个人为设置的参数，其为负数；基于奖励函数的设定，DDPG算法将在给定的约束内不断学习以减少最大安全MEC服务时间为方向的行动策略，总的累计奖励表示为： 其中γ为折扣因子；步骤6：根据步骤5的训练模型得到RIS辅助MEC车辆网络决策模型，得到优化问题的最优解，即得到车联网安全计算卸载方案。

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 陕西省西安市雁塔区太白南路2号；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”。