推動(dòng)邊緣計(jì)算的核心技術(shù)是什么

推動(dòng)邊緣計(jì)算的七項(xiàng)核心技術(shù)

計(jì)算模型的創(chuàng)新帶來(lái)的是技術(shù)的升級(jí)換代，而邊緣計(jì)算的迅速發(fā)展也得益于技術(shù)的進(jìn)步。本節(jié)總結(jié)了推動(dòng)邊緣計(jì)算發(fā)展的7項(xiàng)核心技術(shù)，它們包括網(wǎng)絡(luò)、隔離技術(shù)、體系結(jié)構(gòu)、邊緣操作系統(tǒng)、算法執(zhí)行框架、數(shù)據(jù)處理平臺(tái)以及安全和隱私。

1.網(wǎng)絡(luò)

邊緣計(jì)算將計(jì)算推至靠近數(shù)據(jù)源的位置，甚至于將整個(gè)計(jì)算部署于從數(shù)據(jù)源到云計(jì)算中心的傳輸路徑上的節(jié)點(diǎn)，這樣的計(jì)算部署對(duì)現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)提出了 3個(gè)新的要求：

1)服務(wù)發(fā)現(xiàn)。在邊緣計(jì)算中，由于計(jì)算服務(wù)請(qǐng)求者的動(dòng)態(tài)性，計(jì)算服務(wù)請(qǐng)求者如何知道周邊的服務(wù)，將是邊緣計(jì)算在網(wǎng)絡(luò)層面中的一個(gè)核心問(wèn)題.傳統(tǒng)的基于DNS的服務(wù)發(fā)現(xiàn)機(jī)制，主要應(yīng)對(duì)服務(wù)靜態(tài)或者服務(wù)地址變化較慢的場(chǎng)景下.當(dāng)服務(wù)變化時(shí)，DNS的服務(wù)器通常需要一定的時(shí)間以完成域名服務(wù)的同步，在此期間會(huì)造成一定的網(wǎng)絡(luò)抖動(dòng)，因此并不適合大范圍、動(dòng)態(tài)性的邊緣計(jì)算場(chǎng)景。

2)快速配置。在邊緣計(jì)算中，由于用戶和計(jì)算設(shè)備的動(dòng)態(tài)性的增加，如智能網(wǎng)聯(lián)車，以及計(jì)算設(shè)備由于用戶開(kāi)關(guān)造成的動(dòng)態(tài)注冊(cè)和撤銷，服務(wù)通常也需要跟著進(jìn)行遷移，而由此將會(huì)導(dǎo)致大量的突發(fā)網(wǎng)絡(luò)流量。與云計(jì)算中心不同，廣域網(wǎng)的網(wǎng)絡(luò)情況更為復(fù)雜，帶寬可能存在一定的限制.因此，如何從設(shè)備層支持服務(wù)的快速配置，是邊緣計(jì)算中的一 個(gè)核心問(wèn)題。

3)負(fù)載均衡。邊緣計(jì)算中，邊緣設(shè)備產(chǎn)生大量的數(shù)據(jù)，同時(shí)邊緣服務(wù)器提供了大量的服務(wù).因此，根據(jù)邊緣服務(wù)器以及網(wǎng)絡(luò)狀況，如何動(dòng)態(tài)地對(duì)這些數(shù)據(jù)進(jìn)行調(diào)度至合適的計(jì)算服務(wù)提供者，將是邊緣計(jì)算中的核心問(wèn)題。

針對(duì)以上3個(gè)問(wèn)題，一種最簡(jiǎn)單的方法是，在所有的中間節(jié)點(diǎn)上均部署所有的計(jì)算服務(wù)，然而這將導(dǎo)致大量的冗余，同時(shí)也對(duì)邊緣計(jì)算設(shè)備提出了較高的要求。因此，我們以“建立一條從邊緣到云的計(jì)算路徑”為例來(lái)說(shuō)，首當(dāng)其沖面對(duì)的就是如何尋找服務(wù)，以完成計(jì)算路徑的建立。命名數(shù)據(jù)網(wǎng)絡(luò)（named data networking，NDN)是一種將數(shù)據(jù)和服務(wù)進(jìn)行命名和尋址，以P2P和中心化方式相結(jié)合進(jìn)行自組織的一種數(shù)據(jù)網(wǎng)絡(luò)。而計(jì)算鏈路的建立，在一定程度上也是數(shù)據(jù)的關(guān)聯(lián)建立，即數(shù)據(jù)應(yīng)該從源到云的傳輸關(guān)系.因此，將NDN引入邊緣計(jì)算中，通過(guò)其建立計(jì)算服務(wù)的命名并關(guān)聯(lián)數(shù)據(jù)的流動(dòng)，從而可以很好地解決計(jì)算鏈路中服務(wù)發(fā)現(xiàn)的問(wèn)題。

而隨著邊緣計(jì)算的興起，尤其是用戶移動(dòng)的情況下，如車載網(wǎng)絡(luò)，計(jì)算服務(wù)的遷移相較于基于云計(jì)算的模式更為頻繁，與之同時(shí)也會(huì)引起大量的數(shù)據(jù)遷移，從而對(duì)網(wǎng)絡(luò)層面提供了動(dòng)態(tài)性的需求。軟件定義網(wǎng)絡(luò)（software definednetworking，SDN)， 于2006年誕生于美國(guó)GENI項(xiàng)目資助的斯坦福大學(xué)Clean Slate課題，是一種控制面和數(shù)據(jù)面分離的可編程網(wǎng)絡(luò)，以及簡(jiǎn)單網(wǎng)絡(luò)管理.由于控制面和數(shù)據(jù)面分離這一特性，網(wǎng)絡(luò)管理者可以較為快速地進(jìn)行路由器、交換器的配置，減少網(wǎng)絡(luò)抖動(dòng)性，以支持快速的流量遷移，因此可以很好地支持計(jì)算服務(wù)和數(shù)據(jù)的遷移。同時(shí)，結(jié)合NDN和SDN，可以較好地對(duì)網(wǎng)絡(luò)及其上的服務(wù)進(jìn)行組織，并進(jìn)行管理，從而可以初步實(shí)現(xiàn)計(jì)算鏈路的建立和管理問(wèn)題。

2.隔離技術(shù)

隔離技術(shù)是支撐邊緣計(jì)算穩(wěn)健發(fā)展的研究技術(shù)，邊緣設(shè)備需要通過(guò)有效的隔離技術(shù)來(lái)保證服務(wù)的可靠性和服務(wù)質(zhì)量.隔離技術(shù)需要考慮2方面：

1)計(jì)算資源的隔離，即應(yīng)用程序間不能相互干擾；

2)數(shù)據(jù)的隔離，即不同應(yīng)用程序應(yīng)具有不同的訪問(wèn)權(quán)限。

在云計(jì)算場(chǎng)景下，由于某一應(yīng)用程序的崩潰可能帶來(lái)整個(gè)系統(tǒng)的不穩(wěn)定，造成嚴(yán)重的后果，而在邊緣計(jì)算下，這一情況變得更加復(fù)雜.例如在自動(dòng)駕駛操作系統(tǒng)中，既需要支持車載娛樂(lè)滿足用戶需求， 又需要同時(shí)運(yùn)行自動(dòng)駕駛?cè)蝿?wù)滿足汽車本身駕駛需求，此時(shí)，如果車載娛樂(lè)的任務(wù)干擾了自動(dòng)駕駛?cè)蝿?wù)，或者影響了整個(gè)操作系統(tǒng)的性能，將會(huì)引起嚴(yán)重后果，對(duì)生命財(cái)產(chǎn)安全造成直接損失.隔離技術(shù)同時(shí)需要考慮第三方程序?qū)τ脩綦[私數(shù)據(jù)的訪問(wèn)權(quán)限問(wèn)題，例如，車載娛樂(lè)程序不應(yīng)該被允許訪問(wèn)汽車控制總線數(shù)據(jù)等.目前在云計(jì)算場(chǎng)景下主要使用VM虛擬機(jī)和Docker容器技術(shù)等方式保證資源隔離。邊緣計(jì)算可汲取云計(jì)算發(fā)展的經(jīng)驗(yàn)，研究適合邊緣計(jì)算場(chǎng)景下的隔離技術(shù)。

在云平臺(tái)上普遍應(yīng)用的Docker技術(shù)可以實(shí)現(xiàn)應(yīng)用在基于0S級(jí)虛擬化的隔離環(huán)境中運(yùn)行，Docker的存儲(chǔ)驅(qū)動(dòng)程序采用容器內(nèi)分層鏡像的結(jié)構(gòu)，使得應(yīng)用程序可以作為一個(gè)容器快速打包和發(fā)布，從而保證了應(yīng)用程序間的隔離性.Li等人建立 了一個(gè)基于Docker遷移的有效服務(wù)切換系統(tǒng)，利用Docker的分層文件系統(tǒng)支持，提出了一種適合邊緣計(jì)算的高效容器遷移策略，以減少包括文件系統(tǒng)、二進(jìn)制內(nèi)存映象、檢查點(diǎn)在內(nèi)的數(shù)據(jù)傳輸?shù)拈_(kāi) 銷.Ha等人提出了一種VM切換技術(shù)，實(shí)現(xiàn)虛擬機(jī)VM的計(jì)算任務(wù)遷移，支持快速和透明的資源放置，保證將VM虛擬機(jī)封裝在安全性和可管理行要求較高的應(yīng)用中.這種多功能原語(yǔ)還提供了動(dòng)態(tài)遷移的功能，對(duì)邊緣端進(jìn)行了優(yōu)化.這種基于VM的隔離技術(shù)提高了應(yīng)用程序的抗干擾性，增加了邊緣計(jì)算系統(tǒng)的可用性。

3.體系結(jié)構(gòu)

無(wú)論是如高性能計(jì)算一類傳統(tǒng)的計(jì)算場(chǎng)景，還是如邊緣計(jì)算一類的新興計(jì)算場(chǎng)景，未來(lái)的體系結(jié)構(gòu)應(yīng)該是通用處理器和異構(gòu)計(jì)算硬件并存的模式。異構(gòu)硬件犧牲了部分通用計(jì)算能力，使用專用加速單元減小了某一類或多類負(fù)載的執(zhí)行時(shí)間，并且顯著提高了性能功耗比。邊緣計(jì)算平臺(tái)通常針對(duì)某一類特定的計(jì)算場(chǎng)景設(shè)計(jì)，處理的負(fù)載類型較為固定，故目前有很多前沿工作針對(duì)特定的計(jì)算場(chǎng)景設(shè)計(jì)邊緣計(jì)算平臺(tái)的體系結(jié)構(gòu).

ShiDianNao首次提出了將人工智能處理器放置在靠近圖像傳感器的位置，處理器直接從傳感器讀取數(shù)據(jù)，避免圖像數(shù)據(jù)在DRAM中的存取帶來(lái)的能耗開(kāi)銷；同時(shí)通過(guò)共享卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks， CNNs) 權(quán)值的方法 ，將模型完整放置在SRAM中，避免權(quán)值數(shù)據(jù)在DRAM 中的存取帶來(lái)的能耗開(kāi)銷；由于計(jì)算能效地大幅度提升(60倍），使其可以被應(yīng)用于移動(dòng)端設(shè)備.EIE：是一個(gè)用于稀疏神經(jīng)網(wǎng)絡(luò)的高效推理引擎，其通過(guò)稀疏矩陣的并行化以及權(quán)值共享的方法加速稀疏神 經(jīng)網(wǎng)絡(luò)在移動(dòng)設(shè)備的執(zhí)行能效.Phi-Stack則提出了針對(duì)邊緣計(jì)算的一整套技術(shù)桟，其中針對(duì)物聯(lián)網(wǎng)設(shè)備設(shè)計(jì)的PhiPU，使用異構(gòu)多核的結(jié)構(gòu)并行處理 深度學(xué)習(xí)任務(wù)和普通的計(jì)算任務(wù)（實(shí)時(shí)操作系統(tǒng)）. In-Situ AI是一個(gè)用于物聯(lián)網(wǎng)場(chǎng)景中深度學(xué)習(xí)應(yīng)用的自動(dòng)增量計(jì)算框架和架構(gòu)，其通過(guò)數(shù)據(jù)診斷，選擇最小數(shù)據(jù)移動(dòng)的計(jì)算模式，將深度學(xué)習(xí)任務(wù)部署 到物聯(lián)網(wǎng)計(jì)算節(jié)點(diǎn).除了專用計(jì)算硬件的設(shè)計(jì)，還有 一類工作探索FPGA在邊緣計(jì)算場(chǎng)景中的應(yīng)用. ESE[6]通過(guò)FPGA提高了稀疏長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) (long short term memory network，LSTM)在移動(dòng)設(shè)備上的執(zhí)行能效，用于加速語(yǔ)音識(shí)別應(yīng)用.其通過(guò)負(fù)載平衡感知的方法對(duì)LSTM進(jìn)行剪枝壓縮，并保證硬件的高利用率，同時(shí)在多個(gè)硬件計(jì)算單元中調(diào)度 LSTM 數(shù)據(jù)流；其使用 Xilinx XCKU060 FPGA 進(jìn)行硬件設(shè)計(jì)實(shí)現(xiàn)，與CPU和GPU相比，其分別實(shí)現(xiàn)了 40倍和11. 5倍的能效提升.Biookaghazadeh 等人通過(guò)對(duì)比FPGA和GPU在運(yùn)行特定負(fù)載時(shí)吞 吐量敏感性、結(jié)構(gòu)適應(yīng)性和計(jì)算能效等指標(biāo)，表明 FPGA更加適合邊緣計(jì)算場(chǎng)景。

針對(duì)邊緣計(jì)算的計(jì)算系統(tǒng)結(jié)構(gòu)設(shè)計(jì)仍然是一個(gè)新興的領(lǐng)域，仍然具有很多挑戰(zhàn)亟待解決，例如如何高效地管理邊緣計(jì)算異構(gòu)硬件、如何對(duì)這類的系統(tǒng)結(jié)構(gòu)進(jìn)行公平及全面的評(píng)測(cè)等.在第三屆邊緣計(jì)算會(huì)議（S E C 2 018 )上首次設(shè)立了針對(duì)邊緣計(jì)算體系結(jié)構(gòu)的Workshop:ArchEdge,鼓勵(lì)學(xué)術(shù)界和工業(yè)界對(duì)此領(lǐng)域進(jìn)行探討和交流。

4.邊緣操作系統(tǒng)

邊緣計(jì)算操作系統(tǒng)向下需要管理異構(gòu)的計(jì)算資源，向上需要處理大量的異構(gòu)數(shù)據(jù)以及多用的應(yīng)用負(fù)載，其需要負(fù)責(zé)將復(fù)雜的計(jì)算任務(wù)在邊緣計(jì)算節(jié)點(diǎn)上部署 、調(diào)度 及遷移從而保證計(jì)算任務(wù)的可靠性以及資源的最大化利用。與傳統(tǒng)的物聯(lián)網(wǎng)設(shè)備上的實(shí)時(shí)操作系統(tǒng)Contikt和FreeRTOS不同，邊緣計(jì)算操作系統(tǒng)更傾向于對(duì)數(shù)據(jù)、計(jì)算任務(wù)和計(jì)算資源的管理框架。

機(jī)器人操作系統(tǒng)(robot operating system, ROS) 最開(kāi)始被設(shè)計(jì)用于異構(gòu)機(jī)器人機(jī)群的消息通信管理，現(xiàn)逐漸發(fā)展成一套開(kāi)源的機(jī)器人開(kāi)發(fā)及管理工具，提供硬件抽象和驅(qū)動(dòng)、消息通信標(biāo)準(zhǔn)、軟件包管理等 一系列工具，被廣泛應(yīng)用于工業(yè)機(jī)器人、自動(dòng)駕駛車輛即無(wú)人機(jī)等邊緣計(jì)算場(chǎng)景.為解決ROS中的性能 問(wèn)題，社區(qū)在2015年推出ROS2. 0，其核心為引入數(shù)據(jù)分發(fā)服務(wù)（data distribution service，DDS)， 解決ROS對(duì)主節(jié)點(diǎn)（master node)性能依賴問(wèn)題，同時(shí)DDS提供共享內(nèi)存機(jī)制提高節(jié)點(diǎn)間的通信效率.EdgeOSH則是針對(duì)智能家居設(shè)計(jì)的邊緣操作系統(tǒng)，其部署于家庭的邊緣網(wǎng)關(guān)中，通過(guò)3層功能抽象連接上層應(yīng)用和下層智能家居硬件，其提出面向多樣的邊緣計(jì)算任務(wù)，服務(wù)管理層應(yīng)具有差異性 (differentiation)、可擴(kuò)展性（extensibility)、隔離性 (isolation)和可靠性（reliability)的需求.Phi-Stack 中提出了面向智能家居設(shè)備的邊緣操作系統(tǒng) PhiOS，其引人輕量級(jí)的REST引擎和LUA解釋器，幫助用戶在家庭邊緣設(shè)備上部署計(jì)算任務(wù). OPenVDAP是針對(duì)汽車場(chǎng)景設(shè)計(jì)的數(shù)據(jù)分析平臺(tái)，其提出了面向網(wǎng)聯(lián)車場(chǎng)景的邊緣操作系統(tǒng) EdgeOSv.該操作系統(tǒng)中提供了任務(wù)彈性管理、數(shù)據(jù)共享以及安全和隱私保護(hù)等功能.

根據(jù)目前的研究現(xiàn)狀，ROS以及基于ROS實(shí)現(xiàn)的操作系統(tǒng)有可能會(huì)成為邊緣計(jì)算場(chǎng)景的典型操作系統(tǒng)，但其仍然需要經(jīng)過(guò)在各種真實(shí)計(jì)算場(chǎng)景下部署的評(píng)測(cè)和檢驗(yàn)。

5.算法執(zhí)行框架

隨著人工智能的快速發(fā)展，邊緣設(shè)備需要執(zhí)行越來(lái)越多的智能算法任務(wù)，例如家庭語(yǔ)音助手需要 進(jìn)行自然語(yǔ)言理解、智能駕駛汽車需要對(duì)街道目標(biāo)檢測(cè)和識(shí)別、手持翻譯設(shè)備需要翻譯實(shí)時(shí)語(yǔ)音信息等.在這些任務(wù)中，機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)算法占有很大的比重，使硬件設(shè)備更好地執(zhí)行以深度學(xué)習(xí)算法為代表的智能任務(wù)是研究的焦點(diǎn)，也是實(shí)現(xiàn)邊緣智能的必要條件.而設(shè)計(jì)面向邊緣計(jì)算場(chǎng)景下的高效的算法執(zhí)行框架是一個(gè)重要的方法.目前有許 多針對(duì)機(jī)器學(xué)習(xí)算法特性而設(shè)計(jì)的執(zhí)行框架，例如谷歌于2016年發(fā)布的TensorFloE、依賴開(kāi)源社區(qū)力量發(fā)展的Caffe等，但是這些框架更多地運(yùn)行在云數(shù)據(jù)中心，它們不能直接應(yīng)用于邊緣設(shè)備.如表2所示，云數(shù)據(jù)中心和邊緣設(shè)備對(duì)算法執(zhí)行框架的需求有較大的區(qū)別。在云數(shù)據(jù)中心，算法執(zhí)行框架更多地執(zhí)行模型訓(xùn)練的任務(wù)，它們的輸人是大規(guī)模的批量數(shù)據(jù)集，關(guān)注的是訓(xùn)練時(shí)的迭代速度、收斂率和框架的可擴(kuò)展性等.而邊緣設(shè)備更多地執(zhí)行預(yù)測(cè)任務(wù)，輸人的是實(shí)時(shí)的小規(guī)模數(shù)據(jù)，由于邊緣設(shè)備計(jì)算資源和存儲(chǔ)資源的相對(duì)受限性，它們更關(guān)注算法執(zhí)行框架預(yù)測(cè)時(shí)的速度、內(nèi)存占用量和能效。

為了更好地支持邊緣設(shè)備執(zhí)行智能任務(wù)，一些專門針對(duì)邊緣設(shè)備的算法執(zhí)行框架應(yīng)運(yùn)而生.2017年，谷歌發(fā)布了用于移動(dòng)設(shè)備和嵌人式設(shè)備的輕量級(jí)解決方案TensorFlow Lite，它通過(guò)優(yōu)化移動(dòng)應(yīng)用程序的內(nèi)核、預(yù)先激活和量化內(nèi)核等方法來(lái)減少執(zhí)行預(yù)測(cè)任務(wù)時(shí)的延遲和內(nèi)存占有量.Caffe2 是Caffe的更高級(jí)版本，它是一個(gè)輕量級(jí)的執(zhí)行框架，增加了對(duì)移動(dòng)端的支持.此外，PyTorch和 MXNet等主流的機(jī)器學(xué)習(xí)算法執(zhí)行框架也都開(kāi)始提供在邊緣設(shè)備上的部署方式。

Zhang 等人對(duì) TensorFlow,Caffe2 ,MXNet， PyTorch和TensorFlow Lite等在不同的邊緣設(shè)備 (MacBook Pro，Intel FogNode，NVIDIA Jetson TX2,Raspberry Pi 3 Model B+ ,Huawfi Nexus 6P) 上的性能從延遲、內(nèi)存占用量和能效等方面進(jìn)行了對(duì)比和分析，最后發(fā)現(xiàn)沒(méi)有一款框架能夠在所有維度都取得最好的表現(xiàn)，因此執(zhí)行框架的性能提升空間比較大.開(kāi)展針對(duì)輕量級(jí)的、高效的、可擴(kuò)展性強(qiáng)的邊緣設(shè)備算法執(zhí)行框架的研究十分重要，也是實(shí)現(xiàn)邊緣智能的重要步驟。

6.數(shù)據(jù)處理平臺(tái)

邊緣計(jì)算場(chǎng)景下，邊緣設(shè)備時(shí)刻產(chǎn)生海量數(shù)據(jù)，數(shù)據(jù)的來(lái)源和類型具有多樣化的特征，這些數(shù)據(jù)包括環(huán)境傳感器采集的時(shí)間序列數(shù)據(jù)、攝像頭采集的圖片視頻數(shù)據(jù)、車載LiDAR的點(diǎn)云數(shù)據(jù)等，數(shù)據(jù)大多具有時(shí)空屬性。構(gòu)建一個(gè)針對(duì)邊緣數(shù)據(jù)進(jìn)行管理、分析和共享的平臺(tái)十分重要。

以智能網(wǎng)聯(lián)車場(chǎng)景為例，車輛逐漸演變成一個(gè)移動(dòng)的計(jì)算平臺(tái)，越來(lái)越多的車載應(yīng)用也被開(kāi)發(fā)出來(lái)，車輛的各類數(shù)據(jù)也比較多。由.Zhang等人提出的OPenVDAP是一個(gè)開(kāi)放的汽車數(shù)據(jù)分析平臺(tái)，如下圖3所示，Open VDAP分成4部分，分別是異構(gòu)計(jì)算平臺(tái)（VCU )、操作系統(tǒng)（EdgeOSv)、駕駛數(shù)據(jù)收集器（DDI)和應(yīng)用程序庫(kù)（libvdap)，汽車可安裝部署該平臺(tái)，從而完成車載應(yīng)用的計(jì)算，并且實(shí)現(xiàn)車與云、車與車、車與路邊計(jì)算單元的通信，從而保證了車載應(yīng)用服務(wù)質(zhì)量和用戶體驗(yàn).因此，在邊緣計(jì)算不同的應(yīng)用場(chǎng)景下，如何有效地管理數(shù)據(jù)、提供數(shù)據(jù)分析服務(wù)，保證一定的用戶體驗(yàn)是一個(gè)重要的研究問(wèn)題。

7.安全和隱私

雖然邊緣計(jì)算將計(jì)算推至靠近用戶的地方，避免了數(shù)據(jù)上傳到云端，降低了隱私數(shù)據(jù)泄露的可能性。但是，相較于云計(jì)算中心，邊緣計(jì)算設(shè)備通常處于靠近用戶側(cè)，或者傳輸路徑上，具有更高的潛在可能被攻擊者入侵，因此，邊緣計(jì)算節(jié)點(diǎn)自身的安全性仍然是一個(gè)不可忽略的問(wèn)題.邊緣計(jì)算節(jié)點(diǎn)的分布式和異構(gòu)型也決定其難以進(jìn)行統(tǒng)一的管理，從而導(dǎo)致一系列新的安全問(wèn)題和隱私泄露等問(wèn)題.作為信息系統(tǒng)的一種計(jì)算模式，邊緣計(jì)算也存在信息系統(tǒng)普遍存在的共性安全問(wèn)題，包括：應(yīng)用安全、網(wǎng)絡(luò)安全、信息安全和系統(tǒng)安全等。

在邊緣計(jì)算的環(huán)境下，通常仍然可以采用傳統(tǒng)安全方案來(lái)進(jìn)行防護(hù)，如通過(guò)基于密碼學(xué)的方案來(lái)進(jìn)行信息安全的保護(hù)、通過(guò)訪問(wèn)控制策略來(lái)對(duì)越權(quán)訪問(wèn)等進(jìn)行防護(hù).但是需要注意的是，通常需要對(duì)傳統(tǒng)方案進(jìn)行一定的修改，以適應(yīng)邊緣計(jì)算的環(huán)境。同時(shí)，近些年也有些新興的安全技術(shù)（如硬件協(xié)助的可信執(zhí)行環(huán)境）可以使用到邊緣計(jì)算中，以增強(qiáng)邊緣計(jì)算的安全性。此外，使用機(jī)器學(xué)習(xí)來(lái)增強(qiáng)系統(tǒng)的安全防護(hù)也是一個(gè)較好的方案。

可信執(zhí)行環(huán)境(trusted execution environment， TEE)是指在設(shè)備上一個(gè)獨(dú)立于不可信操作系統(tǒng)而存在的可信的、隔離的、獨(dú)立的執(zhí)行環(huán)境，為不可信環(huán)境中的隱私數(shù)據(jù)和敏感計(jì)算，提供了安全而機(jī)密的空間，而TEE的安全性通常通過(guò)硬件相關(guān)的機(jī)制來(lái)保障。常見(jiàn)的TEE包括Intel軟件防護(hù)擴(kuò)展、Intel管理引擎、x86系統(tǒng)管理模式、 AMD內(nèi)存加密技術(shù)、AMD平臺(tái)安全處理器和ARM TrustZone技術(shù)。通過(guò)將應(yīng)用運(yùn)行于可信執(zhí)行環(huán)境中，并且將使用到的外部存儲(chǔ)進(jìn)行加解密，邊緣計(jì)算節(jié)點(diǎn)的應(yīng)用，可以在邊緣計(jì)算節(jié)點(diǎn)被攻破時(shí)，仍然可以保證應(yīng)用及數(shù)據(jù)的安全性。