UbiPriSEQ—プライバシー、セキュリティ、エネルギー、及びQoSを5G IoT HetNetsで管理するための深層強化学習

5Gネットワークとモノのインターネット（IoT）は、普遍的な環境のための強力なプラットフォームを提供し、その普遍的なセンシング、高速、およびその他の利点を備えています。データ、解析、および他の計算は、これらの環境でエネルギー効率とQoSの要求が最も満たされるように、動的に最適に移動・配置される必要があります。この文脈での特定の課題は、サービス品質（QoS）とエネルギー効率を提供しつつ、プライバシーとセキュリティを保護することです。多くの研究がこれらの課題に取り組んできましたが、すべてを最適化することに焦点を当てず、環境とセキュリティ脅威の固定モデルを仮定していました。本論文では、Deep Reinforcement Learning（DRL）を使用して、QoS、エネルギー効率、セキュリティ、プライバシーを適応的、動的、全体的に最適化するUbiPriSEQフレームワークを提案します。UbiPriSEQは三層モデルに基づいており、2つのモジュールで構成されています。UbiPriSEQは、データおよび計算のためのローカル処理とオフロードレート、無線チャネル状態、送信電力、タスク優先度、オフロード、データ移行のためのフォグノードの選択など、重要なパラメータに関連するポリシーを策定し、意思決定を行います。UbiPriSEQはTensorFlowプラットフォーム上でPythonで実装され、SINR、プライバシーメトリック、レイテンシ、およびユーティリティ関数に関して実際のアプリケーションを用いて評価され、大きな可能性を示しています。