• 인터넷정보학회논문지
• /
• 제18권4호
• /
• pp.35-42
• /
• 2017

본 논문은 MEC (Mobile Edge Computing)기술을 이용하여 건물에 재난이 발생 하였을 때 건물 내 사람들에게 재난에 대해 알리는 건물재난 알림 시스템 구현 방안에 대하여 제안한다. MEC의 개요를 설명하고, MEC를 활용한 네트워크의 구조와 특성을 파악한다. 추가적으로 기업 통합 패턴기반의 Apache Camel의 특성을 파악하고, 이를 활용한 MEC 구현 방안에 대해서 설명한다. 마지막으로 Apache Camel 기반의 MEC를 활용하여 재난 발생시, 센서들을 통해 재난상황을 빠르게 인식하고, 건물 내 사람들을 신속하게 대피할 수 있도록 돕는 건물재난 알림 시스템 구현 방안을 제시한다.

• 전기전자학회논문지
• /
• 제25권4호
• /
• pp.598-606
• /
• 2021

본 논문에서는 mobile edge computing (MEC) 네트워크에서 컨텍스트 기반 IoT 서비스를 위한 새로운 서비스 바인딩 및 리소스 관리 모델을 제시한다. 제안하는 제어는 MEC 서비스 바인딩 제어 계층 (MCL)과 사용자 컨텍스트 제어 계층 (UCL)의 두 가지 계층으로 구성되며, MCL은 시스템 관점에서 서비스 바인딩 구성, 리소스 할당 및 서비스 정책 구성을 관리하고, UCL은 사용자 관점에서 메타 객체를 사용하여 실시간 서비스 적응을 관리한다. 본 논문에서 제안하는 제어 모델은, 실험을 통해 기존 컴퓨팅 모델과 비교할 때 향상된 정보 처리량과 콘텐츠 전송 시간을 제공함을 확인했다. 제안하는 제어 모델은 차세데 MEC 환경에서 컨텍스트 기반의 다양한 사물인터넷 서비스의 핵심 구성 요소로 적용될 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권10호
• /
• pp.4849-4864
• /
• 2019

Modern applications such as augmented reality, connected vehicles, video streaming and gaming have stringent requirements on latency, bandwidth and computation resources. The explosion in data generation by mobile devices has further exacerbated the situation. Mobile Edge Computing (MEC) is a recent addition to the edge computing paradigm that amalgamates the cloud computing capabilities with cellular communications. The concept of MEC is to relocate the cloud capabilities to the edge of the network for yielding ultra-low latency, high computation, high bandwidth, low burden on the core network, enhanced quality of experience (QoE), and efficient resource utilization. In this paper, we provide a comprehensive overview on different traits of MEC including its use cases, architecture, computation offloading, security, economic aspects, research challenges, and potential future directions.

• 스마트미디어저널
• /
• 제12권3호
• /
• pp.68-76
• /
• 2023

Emerging mobile edge computing (MEC) can be used in battery-constrained Internet of things (IoT). The execution latency of IoT applications can be improved by offloading computation-intensive tasks to an MEC server. Recently, the popularity of unmanned aerial vehicles (UAVs) has increased rapidly, and UAV-based MEC systems are receiving considerable attention. In this paper, we propose a dynamic computation offloading paradigm for UAV-based MEC systems, in which a UAV flies over an urban environment and provides edge services to IoT devices on the ground. Since most IoT devices are energy-constrained, we formulate our problem as a Markov decision process considering the energy level of the battery of each IoT device. We also use model-free Q-learning for time-critical tasks to maximize the system utility. According to our performance study, the proposed scheme can achieve desirable convergence properties and make intelligent offloading decisions.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1238-1259
• /
• 2024

Previous studies on joint optimization of computation offloading and service caching policies in Mobile Edge Computing (MEC) have often neglected the impact of dependency-aware subtasks, edge server resource constraints, and multiple users on policy formulation. To remedy this deficiency, this paper proposes a many-objective joint optimization dependency-aware task offloading and service caching model (MaJDTOSC). MaJDTOSC considers the impact of dependencies between subtasks on the joint optimization problem of task offloading and service caching in multi-user, resource-constrained MEC scenarios, and takes the task completion time, energy consumption, subtask hit rate, load variability, and storage resource utilization as optimization objectives. Meanwhile, in order to better solve MaJDTOSC, a many-objective evolutionary algorithm TSMSNSGAIII based on a three-stage mating selection strategy is proposed. Simulation results show that TSMSNSGAIII exhibits an excellent and stable performance in solving MaJDTOSC with different number of users setting and can converge faster. Therefore, it is believed that TSMSNSGAIII can provide appropriate sub-task offloading and service caching strategies in multi-user and resource-constrained MEC scenarios, which can greatly improve the system offloading efficiency and enhance the user experience.

• 로봇학회논문지
• /
• 제17권2호
• /
• pp.118-123
• /
• 2022

We implemented a real-time cloud robotics application by offloading robot navigation engine over to 5G Mobile Edge Computing (MEC) sever. We also ran a fleet management system (FMS) in the server and controlled the movements of multiple robots at the same time. The mobile robots under the test were connected to the server through 5G SA network. Public 5G network, which is already commercialized, has been temporarily modified to support this validation by the network operator. Robot engines are containerized based on micro-service architecture and have been deployed using Kubernetes - a container orchestration tool. We successfully demonstrated that mobile robots are able to avoid obstacles in real-time when the engines are remotely running in 5G MEC server. Test results are compared with 5G Public Cloud and 4G (LTE) Public Cloud as well.

• 정보보호학회논문지
• /
• 제33권3호
• /
• pp.549-559
• /
• 2023

5G 네트워크의 핵심 기술로 모바일 에지 컴퓨팅(Mobile Edge Computing, MEC)이 주목받음에 따라, 모바일 사용자의 데이터를 기반으로 한 5G 네트워크 기반 에지 AI 기술이 최근 다양한 분야에서 이용되고 있다. 하지만, 전통적인 인공지능 보안에서와 마찬가지로, 에지 AI 핵심 기능을 담당하는 코어망 내 표준 5G 네트워크 기능들에 대한 적대적 교란이 발생할 가능성이 존재한다. 더불어, 3GPP에서 정의한 5G 표준 내 Standalone 모드의MEC 환경에서 발생할 수 있는 데이터 오염 공격은 기존 LTE망 대비 현재 연구가 미비한 실정이다. 본연구에서는 5G에서 에지 AI의 핵심 기능을 담당하는 네트워크 기능인 NWDAF를 활용하는 MEC 환경에 대한 위협 모델을 탐구하고, 일부 개념 증명으로써 Leaf NWDAF에 대한 데이터 오염 공격 탐지 성능을 향상시키기 위한 특징 선택 방법을 제안한다. 제안한 방법론을 통해, NWDAF에서의 Slowloris 공격 기반 데이터 오염 공격에 대해 최대 94.9%의 탐지율을 달성하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권9호
• /
• pp.4572-4586
• /
• 2019

Mobile Edge Computing (MEC) and Information-Centric Networking (ICN) are essential network architectures for the future Internet. The advantages of MEC and ICN such as computation and storage capabilities at the edge of the network, in-network caching and named-data communication paradigm can greatly improve the quality of video streaming applications. However, the packet loss in wireless network environments still affects the video streaming performance and the existing loss recovery approaches in ICN does not exploit the capabilities of MEC. This paper proposes a Deep Learning based Loss Recovery Mechanism (DL-LRM) for video streaming over MEC based ICN. Different with existing approaches, the Forward Error Correction (FEC) packets are generated at the edge of the network, which dramatically reduces the workload of core network and backhaul. By monitoring network states, our proposed DL-LRM controls the FEC request rate by deep reinforcement learning algorithm. Considering the characteristics of video streaming and MEC, in this paper we develop content caching detection and fast retransmission algorithm to effectively utilize resources of MEC. Experimental results demonstrate that the DL-LRM is able to adaptively adjust and control the FEC request rate and achieve better video quality than the existing approaches.

• 대한임베디드공학회논문지
• /
• 제19권5호
• /
• pp.211-218
• /
• 2024

As computing technology advances, many services, including AI, that previously operated in the cloud will become usable on devices that users carry. The emergence of ultra-high-speed mobile networks like 5G dramatically increases the utility of numerous devices in the real world. In the future, with technologies like deviceless computing, the range of applications will diversify even further, and demand will continue to grow. Consequently, the importance of technology for monitoring vast amounts of device information and deploying AI services tailored to the functions and performance of each device is becoming increasingly evident. Therefore, this paper proposes a large-scale edge device monitoring technique necessary to leverage simple sensors and low-spec, low-resource devices in conjunction with Multi-access Edge Computing (MEC) to provide various AI functionalities.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2019년도 제59차 동계학술대회논문집 27권1호
• /
• pp.107-108
• /
• 2019

모바일 엣지 컴퓨팅(Mobile Edge Computing, MEC)은 높은 컴퓨팅 성능을 요구하는 작업을 모바일 장치에서 가까운 MEC 서버로 오프로딩함으로써 모바일 서비스에 높은 계산 요구량을 효율적으로 제공할 수 있는 기술로 부상하였다. 본 논문에서는 실행 대기 시간과 장치 에너지 소비를 줄이기 위해 여러 가지의 독립적 작업을 통해 MEC 시스템에 대한 작업 오프로드 일정 및 전송 에너지 할당을 최적화하는 기법을 제안한다. 시뮬레이션 결과로 MEC 시스템에서 사용 가능한 무선 및 계산 리소스가 상대적으로 균형 잡혀있는 경우 작업 오프로딩 일정이 더 중요하다는 것을 확인했다.