Lightweight Authenticated Task Offloading in 6G-Cloud Vehicular Twin Networks

要約

6Gの車両ネットワークでの管理のオフロード管理は、特に車両がかなりのデータを生成するため、ネットワーク効率を維持するために重要です。
認証を通じて安全な通信を統合すると、追加の計算と通信のオーバーヘッドが導入され、オフロード効率と遅延に大きな影響を与えます。
このペーパーでは、クラウドベースの6G車両ツインネットワーク（VTNS）内でオフロードするタスクに軽量のアイデンティティベースの暗号化（IBC）認証を組み込んだ統一されたフレームワークを紹介します。
ディープ補強学習（DRL）における近位政策最適化（PPO）を利用すると、当社のアプローチは、レイテンシを最小限に抑え、リソース割り当てを強化するために、認証されたオフロード決定を最適化します。
さまざまなネットワークサイズ、タスクサイズ、およびデータレートでのパフォーマンス評価により、IBC認証は、オーバーヘッドが追加されているため、オフロード効率を最大50％減らすことができることが明らかになりました。
また、ネットワークのサイズとタスクサイズを増やすと、オフロード効率が最大91.7％減少する可能性があります。
対策として、送信データレートを上げると、認証オーバーヘッドが存在する場合でも、オフロードパフォーマンスが63％も改善できます。
このペーパーで詳述されているシミュレーションと実験のコードは、GitHubでさらに参照と再現性を求めて入手できます[1]。

要約(オリジナル)

Task offloading management in 6G vehicular networks is crucial for maintaining network efficiency, particularly as vehicles generate substantial data. Integrating secure communication through authentication introduces additional computational and communication overhead, significantly impacting offloading efficiency and latency. This paper presents a unified framework incorporating lightweight Identity-Based Cryptographic (IBC) authentication into task offloading within cloud-based 6G Vehicular Twin Networks (VTNs). Utilizing Proximal Policy Optimization (PPO) in Deep Reinforcement Learning (DRL), our approach optimizes authenticated offloading decisions to minimize latency and enhance resource allocation. Performance evaluation under varying network sizes, task sizes, and data rates reveals that IBC authentication can reduce offloading efficiency by up to 50% due to the added overhead. Besides, increasing network size and task size can further reduce offloading efficiency by up to 91.7%. As a countermeasure, increasing the transmission data rate can improve the offloading performance by as much as 63%, even in the presence of authentication overhead. The code for the simulations and experiments detailed in this paper is available on GitHub for further reference and reproducibility [1].

arxiv情報

提供元, 利用サービス

arxiv.jp, Google