霧計算發展現狀及其應用前景綜述

摘 要：大數據、云計算、人工智能和物聯網等新興技術的產生及迅猛發展，改變了當今世界的信息處理方式，但隨著數據爆炸式地增長，云計算逐漸暴露出了延時高、安全性差、能耗大以及擁塞等缺點。為了彌補這些缺點，霧計算應運而生。霧計算是繼云計算之后產生的新的計算范式，因其在貼近數據源的網絡邊緣層進行數據處理和存儲，減少了“云”的壓力；并且利用去中心化的思想有效解決了長期困擾云計算的延時高、能耗大和擁塞問題，提高了數據處理效率和傳輸速率，因而迅速成為近些年的研究熱點。文中首先介紹了霧計算的發展，然后對霧計算的研究現狀進行了總結與分析，將研究進展分為任務調度算法研究、安全機制研究以及其他研究，最后展望了霧計算的實際應用及未來研究方向。

關鍵詞：霧計算；云計算；大數據；物聯網；安全性；任務調度

中圖分類號：TP393 文獻標識碼：A 文章編號：2095-1302（2024）09-0-07

DOI：10.16667/j.issn.2095-1302.2024.09.030

0 引 言

社會的快速發展催生了一系列新興技術，為現代數據處理技術帶來了新的發展契機，萬物互聯給人們的生活帶來極大便利的同時，也產生了諸如數據地理位置分散、網絡延時高、通信延遲高、帶寬瓶頸、擁塞現象以及數據安全性難保障等一系列問題，給數據處理和數據安全管理帶來極大的

挑戰[1]。

在傳統的數據處理方式中，所有數據都需要上傳至云服務中心進行存儲和處理，對于小規模的數據不會有很長的延時，但在處理海量數據時云計算就顯現出了延時高、存在擁塞、數據安全性很難保障等缺陷，使云計算面臨很大的挑戰。一方面，如果單純增加網絡帶寬來降低網絡延遲，便會增加硬件成本及其能耗；另一方面，在大數據時代，數據就是信息和資本，如果仍然將所有數據上傳至云數據中心進行處理，不但會造成擁塞，還存在被黑客攻擊、信息泄露的風險；此外，數據地理位置的分散性也給數據處理帶來了很大的困難。為了突破云計算遇到的網絡延遲、擁塞和數據安全瓶頸，霧計算（Fog Computing）應運而生。霧計算是云計算概念的延伸，與云計算相比，霧計算可以更好地支持實時應用、物聯網設備、邊緣計算等場景。在霧計算中，數據、應用程序及網絡資源均放置在距離最近的設備上，而不是全部保存在云中，能夠有效節省帶寬、降低延遲、提高數據隱私性。霧計算并不是由功能強大的服務器構成，而是由性能較弱、在地理位置上更為分散的各類功能計算機組成，將計算下沉到底層計算設備，從根本上改變了數據信息處理的方式。如今，霧計算被廣泛應用于日常生活中的各個方面，如智能家居、智慧城市[2]、智能交通、車聯網[3]、消防場景、醫療領域等，甚至是在軍事領域都有霧計算的應用，學者們對于霧計算的研究也更為深入。霧計算的架構如圖1所示。

目前關于霧計算的綜述主要分為4類：霧計算安全與隱私保護[4]、霧計算體系結構和需求[5]、霧計算基礎和網絡應用[6]、霧計算關鍵技術和開放問題[7]。在當前的研究中，缺少對霧計算的發展現狀及其應用前景的相關綜述，因此，本文對此進行了詳細綜述，希望能夠為未來關于霧計算的研究提供思路，幫助其他研究學者對霧計算進行整體把握，并指出現階段霧計算亟需解決的問題，為推進霧計算的進一步發展做出一定貢獻。

1 霧計算的研究進展

1.1 任務調度算法研究

云、霧之間的相互作用與合作一直是霧計算研究中的熱點問題，許多學者將云霧計算系統中的任務調度作為研究方向，針對大規模的環境，例如云計算系統，有許多以實現更好的應用執行和節省云資源成本為目標的調度方法。Ruben等人[8]引入以成本為導向的調度算法，根據滿足每個工作流截止日期的能力和成本，選擇最合適的系統來執行引入的工作流。Zeng等人[9]考慮了使用云資源的預算約束，其任務分配基于一個新的目標函數—“比較優勢”，該算法在節約成本和調度長度之間取得了很好的平衡，但計算復雜度較高，阻礙了該算法在大規模工作流中的應用。Doan等人[10]

提出使用區域來解決霧計算中應用對延遲敏感的問題，并結合云計算按需提供計算資源，通過在區域和云服務器上獲得高效的任務調度，選擇最小化所有請求的計算和傳輸延遲，將FBRC的任務調度問題公式化為一個整數規劃（稱為FBRC-IP），把最優調度問題理解為NP問題，設計了一個有效的啟發式算法來解決FBRC-IP問題。最后的實驗結果表明，與基于區域和基于云的資源管理方法相比，該算法在延遲響應和資源利用率方面具有更好的表現。

在工業物聯網中，任務卸載并不總是有效的，因為它取決于幾個因素，例如無線信道的傳輸帶寬、移動設備上任務卸載的能耗、云上任務執行的能耗等，多數工作中采用啟發式方法來解決這些問題，但不能保證找到最優解，只能找到近似最優解。因此，Wu等人[11]提出了一種基于服務質量指標的任務調度算法，根據服務質量計算任務的優先級，在節點上首先調度優先級較高的任務。此外Amjad等人[12]提出了一種貪婪遺傳算法，該算法通過自適應選擇合適的交叉和變異操作來分配和調度異構虛擬機上具有優先約束的實時任務。與前面提到的研究相反，Tang等人[13]著重于最小化本地移動設備的功耗，同時通過遺傳算法滿足任務優先級要求和應用完成時間約束；對于優化函數，從理論上選用數學模型來描述，然后采用遺傳算法來解決該問題；最后的實驗結果也證明了移動設備的功耗通常會限制移動設備上大量復雜應用的部署和利用，因此將任務調度到移動云中執行是節省移動設備功耗的有效方式。

在多層次算力網絡中，有效地進行任務調度是極大的挑戰。為此，劉澤寧等人[14]提出了云霧混合多層次算力網絡及計算卸載系統，如圖2所示，該網絡由多個邊緣霧節點（Fog Node， FN）和一個遠端的云組成，它們共同向終端用戶提供服務，其中云由云服務提供商運營，邊緣霧節點由霧服務提供商管理。仿真實驗證明了該網絡不僅能取得最優的系統平均代價，還能讓更多用戶從任務卸載中獲益。

黃思宇等人[15]在構建霧計算平臺任務調度數學模型的基礎上，提出了改進的人工蜂群算法。傳統的人工蜂群（ABC）算法將任務分配模擬為派遣蜜蜂前往蜜源采蜜的過程，以求解霧計算任務調度數學問題，提高任務調度和處理效率。傳統ABC算法中隨機的初始任務分配導致初始值質量不高。為了解決該問題，改進的人工蜂群算法[15]在初始階段引入了正弦映射，如圖3所示，在迭代過程中引入混沌思想擴大搜索范圍，從而優化ABC算法。實驗結果表明，該算法收斂速度更快，可以提高霧計算的資源利用率和任務處理效率，進一步優化任務調度策略。

1.2 安全機制研究

霧計算在一定程度上仍存在云計算中遺留的安全問題，比如身份驗證和密鑰管理問題。為了解決這些問題，基于霧計算的認證密鑰交換方案（SAKA-FC）應運而生。然而，該方案被Ali等人[16]證實存在一些嚴重的漏洞：SAKA-FC的光纖通道會遭受可追溯性攻擊和堵塞攻擊，且該方法還使用了無用參數，增大了開銷。為此提出了一種改進的方案，使用對稱密鑰基散列函數和橢圓曲線加密原語來保護基于霧計算的體系結構，闡述了部署前流程以及智能設備和霧服務器之間的密鑰管理流程，從基于形式BAN邏輯的認證證明、使用AVISPA進行正式自動化分析、非正式安全分析3個角度進行安全性能分析和比較。改進后的方案提供了所有的安全特性，擁有了抵抗許多已知攻擊的能力，通過正式的、非正式的、自動化的3種方法證明其具有更優秀的安全性能，與SAKA-FC比較具有更低的通信開銷，該方案更適用于在基于霧計算的架構中保證用戶和智能設備之間的通信。

霧層介于物聯網設備和云中心層之間，適合橋接兩者之間的通信，通過計算和分析位于傳感器上的物聯網設備生成的各種多媒體信息，高效地提供服務，在傳輸過程中信息安全和能耗是兩個最關鍵的問題。常用的方法如圖4所示，在三層霧計算系統中，物聯網設備的數據通過輕量級通信協議MQTT傳輸到遠程服務器上，但是MQTT協議存在被竊聽的風險，文獻[17]通過將數據切片并隨機發送到云和霧中進行計算來解決安全問題。然而，將數據在物聯網設備進行任意切片并卸載到存儲和計算數據中心會導致能耗增加，從而產生新的傳輸問題。因此，文獻[18]提出動態能量感知系統來減輕重放攻擊，但是當霧或云數據中心是惡意的或被破壞時，該系統會崩潰，由于數據需要解密才能執行計算，因此該系統無法抵御這種攻擊。Gupta等人[19]為了加強多媒體等信息的傳輸安全性，降低傳輸過程中的能耗，提出了

一種新的基于SSL/TLS消息隊列遙測傳輸協議的方案。該方案將橢圓曲線和-ElGamal算法相結合，定義了新的橢圓曲線-ElGamal加密算法，該算法彌補了傳統ElGamal算法在速度和安全性方面的不足，實施動態密鑰更改合成比例，從而降低中間人（MITM）攻擊，減少能源消耗，最終的實驗結果表明該算法在安全性和能耗方面均表現良好。

出于對傳輸數據安全性的考慮，保證網絡通信能在公共信道中安全傳輸數據，并且會話通信方的密鑰不被泄露給攻擊者是維護當前網絡信息安全穩固發展工作的重中之重。黃燕瑜[20]首先對現有存在安全漏洞的多個協議進行攻擊測試并提出改進方案；其次根據霧計算本身的特點，基于兩種不同的應用場景設計了不同的功能，提出了輕量、高效且安全的中繼霧節點協議及認證和密鑰協商協議，其中中繼霧節點協議是將霧節點作為中間傳遞節點，協議通過模糊提取器、異或和哈希散列函數實現；在第二個協議中將霧節點作為驗證用戶的節點，由橢圓曲線密碼系統實現，保證了協議的正確性和安全性。

1.3 其他研究

現有的霧計算架構基本成熟，基于霧計算架構的應用大多追求傳輸速率和數據量，忽略了霧架構中成本和功耗的問題。Markos等人[21]提出了一種靈活的霧計算架構，并通過在真實場景中應用完成了低功耗、低成本的霧架構部署。將LoRa連接到架構的物聯網網關，增加了一個LoRaWAN集中器，通過SPI端口與處理器連接。管理集中器傳入LoRa數據包的軟件是Semtech的數據包轉發器，該軟件將加密的LorWan數據包發送到設備選擇的LorWan服務器，在那里被LorWan和應用服務器解密。針對該系統架構，通過改變系統參數，如占空比、數據包大小和擴頻因子（SF），進行了不同的實際場景測試。測試結果表明，在采用LoRa技術的情況下，能耗隨著要傳輸的字節數或SF的增加而增加；系統架構中的節點能根據可用的覆蓋范圍、傳輸的數據量或能耗進行權衡，在兩個不同的通信鏈路（LoRa和WiFi）之間動態選擇。此外，在提出的架構中，物聯網網關實現了本地服務器的應用，在其中可以更高速地處理數據。這種物聯網網關可以實時工作，且低功率策略已經在傳感器節點中實現，因此響應傳感器節點測量數據的延遲非常低。

在霧計算系統中，霧節點會因為終端設備發送請求數量過多出現過載問題，從而無法處理所有請求。智能交通系

統[22]中的車輛霧節點和5G網絡中的多接入邊緣計算節點是霧計算系統的應用示例，終端設備（車輛和移動電話）的移動性也會導致過載情況發生。為了解決該問題，過載節點上的請求必須卸載到附近的霧節點或云服務器上進行處理，與卸載到云服務器相比，將任務卸載到附近的霧節點有助于降低延遲。卸載過程涉及兩個主要決策：卸載哪些任務和卸載到哪里去，影響卸載過程的主要因素是霧節點的計算能力以及過載和卸載節點之間的網絡條件。為了建立有效的卸載機制，Phan等人[23]提出了一種基于光纖陀螺的節點間動態卸載服務，旨在選擇一個最優的卸載節點，并通過提供基于軟件定義網絡（SDN）技術的端到端帶寬來保證卸載路徑，其霧系統架構如圖5所示。該系統架構由一組霧節點、一組SDN交換機、一個控制器和網絡單元之間的一組鏈路組成，當霧節點過載時，它向霧指揮器發送卸載請求，然后光纖陀螺協調器立即調用卸載服務，提供系統中所有光纖陀螺節點和網絡的當前狀態信息；基于該信息，卸載服務開始尋找接收過載節點的卸載請求的最佳節點，執行卸載操作。采用SDN技術，是因為SDN控制器可以監控網絡的拓撲信息和實時狀態，可以更新可編程交換機上的流量規則來動態控制整個網絡，一方面有利于系統選擇最優卸載節點，另一方面有利于完全控制過載和卸載節點之間的連接[24]。實驗結果表明，與非基于SDN的傳統解決方案相比，該方案有效降低了在過載和卸載霧節點之間尋找卸載節點、傳輸數據和響應HTTP請求的延遲，可以為未來的物聯網系統，如智能工廠、智能城市和智能農場提供更多優勢。

互聯網流量的不斷增加，導致CDN邊緣節點承載流量過高，無法繼續提供穩定、高質量的內容。為了解決CDN邊緣節點的可擴展性問題，優化內容分發質量和用戶體驗，研究者提出通過云化CDN架構進行改善[25-26]，但均未能充分利用云計算的優勢。為了解決該問題，陳步華等人[27]將集中式云轉移到邊緣節點，從而擴展霧計算服務，提出了基于內容感知霧計算CDN的CA_fogCDN部署框架。如

圖6所示，該架構在云化CDN層和終端設備層之間部署霧節點層，具體來說，在云化CDN服務器上分發內容，在中間層部署更貼近用戶的霧節點網絡需求，最后在終端設備層發送請求內容。該架構實現了霧節點網絡協作緩存，并獨立于CDN服務器工作。

2 實際應用

2.1 車聯網

隨著霧計算和云計算技術的發展，車輛趨近于智能化，并將其作為通信和計算的載體[28]。將互聯車輛集成到云中的嘗試越來越多，但是這種系統受到了高延遲的限制。為了解決該問題，Xiao等人[29]提出了車輛霧計算模型，即當汽車在交通擁堵情況下緩慢移動時，攜帶的計算設備能夠形成一個計算車隊，由于交通堵塞時車輛之間靠得很近，通信費用也很低，車輛會自動檢測周圍車輛的情況，并通過無線車對車（V2V）通信連接。車輛霧計算引起了研究人員的

關注[30-32]，聯網車輛可以在安全自動巡航系統、智能交通燈、共享停車場等場景受益[33-34]。

車聯網由傳統車載自組織網絡發展而來，其網絡連接類型涵蓋車與車、車與個人設備、車與基礎設施、車與網絡4種，由于車數量巨大，并且分布廣泛，因此霧計算分布式的特點能很好地滿足車聯網的要求。通過部署霧節點，車輛在行駛過程中的各項信息會被上傳到霧節點進行處理，使得車輛導航、定位、交通路段情況等信息能夠被實時更新。由于傳感器能夠監測行人和非機動車駕駛人的存在，并測量接近車輛的距離和速度，因此智能交通燈通過與路邊傳感器進行交互能更好地監測路況信息。此外，智能交通燈還與相鄰的交通燈結合，以協調綠色交通波。基于上述信息，智能交通燈可以通過向車輛發送危險警示信號，甚至修改自己的周期，來減少事故的發生[35]。車聯網已經成為國內外新一輪科技和產業創新的必爭之地，不僅可以有效提高汽車的智能駕駛水平，為駕駛人員提供安全、高效、舒適的服務，還能在疏導交通分流方面起到極大的作用，提升交通系統的智能化水平，在智慧交通方面發揮巨大的作用[36]。在未來的工作中，結合通信和計算功能的更復雜的車輛霧計算系統模擬、使用從各種車輛收集的數據[29]是值得進一步研究的內容。

2.2 智能家居

目前很多城市、住宅小區甚至是個人家庭都在積極部署智能家居，越來越多的智能家居設備開始走進千家萬戶，這些設備24小時聯網，持續產生大量有價值的數據，能夠讓設備生產商、服務提供商等企業在了解用戶習慣和偏好的基礎上提供更精準、更優質的個性化服務，從而提高用戶的舒適度和滿意度。要想實現真正的智能家居生活，就要對家中各種設備產生的數據在更近的距離甚至是離線狀態下進行分析處理。霧計算將一些計算下沉到節點，可以管理、分析家居設備產生的大量數據，并將其可視化到移動終端，用戶便可以通過APP實時查看。

2.3 智慧消防

云計算、大數據、人工智能的發展推動了智慧電網、共享單車等應用的普及和發展，借助高新技術同樣可以改善現有的消防條件。目前的智慧消防系統借助云計算平臺實現了消防信息共享，并利用大數據技術對消防數據進行深入分析，基于云計算的消防系統提升了處理火災的能力，但是云計算延時高、安全性差的缺陷限制了消防系統的進一步發展，在一些大型城市容易產生計算壓力大、傳輸數據速度慢的問題。隨著霧計算的成熟落地，其開始被應用到火災場景中并取得了良好的效果?；陟F計算的機器人進入救援現場后，首先通過激光掃描現場地形，并聯合霧節點對數據進行處理，進而繪出現場地圖，然后實施救援。如果僅靠機器人自己進行處理，則會浪費電池電量，延誤黃金救援時間；如果將數據上傳到云端進行處理，則難以做出實時決策，耽誤搜救。通過在救援現場附近部署霧節點，將計算任務合理分配，能有效分散云端計算壓力，提高數據處理速度，實現信息的及時響應并提供強大的數據處理能力。

3 研究方向

霧計算作為云計算的擴展，是新一代的分布式計算范式，將會在智能駕駛、機器人、智慧樓宇、智能電網等方面發揮更大的作用?？梢灶A見的是，隨著霧計算技術的持續進步和廣泛應用，智能物聯網將變得更便捷、高效，霧計算與云計算將形成互補關系，為每個人帶來實時的智能服務，并為萬物互聯的智慧城市注入新的發展活力。

相較于云計算，霧計算數據傳輸路徑短，在一定程度上能夠降低信息泄露的風險，但目前關于霧計算認證和隱私保護方面的研究較少[4]。霧計算環境下還存在一些安全問題，如黑客攻擊、信息泄露等；霧計算應用場景中也同樣存在安全問題，如在智慧交通、智慧電網等領域中的安全性仍不足。此外，分布式霧節點的移動性和存儲在其中的私有數據的安全性是霧架構開發的難點[37]。因此，霧計算環境下的安全性以及霧架構的開發將是未來研究的重點方向之一。

3.1 智能建筑

信息技術的發展推動了智慧城市和智能建筑的發展。如今的建筑物不僅要求安全和外觀美觀，還應體現全面的人性化和智能化，由此部分建筑物開始融入智能建筑的理念。智能建筑可以為居民提供一個更便捷、更安全的居住環境，并且具備高效、環保、節能的優點，此外還應具備完善的電源開關以及通信系統[37]，實現這些功能將會產生大量需要實時處理的數據。通過引入霧計算，將數據分散到各個霧節點進行處理，能大幅加快數據處理速度，并為人們提供健康舒適的生活環境。隨著社會的不斷發展，智能建筑將是建筑行業發展的必然趨勢[38]。

3.2 醫療保健

隨著社會老齡化趨勢加劇，養老問題逐漸成為全社會關注的焦點。對于醫療保健應用，Zao等人[39]提出了基于霧計算的腦機交互，即在智能手機中對腦電圖數據進行處理，以減少服務延遲。醫療中的緊急警報需要極低的延時和快速的上下感知數據處理[40]，云計算在應急處理應用中[41-42]非常有效，可以通過靈活、可擴展的虛擬服務器和虛擬網絡進行數據存儲和處理；霧計算憑借低延時、上下文感知、分散的本地化特性，有望支持緊急情況和醫療等領域的相關服務[6]。

3.3 綠色霧計算

在已有的研究中，很少涉及系統設計中的能源危

機[43-48]，大多數研究都是關于能源感知計算卸載、能源感知移動性管理和物聯網設備連接的，而關于霧計算的整體能量消耗的研究較少。霧計算的能耗主要包括三方面：一是物聯網設備的消耗；二是霧節點本身的能耗；三是物聯網設備和霧節點之間的通信能耗。為了降低物聯網設備的能耗，需要重點研究物聯網設備和傳感器兩者的能量收集器以及電能存儲設備的使用；為了降低霧節點的能耗，需要將縮短霧服務器和本地再生能源（如風能、太陽能等）之間的距離作為

一個潛在的研究方向；為了降低物聯網設備和霧節點通信的能耗，需要重點研究霧節點放置的具體位置以及與終端用戶的距離[49]。

3.4 智能物流

物聯網技術的發展實現了物流的智能化和自動化，包括智能倉庫、運輸管理、物流管理等[50]。如今，在智能物流領域，一些研究人員考慮將物聯網和云計算相結合，但是在融合過程中面臨諸如信息采集困難、在途監控困難、網絡帶寬不足、計算存儲壓力和信息安全風險等挑戰[51]，此時可以考慮將霧計算引入智能物流領域。霧節點分布廣泛，并能對數據做分散式處理，能夠減輕網絡帶寬和信息處理壓力，同時在底層節點進行數據處理也降低了信息泄露的風險。因此，如何將霧計算與物聯網技術結合，更好地應用于物流行業，實現更智能的出入庫管理和實時運輸監管、更高效的倉儲管理以及更合理的貨架位置擺放是一個需要重點研究的方向。

4 結 語

本文首先明確了霧計算的定義，介紹了霧計算的發展歷史，給出了霧計算的架構。接著綜述了霧計算的研究進展，涵蓋了有關霧計算的任務調度算法研究、安全機制研究以及其他研究。同時，針對霧計算分布式、輕壓、低延、靈便的特點，對其應用場景進行了概述；最后對霧計算的研究前景進行了展望，探討了霧計算未來的發展趨勢和重點研究方向，對霧計算的進一步發展具有一定的指導意義。

霧計算的提出是為了彌補云計算的缺陷，與云計算相輔相成，隨著5G網絡的發展，各種系統和設備更加智慧化，霧計算將在生活中的方方面面發揮重要作用，成為未來計算和通信領域的重要發展方向。霧計算給人們的生活帶來極大便利的同時，也有諸如安全性、帶寬瓶頸和開銷、監管復雜性、調度中心管理、數據傳輸和信息獲取等方面的問題需要進一步研究，這些都是未來研究的重要方向。

注：本文通訊作者為張鈺濤。

參考文獻

[1]蔣守花，舒暉，任宇，等. 邊緣計算平臺及應用分析[J].軟件導刊，2020，19（10）：205-208.

[2] MALIK S，GUPTA K. Smart city：a new phase of sustainable development using fog computing and IoT [C]// Proceedings of IOP Conference Series：Materials Science and Engineering. Rajpura，India：IOP，2021.

[3]佘紅艷. 5G車聯網關鍵技術簡介[J].通信與信息技術，2020，50（6）：50-51.

[4]曹咪，徐雷，陶冶. 霧計算認證與隱私保護研究綜述[J].信息通信技術，2018，12（6）：25-33.

[5] NAHA R K，GARG S，GEORGAKOPOULOS D，et al. Fog computing：survey of trends，architectures，requirements，and research directions [J]. IEEE access，2016（4）：47980-48009.

[6] MUKHERJEE M，SHU L，WANG D. Survey of fog computing：fundamental，network applications，and research challenges [J].IEEE communications surveys amp; tutorials，2018，3（20）：1826-1857.

[7] HU P F，DHELIM S，NING H S，et al. Survey on fog computing：architecture，key technologies，applications and open issues [J].Journal of network and computer applications，2017（98）：27-42.

[8] RUBEN V D B，KURT V，JAN B. Cost-efficient scheduling heuristics for deadline constrained workloads on hybrid clouds [C]// Proceedings of the 3th International Conference on Cloud Computing Technology and Science（CloudCom）. Athens，Greece：IEEE，2011：320-327.

[9] ZENG L F，VEERAVALLI B，LI X R. ScaleStar：budget conscious scheduling precedence-constrained many-task workflow applications in cloud [C]// Proceedings of the 26th International Conference on Advanced Information Networking and Applications. Fukuoka，Japan：IEEE，2012：534-541.

[10] DOAN H，THANH D D. FBRC：optimization of task scheduling in fog-based region and cloud [C]// Proceedings of IEEE Trustcom BigDataSE. Sydney，Australia：IEEE，2017：1109-1114.

[11] WU X N，DENG M Q，ZHANG R L，et al. A task scheduling algorithm based on QoS-driven in cloud computing [J]. Procedia computer science，2013（17）：1162-1169.

[12] AMJAD M，SALMAN K. Hard real-time task scheduling in cloud computing using an adaptive genetic algorithm [J]. Computers，2017，6（2）：15-35.

[13] TANG C G，WEI X L，XIAO S，et al. A mobile cloud based scheduling strategy for industrial internet of things [J]. IEEE access，2018，6（3）：7262-7275.

[14]劉澤寧，李凱，吳連濤，等. 多層次算力網絡中代價感知任務調度算法[J].計算機研究與發展，2020，57（9）：1810-1822.

[15]黃思宇，劉通能. 霧計算平臺的任務調度算法研究[J].計算機測量與控制，2020，28（6）：247-251.

[16] ALI Z，CHAUDHRY S A，MAHMOOD K，et al. A clogging resistant secure authentication scheme for fog computing services [J]. Computer networks，2021，185：107731.

[17] PUTHAL D，MOHANTY S P，BHAVAKE S A，et al. Fog computing security challenges and future directions：energy and security [J]. IEEE consumer electronics magazine，2019，8（3）：92-96.

[18] DIRO A A，CHILAMKURTI N，KUMAR N. Lightweight cyber security schemes using elliptic curve cryptography in publish-subscribe fog computing [J]. Mobile networks and applications，2017，22（5）：848-858.

[19] GUPTA S，GARG R，GUPTA N，et al. Energy-efficient dynamic homomorphic security scheme for fog computing in IoT networks [J]. Journal of information security and applications，2021，58：102768.

[20]黃燕瑜. 基于霧計算的認證和密鑰協商協議的研究[D].哈爾濱：哈爾濱工業大學，2019.

[21] MARKOS L，CORTES A，IRIZAR A，et al. A flexible fog computing design for low-power consumption and low latency applications [J]. Electronics，2021，10（1）：57 .

[22] SOOKHAK M，RICHARD Y F，YING H E ，et al. Fog vehicular computing：augmentation of fog computing using vehicular cloud computing [J]. IEEE vehicular technology magazine，2017，12（3）：2-11.

[23] PHAN L A，NGUYEN D T，LEE M，et al. Dynamic fog-to-fog offloading in SDN-based fog computing systems [J]. Future generation computer systems，2021（117）：486-497.

[24] BAKTIR A C，OZGOVDE A，ERSOY C. How can edge computing benefit from software-defined networking：a survey，use cases，and future directions [J]. IEEE communications surveys and tutorials，2017，19（4）：2359-2391.

[25] HAMEURLAIN A，KUNG J，WAGNER R. An overview of cloud based content delivery networks：research dimensions and state-of-the-art [J]. Lecture notes in computer science，2015（9070）：131-158.

[26] PAPAGIANNI C，LEIVADEAS A，PAPAVASSILIOU S. A cloud-oriented content delivery network paradigm：modeling and assessment [J]. IEEE transactions on dependable and secure computing，2013，10（5）：287-300.

[27]陳步華，陳戈，莊一嶸，等. 基于內容感知霧計算CDN的性能研究[J].廣東通信技術，2020，40（9）：57-61.

[28] BADIDI E，MAHREZ Z，SABIR E. Fog computing for smart cities’ big data management and analytics：a review [J]. Future internet，2020，12（11）：190.

[29] XIAO X F，HOU X S，CHEN X L，et al. Quantitative analysis for capabilities of vehicular fog computing [J]. Information sciences，2019（501）：742-760.

[30] TIAN D X，ZHOU J S，SHENG Z G. An adaptive fusion strategy for distributed information estimation over cooperative multi-agent networks [J]. IEEE transactions on information theory，2017，63（5）：3076-3091.

[31] TIAN D X，ZHOU J S，SHENG Z G，et al. Robust energy-efficient mimo transmission for cognitive vehicular networks [J]. IEEE transactions on vehicular technology，2016，65 （6）：3845-3859.

[32] TIAN D X，ZHOU J S，SHENG Z G，et al. Learning to be energy-efficient in cooperative networks [J]. IEEE communications letters，2016，20（12）：2518-2521.

[33] KIM O T T，TRI N D，NGUYEN V D，et al. A shared parking model in vehicular network using fog and cloud environment [C]// Proceedings of the 17th Asia-Pacific Network Operations and Management Symposium（APNOMS）. Busan，Korea：IEEE，2015：321-326.

[34] STOJMENOVIC I. Fog computing：a cloud to the ground support for smart things and machine-to-machine networks [C]// Proceedings of Australasian Telecommunication Networks and Applications Conference（ATNAC）. Southbank，Australia：IEEE，2014：117-122 .

[35] BONOMI F，MILITO R，JIANG Z，et al. Fog computing and its role in the internet of things [C]// Proceedings of the First Edition of the MCC Workshop on Mobile Cloud Computing. Helsinki，Finland：MCC，2012：13-16.

[36]張鵬. 霧環境下安全高效的車聯網群智感知技術研究[D].南京：南京郵電大學，2020.

[37]劉敬一. 淺談智慧城市中的建筑設計[J]. 智能城市，2021，7（7）：51-52.

[38]李群亮. 物聯網在智能建筑系統中的應用分析[J]. 磚瓦，2021，51（4）：79.

[39] ZAO J K，GAN T T，YOU C K，et al. Augmented brain computer interaction based on fog computing and linked data [C]// Proceedings of the International Conference on Intelligent Environments. Shanghai，China：IEEE，2014：374-377.

[40] AAZAM M，HUNG PHAM P，HUH E N. M2M emergency help alert mobile cloud architecture [C]// Proceedings of the 29th International Conference on Advanced Information Networking and Applications Workshops. Gwangju，Korea（South）：IEEE，2015：500-505.

[41] RIBAULT J，WAINER G. Simulation processes in the cloud for emergency planning [C]// Proceedings of the 12th IEEE/ACM International Symposium on Cluster，Cloud and Grid Computing. Ottawa，ON，Canada：IEEE，2012：886-891.

[42] ALAZAWI Z，ALTOWAIJRI S，MEHMOOD R，et al. Intelligent disaster management system based on cloud-enabled vehicular networks [C]// Proceedings of the 11th International Conference on ITS Telecommunications. St. Petersburg，Russia：IEEE，2011：361-368.

[43] JALALI F，HINTON K，AYRE R，et al. Fog computing may help to save energy in cloud computing [J]. IEEE journal on selected areas in communications，2016，34（5）：1728-1739.

[44] KAUR K，DHAND T，KUMAR N. et al. Container-as-a-service at the edge：trade-off between energy efficiency and service availability at fog nano data centers [J]. Proceedings of IEEE wireless communications，2017，24（3）：48-56.

[45] YUCEN N，LI W，BAO W，et al. Adaptive energy-aware computation offloading for cloud of things systems [J]. Proceedings of IEEE access，2017（5）：23947-23957.

[46] XIAO Y，KRUNZ M. Qoe and power efficiency trade off for fog computing networks with fog node cooperation [C]// Proceedings of INFOCOM 2017-IEEE Conference on Computer Communications. Atlanta：IEEE，2017：1-9.

[47] JAYARAMAN P P，GOMES J B，NGUYEN H L，et al. Cardap：a scalable energy-efficient context aware distributed mobile data analytics platform for the fog [M]// Advances in Databases and Information Systems，Volume 8716 of Lecture Notes in Computer Science. Switzerland：Springer International Publishing Switzerland，2014：192-206.

[48] VATANPARVAR K，Al FARUQUE M A. Energy management-as-a-service over fog computing platform [C]// Proceedings of the 6th IEEE International Conference on Cybe. Washington：IEEE，2015：248-249.

[49] YOUSEFPOUR A，FUNG C，NGUYEN T，et al. All one needs to know about fog computing and related edge computing paradigms：a complete survey [J]. Journal of systems architecture，2019（98）：289-330.

[50]徐銓，何利力. 智能物流下貨到人模式的貨位分配優化[J].軟件導刊，2021，20（5）：20-24.

[51]郁磊彬，周亮. 基于霧計算的云霧混合架構在煙草物聯網中的探索[C]//中國煙草學會學術年會優秀論文集.北京：中國煙草學會，2017：4379-4390.

收稿日期：2023-09-01 修回日期：2023-09-29

基金項目：河南省2021年民辦普通高等學校學科專業建設資助項目（軟件工程專業）

作者簡介：張鈺濤（1998—），男，碩士，工程師，研究方向為計算機視覺。

趙夢凡（1997—），女，碩士，工程師，研究方向為自然語言處理。

張 波（1981—），男，副教授，研究方向為智能信息處理。

趙鋌釗（2003—），男，研究方向為大數據。

劉小雨（1997—），女，碩士，工程師，研究方向為深度學習。