当社交感知遇到边缘计算：愿景和挑战
0.Abstract 摘要
本文定义由一些基础技术趋势驱动的SSEC，讲了几个实例并分析其中关键的挑战，预测未来的方向
关键词：社交感知、边缘计算、物联网、智慧城市
I. INTRODUCTION 介绍
什么是social sensing社交感知？数据来源于人或周围的（感知）设备，分析后用于实用的用途，如交通管理、灾难预测、健康管理等。目前社交感知数据的处理都在云端服务器进行，但是其实目前的边缘设备上的计算能力逐渐增强，可以在边缘设备上进行复杂的运算。边缘设备包括，手机，平板，智能穿戴设备，各种物联网设备等。
图1介绍了社交感知与边缘计算的联合（SSEC）结构：
1）边缘层，手机或其他智能设备作为边缘设备来采集、存储、处理数据；
2）边缘服务层，边缘服务器（本地服务器、移动云、智能路由、网关）提供额外的本地存储和计算服务，它位于边缘层和服务层中间；
3）服务层，对所有使用服务的应用/用户提供全球性服务。
SSEC的优势在于：
1）在边缘直接就进行感知数据的处理可以降低通信代价（带宽）和提高服务质量（延迟）；
2）边缘设备在利用空闲资源执行任务可以获得回报；
3）SSEC结构不受单点故障的影响，并且可以解决后端瓶颈。
然而，SSEC也有许多挑战，SSEC通过支持边缘计算系统中对延迟敏感的社交传感应用，为实时资源管理带来了一系列新挑战。边缘设备通常非常“自私”，它们通常对执行传感任务和共享私有设备不感兴趣，除非有十分高的回报。这与要求高共享的传统云方案相比，有十分大的差异。SSEC要求边设备能充分共享信息和相互写作，但边缘设备之间通常不能完全的相互信任，因为它们“自私”并且害怕安全攻击。
文章剩下的部分对于SSEC下了定义，提出技术和影响，讨论一些重要的应用和案例，并指出研究挑战，最后画出蓝图。
II. SOCIAL SENSING EDGE COMPUTING PARADIGM 社交感知边缘计算范例
物联网设备产生庞大数量的数据，迫使需要在边缘进行计算。之前的一些研究如微数据中心、移动云等，虽然解决了云计算一部分问题，但也没能像边缘计算一样利用私有边缘设备，仍然依赖于基础设施的配置。
A. What is SSEC? 什么是SSEC？
定义 1.基于社交感知的边缘计算（SSEC）：使用人和周围的设备来感知、处理和分析由物理世界收集的有关数据的一种应用范例。
这个定义中，个人设备不仅收集数据，还主动参与到应用中进行计算和分析任务。这些设备各种各样，包含但不局限于GPS传感器、机器人和多处理器服务器等。
SSEC的两个重要特征：1、以人为本；2、有支持不同系统结构的各种应用的能力。
1、以人为本：1）必须考虑使用者最核心的顾虑：隐私和安全、合规和流失、以及奖励（part IV）。2）不仅设备可以参与感知和计算任务，人也可以直接参与。事实上许多社交感知应用需要直接输入。其实人也是社交边缘的一个结点，他们可以使用数据得出推论。这是SSEC的一个特别的特征
2、支持各种系统的灵活性：
Hierarchical阶级型架构: 云服务器有海量存储能力、管理能力和给用户提供接口。应用管理了一系列的空间分布的边缘簇，一个簇中有一个边缘服务器和许多边缘设备。阶级型架构的关键特征是数据流是固定的：边缘设备本地处理数据后卸载到边缘服务器，边缘服务器进一步处理数据后将结果传输给云服务器进行数据融合和存储。
Collaborative Edge 合作边缘: 距离较近的设备组成一个自组织簇，簇中的设备提供P2P服务。这种结构适用于边或者云服务器并不是一应俱全，或着为避免周期性开销的时候。
Hybrid 混合模式: 是垂直模式和边缘合作模式的结合。其中边缘设备接入可用的基础设施中，这些基础设施在边缘自组织设备无法满足QoS（服务质量）要求时提供服务。
B. Why We Need SSEC 我们为什么需要SSEC
一系列的关键技术趋势的推动：1）一些物联网设备的计算能力越来越强大，甚至比得上传统边缘计算系统中的服务器。2）移动支付的普及为利用空闲资源来完成社交感知任务进而获得回报提供了一种更加便利的方式。
- SSEC的优势：
1）覆盖性和可用性：世界各地的边缘设备都可以手机和处理数据，覆盖率明显由于传统固定技术设施网络。边缘设备还提供了可移动性，时资源可用性与值得关注的事件变得密切相关。
2）降低延迟：已经在设备中或者由设备采集到的感知信息可以直接进行处理，进而大大降低了通信开销（带宽），并且提高了服务是质量（降低延迟）。因此SSEC是有利于实时应用或者对时间敏感的应用。
3）实用性：SSEC相对于传统的上传任务而言，完全利用了边缘设备的感知和计算能力。在边缘计算可以排除了单点故障和缓解上传服务器所带来的问题（感知任务的部署代价和后端基础设施的成本）。
4）赚取回报：参与者可以通过贡献本地设备资源来执行SSEC应用的计算任务来赚取回报，并且可以提高空闲资源的利用率。
III. REAL-WORLD APPLICATIONS 真实应用举例
A. Disaster and Emergency Response 灾难和紧急事件响应
公民、急救人员或者记者身上的传感器市场自发的报告一系列展开后事件的感知信息。SSEC提供为这类应用提供了一个合适的架构：1）边缘设备，与人体传感器有足够近的距离，可以收集和提取有用的特征信息给云端（而不是将所有数据都进行发送）。2）边缘服务器层可以收集已经与处理过的数据来为居民提供时间实时更新。3）云服务器整合所有收集来的信息，并将其提供给相关机构或普通大众。
图3是一个实例，由手机，车载传感器、摄像头等将第一时间的画面提供给服务端，这些数据对嫌疑犯的逃跑线路的推理。边缘服务器还可以提供潜在危险的实时警报和提供安全建议。
B. Collaborative Traffic Monitoring 协同流量监控
社交感知中的协同流量监控是用来手机在一特定范围的交通环境的实时信息，比如一个城市范围内的拥塞、事故和事件。这些应用对交通服务很有帮助，比如线路规划、流量管理、节油导航等。传统的流量监控是分析由固定设置的流量相机拍到的数据，但这覆盖率很低，并且这些数据由远程的云服务器进行处理，进而导致高延迟和带宽开销。在SSEC中，车载传感设备实时收集大量流量数据，预处理数据后将特征数据上传都边缘服务器中进行进一步分析。另外，人类还可以用手机上传详细描述事件的内容。
在图4中，行人和司机使用各自的终端设备共同记录事件数据，边缘服务器根据感知数据向其他司机发送事件警告。运输机构也可以向云查询辖域内的交通状况，来做应对措施。
C. Crowd Abnormal Event Detection 人群异常事件检测
人群异常事件检测的目标是根据传感设备或人所发送的数据对异常事件产生警告。传统的人群异常事件检测的解决方案是基于固定监控设奖及采集的视频数据用相关处理技术来进行识别。这些解决方案在在摄像机不可用时就失败了。目前流行的带相机功能的便携设备可以收集带地理标记的图片、视频和用户通过应用程序报告的文字。
如图5，在足球比赛中，不明物体的突然出现或者人们的恶意行为有可能威胁运动员的安全和中断正常比赛的进行。在SSEC架构中，观众可以上传视频、图像和文字来报告他们发现的异常事件，然后云服务器就会给g其他观众发送警报和给警察局发送紧急事件报告。
D. Plate Recognition 车牌识别
车牌识别最初是用来用汽车上的前置摄像头识别嫌疑犯的车牌号来追踪嫌犯的。它改变了现有的过于依赖目击者的报告的嫌犯搜索过程，用监控摄像头可以增大k覆盖区域。然而，用云端服务器来处理大量视频数据会导致大量传输开销和高响应延迟。SSEC中，路测单元的使用可以解决这些问题：车辆本地进行数据处理提取特征，再传输到路测单元进行处理，同时车载还可以过滤掉一些隐私信息。最后，云服务器可以向警察发送警报。
E. Crowd Video Sharing 人群视频分享
如图7，人群视频分享使用了自组织边缘设备来进行P2P的视频内容传递。足球比赛上一个位置比较好的观众拍了精彩瞬间想分享给位置较差的观众，然而使用这个应用的系统必须：1）利用参与的边缘计算资源来避免系统扩展时的瓶颈2）用网络编码来减小视频文件，以便在网络环境较差时减少延迟。SSEC可以联合边缘设备来计算和通信，进而解决带宽(根据设备数量规模变化)问题和节约计算资源。有一种自底向上的游戏理论决策过程可以优化编码和传输，使视频传输的延迟达到最小。
IV. RESEARCH CHALLENGES AND OPPORTUNITIES 研究和机遇和挑战
使用SSEC可以将感知、计算和服务向源头前置，然而在社交感知时使用边缘设备会带来一列的并未完全解决的挑战。
A. Resource Management with Rational Edge “理性”边缘的资源管理
理性边缘：由于拥有边缘设备的人通常是很理性的，因此边缘设备通常与应用有不相符甚至冲突的目标。由于有理性边缘的特征，这两个问题阻碍了现有的资源管理方案的应用：竞争目标和非对称信息。
1) Competing objectives 竞争目标:
对应用端而言，边缘设备按时完成社交感知任务并解决服务质量问题是分钟要的。相反，边缘设备更在乎完成任务时自身的消耗（能耗和空间消耗等），因此除非有足够的回报才愿意去执行任务。这与过去计算资源完全合作，并且全部由应用掌握完全相反。必须设计一系列新的计算分配方式来同时满足双方。
2) Asymmetric Information非对称信息:
应用服务器端通常对任务有详细信息，这些信息通常与任务满足社交感知应用要求服务质量密切相关（优先级和时限）。相反，边缘设备更关心本身的设备状态，并且边缘设备不会共享自身的状态信息给别的设备或者是服务器，这会让服务器没有充足的信息去做计算喷配的最优决策。
B. Constrained Cooperativeness约束合作
约束合作：由于“自私”，边缘设备通常完成自己本身的计算任务时才参与合作。但是合作在SSEC中十分重要，比如任务分配到一组边缘设备中平行进行和合作完成将会减少很多的执行时间。比如，没有摄像头的设备对分配的拍摄周围环境的任务无能为力，如果设备有优异的计算能力，则它可以为周围设施提供计算服务。但是边缘设备的合作尤其具有挑战因为：1）除非有充足回报，不然理性的边缘设备不愿意进行合作；2）各种限制如物理距离信任程度也会阻止边缘设备间的合作；3）合作需要考虑任务依赖性。
C. Pronounced Heterogeneity显著的异质性
由于各个边缘设备的异构性，使得很难安排让这些设备协同完成任务。鉴于设备归个人所有，应用程序无法以完全受控的方式挑选设备。为了解决这个问题，一些研究任务如下：
1) Runtime Abstraction:运行时抽象
关键问题是SSEC中的设备因为运行环境的不同而无法支持社交传感信息的执行。像Docker这样的容器化技术可以抽象出设备的一些硬件细节，并提供一个虚拟环境，提供轻量级、可移植和高性能的沙箱来托管各种应用程序。特别是，社交感知应用程序开发人员可以将所有必需的依赖项和操作系统本身“包装”到每个社交感知应用程序的Docker容器中。这样的运行时抽象可以允许SSEC中的边缘设备向社交感知应用程序开发者提供相同的接口，并且尽管SSEC设备的异构性，仍然向他们提供“一次写入并在任何地方运行”特征。
2) Hardware Abstraction硬件抽象:
硬件资源的抽象目标是忽略硬件异构的细节使资源管理更加简单。HeteroEdge中设备的硬件的各种能力就像不同的工人：cCPU、GPU和传感器工人。每个工人都有能力描述，这与任务最差执行时间的估计有关。设备所有者可以指定那个工人参与。异构在硬件抽象上遵循三个设计规则：i）异构边缘设备集应形成社会传感应用的统一同构资源池; ii）设备所有者应该能够控制他们希望为应用程序提供哪些资源; iii）边缘设备可以容易地跟踪它们自己的动态状态，并为SSEC中的运行时决策和优化提供必要的上下文信息。
3) Networking Abstraction网络抽象:
网络异构：边缘设备有各种网络接口（蓝牙、wifi、zigbee），需要抽象网络接口使得程序员在部署应用时不需要考虑接口和细节。软件定义网络（SDN）可以异构网络环境的复杂性，来组织安排网络、服务和设备。它提供的API可以简化网络管理，定义网络流，并促进网络内的虚拟化。
然而我们发现边缘计算中现有的资源管理工作不能充分处理SSEC中明显的异构性。尚未开发出一个同时解决SSEC上述三个抽象层次的中间件。
D. Robustness against Churn and Dynamic Context 对流失和动态语境的稳健性
设备流失：边缘设备的易变是因为为了节约能源它会杀死任务，或者偶尔贡献计算能力但是后面又不得不停止贡献去做原本的任务。并且，一个设备是否可以有资格完成任务，是根据设备的位置来决定的。如果设备移动了，则任务就有可能需要换另一个位置合适的设备来完成。我们将缓冲引入多阶段流应用程序。在这个系统中，任务会分解成多个阶段，其中不同的设备在每个阶段执行流水线的计算操作，若一个在流水线中的设备需要退出和替代，则可以由管道中与其相邻的设备进行替代。并且管道的设计可以很好地利用异构硬件设备的细粒度优势，因为每个阶段都可以适配于一个特定的计算平台。
另外一个挑战是，边缘设备很不稳定，它们是否愿意加入SSEC应用会随时发生变化。在环境监测应用中，每个设备监测一片特定的区域，在设备电池状态改变或者地理位置改变时，它们就不会再执行任务。如果无法掌握这种动态的变化，那么次优的资源分配将会导致边缘设备完成任务的地代价变得很高。
E. Privacy and Security 隐私和安全
设备在手机数据的阶段，可能暴露终端用户的个人信息。比如在车牌识别时，设备所拍摄的图像有可能包含接到信息、用户住所或移动方式。应用程序的需要获得关于每个边缘设备状态的更好的情况，以时限最大化任务分配效率然而此时由于个人隐私，设备并不愿意共享这些状态信息。在目前的隐私保持技术，比如匿名技术，可以有效保护设备隐私。但是这会阻止服务器识别计算贡献者，无法通过传统方式分配奖励。
为了使提交的服务不会受到破坏，安全性对于设备和应用都是很重要的。SSEC的架构中，数据来源于边缘设备并在私有边缘设备上处理，这不适合传统的安全系统（身份验证以访问资源）。1）协作边缘或者混合SSEC架构的P2P-API接口必须重新设计以至于用户信息不会被而已窃取；2）不能上传不正确的测量信息信息或计算结果，因为不可以不劳而获；3）该系统具有抵御恶意目的的破坏或“毒害”应用程序结果的企图；4）系统应该能够避免拒绝服务的攻击，比如恶意延迟任务来破坏服务质量。
V. ROADMAP FOR FUTURE WORK 未来的工作
A. SSEC and 5G
5G据说能达到10GB/s并且延迟小于1 ms，这将会提高SSEC的现状并且促进新的SSEC应用的出现。这将会增加边缘设备的接入量并且促进他们合作。为确保延迟，5G基站必须高密度地部署，这些基站也可以用作边缘服务器。SSEC的应用可以享受高速度和低延迟。我们预计5G和未来的网络技术将支持更多数据密集型和延迟敏感的SSEC应用。
B. SSEC and AI
许多边缘设备都是低端的传感器，并没有处理能力或者支持人工智能算法的硬件。SSEC可以通过发展协作的智能边缘（低端设备将AI任务上传倒有AI能力的设备上执行）推动人工智能的发展。设置公平的奖励机制来激励设备，因为电对于边缘设备是非常宝贵的。并且由于设备都是个人所有，必须解决私人和信任问题。
C. SSEC and Human-in-the-loop 人类参与的SSEC
人类会成为SSEC的其中一个部分“社交边缘节点”，人类可以推理和决策，有助于某些需要专门知识的关键任务的执行。建立人类-机器综合的系统必须充分利用人类智慧。
VI. CONCLUSION 结论
在本文中，提出了一个新兴的SSEC框架，以利用基于边缘的基础设施和越来越多强大的物联网设备来提高社交传感应用的可扩展性和响应性。凭借以人为本的设计，SSEC设想将人类智能整合到数据收集，处理，分析和决策过程中。 讨论了SSEC启用的几个新兴应用程序，以及将要开展的一些开放式研究挑战。
文章结构分析
原文出处
Daniel, Zhang, Vance N , et al. When Social Sensing Meets Edge Computing: Vision and Challenges[J]. 2019.
