• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.8
• /
• pp.1102-1108
• /
• 2020

Mobile edge computing is a technology that can prepare for a new era of cloud computing and compensate for shortcomings by processing data near the edge of the network where data is generated rather than centralized data processing. It is possible to realize a low-latency/high-speed computing service by locating computing power to the edge and analyzing data, rather than in a data center far from computing and processing data. In this article, we develop a virtual mobile edge computing testbed environment where the cloud and edge nodes divide computing tasks from mobile terminals using the EdgeCloudSim simulator. Performance of offloading techniques for distribution of computing tasks from mobile terminals between the central cloud and mobile edge computing nodes is evaluated and analyzed under the virtual mobile edge computing environment. By providing a virtual mobile edge computing environment and offloading capabilities, we intend to provide prior knowledge to industry engineers for building mobile edge computing nodes that collaborate with the cloud.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.31 no.3
• /
• pp.443-452
• /
• 2021

One of the key technologies in edge computing is that it always provides services close to the user by moving data between edge servers according to the user's movements. As such, the movement of data between edge servers is frequent. As IoT technology advances and usage areas expand, the data generated also increases, requiring technology to accurately track and process each data to properly manage the data present in the edge computing environment. Currently, cloud systems do not have data disposal technology based on tracking technology for data movement and distribution in their environment, so users cannot see where it is now, whether it is properly removed or not left in the cloud system if users request it to be deleted. In this paper, we propose a tracking data server to create and manage the movement and distribution of data for each edge server and data stored in the central cloud in an edge computing environment.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.66-69
• /
• 2021

최근 실시간 응답 및 처리에 민감한 서비스들이 급증하면서 멀티액세스 엣지 컴퓨팅(MEC)이 차세대 기술로 주목받고 있다. 사용자들의 잦은 이동성 때문에 MEC 서버들 사이에서의 마이그레이션은 중요한 문제로 다뤄진다. 본 논문에서는 이동성이 많은 차량 엣지 컴퓨팅 환경을 고려하였으며, 강화학습 기법인 Q-learning 을 사용하여 마이그레이션 여부 및 대상을 결정하는 기법을 제안하였다. 제안 기법의 목적은 지연 제약조건을 만족시키면서 차량 엣지 컴퓨팅 서버(VECS) 사이의 로드 밸런싱을 최적화하는 것이다. 제안 기법의 성능 비교를 통하여 다른 기법들보다 로드 밸런싱 측면에서 약 22-30%, 지연 제약조건 만족도 측면에서 약 20-31%로 더 좋은 성능을 보임을 확인하였다.

• Journal of Internet Computing and Services
• /
• v.21 no.4
• /
• pp.1-8
• /
• 2020

In order to reach Ultra-Reliable Low-Latency communication, one of 5G aims, Multi-access Edge Computing paradigm was born. The idea of this paradigm is to bring cloud computing technologies closer to the network edge. User services are hosted in multiple Edge Clouds, deployed at the edge of the network distributedly, to reduce the service latency. For mobile users, migrating their services to the most proper Edge Clouds for maintaining a Quality of Service is a non-convex problem. The service migration problem becomes more complex in high mobility scenarios. The goal of the study is to observe how user mobility affects the selection of Edge Cloud during a fixed mobility path. Mobility-Aware Service Migration (MASM) is proposed to optimize service migration based on two main parameters: routing cost and service migration cost, during a high mobility scenario. The performance of the proposed algorithm is compared with an existing greedy algorithm.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.05a
• /
• pp.118-120
• /
• 2019

커넥티드카는 네트워크에 연결된 자동차가 다른 자동차 및 도로 인프라뿐만 아니라 스마트 디바이스와 통신하고 여러 소스로부터 실시간 데이터를 수집하여 다양한 서비스를 제공하는 것이다. 커넥티드카의 등장으로 인해서 자동차와 클라우드 서비스의 결합이 빠르게 진행되고 있으나 자동차 데이터 중 실시간 처리가 필수인 데이터가 많다는 특성이 있다. 그러므로 멀리 떨어진 중앙 집중식 서버에서 컴퓨팅을 하는 클라우드 컴퓨팅보다 최근 이슈가 되고 있는 디바이스와 가까운 가장자리에 위치한 서버에서 컴퓨팅을 하는 엣지 컴퓨팅이 커넥티드카의 실시간성을 보장하는 기술로 많은 관심을 받고 있다. 본 논문에서는 기존의 엣지 컴퓨팅과는 달리, 이동성이 있는 모바일 엣지 컴퓨팅(MEC) 환경에서 실시간 처리를 저해하는 요소를 찾아 원인을 분석하고 평가해 문제점을 해결하고자 한다. 먼저, MEC 환경을 구축한 후 오픈 소스 시뮬레이터인 Edge Cloudsim 에 적용시켜 시뮬레이션을 한다. 실험 결과 MEC 환경에서 실시간 처리를 저해하는 원인은 모바일 디바이스의 태스크가 오프로딩 되거나 응답을 받기 전 WLAN 의 범위를 벗어났을 때 Task Failure가 발생하기 때문임이 증명되었다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.1
• /
• pp.162-169
• /
• 2022

In a dynamically changing time-varying network environment, the optimal moving pattern of edge devices can be applied to distributing computing resources to edge cloud servers or deploying new edge servers in the FEC(Fog/Edge Computing) environment. In addition, this can be used to build an environment capable of efficient computation offloading to alleviate latency problems, which are disadvantages of cloud computing. This paper proposes an algorithm to extract the optimal moving pattern by analyzing the moving path of multiple edge devices requiring application services in an arbitrary spatio-temporal environment based on frequency. A comparative experiment with A^* and Dijkstra algorithms shows that the proposed algorithm uses a relatively fast execution time and less memory, and extracts a more accurate optimal path. Furthermore, it was deduced from the comparison result with the A^* algorithm that applying weights (preference, congestion, etc.) simultaneously with frequency can increase path extraction accuracy.

• KIPS Transactions on Computer and Communication Systems
• /
• v.10 no.12
• /
• pp.311-318
• /
• 2021

With the rapid development of the Internet of Things(IoT) technology recently, multi-access edge computing(MEC) is emerged as a next-generation technology for real-time and high-performance services. High mobility of users between MECs with limited service areas is considered one of the issues in the MEC environment. In this paper, we consider a vehicle edge computing(VEC) environment which has a high mobility, and propose a task migration algorithm to decide whether or not to migrate and where to migrate using DQN, as a reinforcement learning method. The objective of the proposed algorithm is to improve the system throughput while satisfying QoS(Quality of Service) requirements by minimizing the difference between queueing delays in vehicle edge computing servers(VECSs). The results show that compared to other algorithms, the proposed algorithm achieves approximately 14-49% better QoS satisfaction and approximately 14-38% lower service blocking rate.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.5
• /
• pp.786-792
• /
• 2022

In the cloud computing environment, there has been a lot of research into the Fog/Edge Computing (FEC) paradigm for securing user proximity of application services and computation offloading to alleviate service delay difficulties. The method of predicting dynamic location change patterns of edge devices (moving objects) requesting application services is critical in this FEC environment for efficient computing resource distribution and deployment. This paper proposes an optimal moving pattern extraction algorithm in which variable weights (distance, time, congestion) are applied to selected paths in addition to a support factor threshold for frequency patterns (moving objects) of edge devices. The proposed algorithm is compared to the OPE_freq [8] algorithm, which just applies frequency, as well as the A^* and Dijkstra algorithms, and it can be shown that the execution time and number of nodes accessed are reduced, and a more accurate path is extracted through experiments.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.185-188
• /
• 2021

본 논문에서는 기술의 빠른 발전에도 불구하고 줄어들지 않는 화재 사고, 그 중에서도 많은 인명피해를 내는 실내 화재 사고에 대하여 기존 실내 화재 알림 시스템의 한계점인 알림의 양치기 소년화로 인한 안전 불감증 증가와 알림의 사각지대 문제를 해결하고자 새로운 대안 시스템을 설계 및 구현하고, 실험 검증을 진행하였다. 위 두 가지 문제점을 해결하기 위해, 본 연구에서는 스마트폰이 매우 대중적으로 보급되어 있다는 점을 기반으로 IoT, 엣지 컴퓨팅, 비콘 등을 응용한다. 비콘 신호를 broadcasting 하는 엣지 노드의 신호 범위 내에 진입하면 사용자 정보를 수집하여 대상 건물에 출입한 대상을 특정한다. 말단 센서 노드와 엣지 노드 간의 무선 RF 통신으로 화재를 모니터링하며 화재가 발생했을 시 특정된 대상들에게만 스마트폰 어플의 푸시 알림으로 화재 발생 상황을 전송하는 시스템을 설계 및 구현하였다. 시스템 성능 평가를 위해 동국대학교 건물 내에서 수평, 수직으로 이동하며 실험을 진행하였고, 그 결과를 통해 대안 시스템의 성능과 한계를 분석하여 이를 실내 공간에 적용하기 위한 적합성을 평가하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.9-11
• /
• 2021

최근 임베디드 엣지 컴퓨팅 디바이스에서 AI와 같은 인공지은 연산을 수행하여 AI 추론 연산의 가속화 및 분산화가 많이 이루어지고 있다. 엣지 디바이스는 임베디드 프로세서를 기반으로 AI의 가속 연산을 위해서 내부에 딥러닝 가속기를 포함하여 가속화시키는 시스템 구성을 하고 있다. 딥러닝 가속기는 복잡한 Neural Network 연산을 위한 데이터 이동이 많으며 외부 메모리와 내부 딥러닝 가속기간의 효율적인 데이터 이동 및 버퍼링이 필요하다. 본 연구에서는 엣지 디바이스 딥러닝 가속기 내부의 버퍼 구조를 모델링하고, 버퍼의 크기에 따른 버퍼링 효과를 분석해 보았다. 딥러닝 가속기 버퍼 구조는 RISC-V 프로세서 기반 가상 플랫폼에 구현되었다. 이를 통해서 딥러닝 모델에 따른 딥러닝 가속기 버퍼의 사용성을 분석할 수 있다.