第一部分 雾的通信与管理 2
第1章 ParaDrop：家用网关的边缘计算平台 2
1.1 引言 2
1.1.1 通过ParaDrop实现无线网关的多重任务管理及相关应用 3
1.1.2 ParaDrop平台的性能 4
1.2 在ParaDrop平台上实现服务 5
1.3 为ParaDrop平台开发服务 7
1.3.1 依托ParaDrop平台实现监控摄像头业务 7
1.3.2 依托ParaDrop平台实现环境传感器业务 10
参考文献 10
第2章 管理带宽 11
2.1 引言 11
2.1.1 利用雾 12
2.1.2 家庭问题的解决方案 12
2.2 相关研究 14
2.3 信用分配和最优信用支出 15
2.3.1 信用分配 15
2.3.2 最优信用支出 17
2.4 在线带宽分配算法 18
2.4.1 估计其他网关的支出 18
2.4.2 在线信用支出决策和应用优先级设置 20
2.5 设计与实现 20
2.5.1 流量和设备分类 22
2.5.2 速率限制引擎 22
2.5.3 流量优先级设置引擎 23
2.6 实验结果 24
2.6.1 速率限制 24
2.6.2 流量优先级设置 25
2.7 网关共享结果 26
2.8 结论 29
致谢 30
附录2.A 30
参考文献 33
第3章 面向雾网络的社交感知协作D2D与D4D通信 35
3.1 引言 35
3.1.1 从社交信任和社交互惠到D2 D协作 36
3.1.2 智能电网：社交感知协作的D2 D和D4 D通信的物联网案例 37
3.1.3 主要结论 39
3.2 相关研究 39
3.3 系统模型 40
3.3.1 物理（通信）图模型 40
3.3.2 社交图模型 42
3.4 面向雾网络的社交感知协作D2 D和D4 D通信概述 42
3.4.1 基于社交信任的中继选择 43
3.4.2 基于社交互惠的中继选择 43
3.4.3 基于社交信任和社交互惠的中继选择 47
3.5 网络辅助中继选择机制 48
3.5.1 互惠中继选择循环发现 48
3.5.2 NARS机制 49
3.5.3 NARS机制的特性 51
3.6 仿真 53
3.6.1 ER社交图 53
3.6.2 基于实际追踪的社交图 56
3.7 结论 58
致谢 59
参考文献 59
第4章 你值得拥有更好的性能（来自你的智能设备） 62
4.1 为什么需要提供更好的性能 62
4.2 需要在哪里提供更好的性能 63
4.3 需要提供什么性能并且怎样提供 64
4.3.1 透明度 64
4.3.2 可预测性能 68
4.3.3 开放性 73
4.4 结论 74
致谢 75
参考文献 75
第二部分 雾的存储与计算 80
第5章 提高通信效率的分布式缓存 80
5.1 引言 80
5.2 微微缓存 81
5.2.1 系统模型 81
5.2.2 来自帮助者节点的自适应流 84
5.3 用户缓存 85
5.3.1 基于簇的缓存和D2D通信 85
5.3.2 基于ITLinQ的缓存和通信 88
5.3.3 编码组播 93
5.4 结论和展望 96
参考文献 96
第6章 无线视频雾网络：错误可恢复的实时协作数据流 99
6.1 引言 99
6.2 相关研究 102
6.3 系统运行和网络模型 103
6.4 问题建模和复杂度 105
6.4.1 NC数据包选择优化 106
6.4.2 广播者选择优化 107
6.4.3 复杂度分析 108
6.5 VBCR：一种用于实时视频且能实现协作恢复的分布启发式算法 108
6.5.1 初始信息交换 108
6.5.2 协作恢复 109
6.5.3 更新信息交换 111
6.5.4 视频数据包转发 112
6.6 仿真结果 113
6.7 结论 116
参考文献 117
第7章 弹性移动终端云：借助移动终端提供边缘的云计算服务 119
7.1 引言 119
7.2 设计领域及实例 121
7.2.1 Mont-Blanc 121
7.2.2 计算与充电并行处理 122
7.2.3 FemtoCloud 123
7.2.4 Serendipity 125
7.3 FemtoCloud性能评估 126
7.3.1 实验设置 126
7.3.2 FemtoCloud仿真结果 127
7.3.3 FemtoCloud原型评估 130
7.4 Serendipity性能评估 131
7.4.1 实验设置 131
7.4.2 Serendipity性能增益 132
7.4.3 网络环境的影响 132
7.4.4 工作属性的影响 136
7.5 挑战 137
参考文献 138
第三部分 雾的应用 142
第8章 雾计算在未来汽车行业中的作用 142
8.1 引言 142
8.2 当前的汽车电子架构 143
8.3 汽车E/E架构的未来挑战及解决策略 145
8.4 未来汽车——车轮上的雾节点 149
8.5 凭借实时计算和时间触发技术实现车轮上的确定性雾节点 150
8.5.1 通过虚拟化解决可扩展性挑战的确定性雾节点 151
8.5.2 解决连接和安全挑战的确定性雾节点 152
8.5.3 汽车应用中确定性雾节点的新用例——全车虚拟化 154
8.6 结论 155
参考文献 155
第9章 现场网络的位置寻址 156
9.1 引言 156
9.1.1 现场网络 156
9.1.2 现场网络面临的挑战 157
9.2 位置寻址 158
9.3 SAGP：现场的无线位置寻址 160
9.3.1 SAGP处理流程 160
9.3.2 SAGP重传启发式算法 161
9.3.3 SAGP数据包传播示例 162
9.3.4 跟随发送：有效的SAGP数据流动 163
9.3.5 迎接挑战 164
9.4 地理路由：将GA延伸到云端 165
9.5 SGAF：大规模GA的一种多层架构 166
9.5.1 不同层之间的桥接 167
9.5.2 混合安全架构 168
9.6 AT＆T实验室的位置辅助多播架构 169
9.7 两个GA应用实例 170
9.7.1 PSCommander 170
9.7.2 位置辅助多播游戏 172
9.8 结论 174
参考文献 174
第10章 面向智慧星球的分布式在线学习和流处理 175
10.1 引言：智慧星球 175
10.2 实例问题：交通运输 177
10.3 流处理特征 178
10.4 分布式流处理系统 179
10.4.1 研究现状 179
10.4.2 流处理系统 180
10.5 分布式在线学习框架 183
10.5.1 研究现状 183
10.5.2 在线分布式集成学习的系统框架 185
10.5.3 聚合权重的在线学习 188
10.5.4 碰撞检测应用 190
10.6 前景 193
致谢 194
参考文献 194
第11章 物联网安全：需要新方案和雾计算 197
11.1 引言 197
11.2 现有安全方案需要做根本性改变以应对新的物联网安全挑战 198
11.2.1 大量设备将有长的生命周期但受限且难以更新的资源 199
11.2.2 将所有的IoT设备部署在防火墙环境中将变得不可行 200
11.2.3 关键性任务系统需要影响最小的事件响应 200
11.2.4 庞大数量的IoT设备安全状态感知需求 201
11.3 一个新的物联网安全方案 202
11.3.1 对能力不足的设备提供雾计算帮助 203
11.3.2 通过集群认证将安全监控扩展到大量设备 206
11.3.3 具有自适应免疫安全性的动态风险-收益比例保护机制 210
11.4 总结 213
致谢 213
参考文献 213