编码计算研究综述

郑腾飞; 周桐庆; 蔡志平; 吴虹佳

doi:10.7544/issn1000-1239.2021.20210496

编码计算研究综述

(国防科技大学计算机学院长沙 410073) (zhengtengfei@nudt.edu.cn)

基金项目: 国家重点研发计划项目(2020YFC2003400，2018YFB0204301);国家自然科学基金项目(62072465，62102425，62172155);国防科技大学研究基金项目(ZK19-38)

详细信息

中图分类号: TP399
计量
- 文章访问数: 1034
- HTML全文浏览量: 21
- PDF下载量: 752
出版历程
- 发布日期: 2021-09-30

Review of Coded Computing

(College of Computer, National University of Defense Technology, Changsha 410073)

Funds: This work was supported by the National Key Research and Development Program of China (2020YFC2003400, 2018YFB0204301), the National Natural Science Foundation of China (62072465, 62102425, 62172155), and the National University of Defense Technology Research (ZK19-38).

摘要

摘要: 编码计算将编码理论融于分布式计算中，利用灵活多样的编码方式降低数据洗牌造成的高通信负载，缓解掉队节点导致的计算延迟，有效提升分布式计算系统的整体性能，并通过纠错机制和数据掩藏等技术为分布式计算系统提供安全保障.鉴于其在通信、存储和计算复杂度等方面的优势，受到学术界的广泛关注，成为分布式计算领域的热门方向.对此,首先介绍编码计算的研究背景，明确编码计算的内涵与定义；随后对现有编码计算方案进行评述，从核心挑战入手，分别对面向通信瓶颈，计算延迟和安全隐私的编码计算方案展开介绍、总结和对比分析；最后指出未来可能的研究方向和技术挑战，为相关领域的研究提供有价值的参考.
- 编码计算 /
- 分布式计算 /
- 分布式机器学习 /
- 网络编码 /
- 性能优化 /
- 系统安全 /
- 数据隐私
Abstract: By integrating the coding theory with distributed computing and exploiting flexible coding methods, coded computing manages to relieve the transmission burden and the negative effects of stragglers. In this way, it improves the overall performance of distributed computing systems. Meanwhile, coded computing schemes are also designed and used to provide security and privacy guarantees for distributed computing systems, where mechanisms, such as error-correcting and data masking, are generally adopted. Due to the advantages of coded computing in communication, storage and computational complexity, it has attracted extensive attention and has become a popular direction in the field of distributed computing. In this survey, the background of coded computing is reviewed with its definition and core ideology clarified. Afterward, the existing coding schemes for communication bottleneck, computation delay and security privacy are introduced and comparatively analyzed in detail. Finally, future research directions and technical challenges of coded computing are analyzed and introduced to provide valuable references for related researchers.
- coded computing /
- distributed computing /
- distributed machine learning /
- network coding /
- performance optimizing /
- system security /
- data privacy

HTML全文

参考文献(0)

施引文献(20)

期刊类型引用(16)

1.	金兰，陈荆亮. 一种用于异常数据流挖掘的改进Apriori算法研究. 计算机仿真. 2025(01): 480-484 . 百度学术
2.	张文媛，万宇，周选超，吴晓雪，范越鹏. 基于LSTM方法的医疗设备故障预测模型建立. 计量与测试技术. 2025(04): 140-144 . 百度学术
3.	鲁江. 基于模糊聚类的网络敏感数据流动态挖掘. 电子设计工程. 2024(09): 152-155+160 . 百度学术
4.	陈鲜展，沈易成，洪飞扬，石绅. 煤矿掘进工作面瓦斯浓度预测. 工矿自动化. 2024(04): 128-132 . 百度学术
5.	刘淑娟，韩萌，高智慧，穆栋梁，李昂. 数据流上的约束跨层级高效用项集挖掘. 计算机工程与应用. 2024(13): 287-300 . 百度学术
6.	郑浩，王鹰. 嵌入式异构物联网敏感数据流动态挖掘研究. 电子设计工程. 2024(15): 12-15+20 . 百度学术
7.	韩萌，何菲菲，张瑞华，李春鹏，孟凡兴. 生物启发式的模式挖掘方法综述. 计算机工程与应用. 2024(16): 19-33 . 百度学术
8.	欧阳原野. 基于关联规则挖掘算法的集团型企业业务数据管理系统. 电子设计工程. 2024(22): 47-50+57 . 百度学术
9.	肖金桐，温晓楠，李亚娟. 基于最大增益的广域网冗余数据迭代消除仿真. 计算机仿真. 2024(10): 371-375 . 百度学术
10.	单芝慧，韩萌，韩强 . 基于滑动窗口的数据流高效用模糊项集挖掘. 南京师大学报(自然科学版). 2023(01): 120-129 . 百度学术
11.	戴美玲. 基于改进模糊聚类的网络敏感数据流动态挖掘研究. 保山学院学报. 2023(02): 44-51 . 百度学术
12.	单芝慧，韩萌，韩强. 增量数据上的闭合定量高效用项集挖掘算法. 计算机应用. 2023(07): 2049-2056 . 百度学术
13.	蒋华，李星，王慧娇，韦静海. 基于数据索引结构的跨级高效用项集挖掘算法. 计算机应用. 2023(07): 2200-2208 . 百度学术
14.	单芝慧，韩萌，韩强. 动态数据上的高效用模式挖掘综述. 计算机应用. 2022(01): 94-108 . 百度学术
15.	李慕航，韩萌，陈志强，武红鑫，张喜龙. 基于窗口内投影的闭合高效用模式挖掘. 太原理工大学学报. 2022(02): 257-265 . 百度学术
16.	张妮，韩萌，王乐，李小娟，程浩东. 基于滑动窗口的含负项高效用模式挖掘方法. 郑州大学学报(理学版). 2022(04): 55-63 . 百度学术