基于鲁棒性联邦深度学习的多边缘协作缓存方法

本发明提出了基于鲁棒性联邦深度学习的多边缘协作缓存方法，首先，RoCoCache为多维缓存空间设计了一种新颖的划分机制，在用户分类区间内实现了精确的内容推荐。接下来，RoCoCache开发了一种新的离散分类变分自编码器（DC‑VAE），通过克服后验坍塌来准确预测内容的受欢迎程度。最后，RoCoCache创建了一种基于鲁棒联邦深度学习的原始训练模式和主动缓存替换策略。本发明将基于残差的对抗性模型更新检测和基于相似性的联邦聚合相结合，避免了对抗性更新造成的模型破坏，使主动缓存替换能够适应优化后的缓存资源，从而提高了缓存性能。