一种基于AE-DDPM模型的联邦学习辅助边缘缓存方法

本发明涉及一种基于AE‑DDPM模型的联邦学习辅助边缘缓存方法，包括以下步骤：建立边缘计算网络系统模型，包括基站、远程云服务器及用户；采用基于联邦学习的AE‑DDPM模型进行训练；获得全局预测内容流行度，并根据基站的缓存容量缓存最受欢迎的N个内容；本发明通过AE模型提取用户数据潜在特征向量，降低数据维度和稀疏性，再通过DDPM模型学习数据分布，生成高质量内容流行度预测；本发明通过在边缘节点部署缓存单元，使用户能够快速获取这些节点上预先缓存的内容，有效提升了缓存命中率，降低了用户获取内容的时延，通信效率显著提高，同时降低了用户的隐私泄露的风险。