答辩公告
我的位置在: 首页 > 答辩公告 > 正文
BAHAA HUSSEIN TAHER博士生答辩公告
浏览次数:日期:2026-07-09编辑:

学位论文简介

6G赋能的边缘计算需要在移动性和对抗性环境下动态协调服务请求,同时保证信任机制的可验证性。本论文构建了一个以证据为基础的三层关联框架。第一层为服务协调核心 EdgePlus,其采用带掩码的协作强化学习方法,在可行性和截止时间约束下对服务请求进行分配,其中服务请求在计算层面被表示为任务。第二层为移动性执行支撑模块 PAIR,当 EdgePlus 触发重定位时,PAIR 进一步优化无人机与移动边缘节点的重分配过程。第三层为信任保障层 DagChain,其结合 BFT+DAG 共识、后量子密码学、量子感知密钥管理以及零知识检查点机制,以保障服务记录安全和账本最终性。上述三层通过接口层综合进行连接,从而在可行性、安全性、信任性和可审计性方面提供边界明确的证据支撑。

1EdgePlus:以可行性优先的服务协调核心。本文将服务请求分配建模为协作式多智能体决策问题,并采用带掩码的协作 PPO 方法进行求解。在可行性、截止时间和资源约束下,EdgePlus 能够将服务请求,即其计算形式中的“任务”,分配到异构 6G 边缘节点中。该部分是本论文的核心贡献,其研究范围不仅限于传统调度问题,还覆盖了更广泛的服务协调方向。

2PAIR:由协调核心触发的移动性执行支撑模块。PAIR 采用混合 A*+PPO 规划器,即 PPO 调整的增量优化方法,在二维动态城市移动边缘计算环境中优化无人机和移动边缘节点的轨迹与重分配过程。该模块仅在 EdgePlus 发起重定位时被调用。

3DagChain:面向量子韧性的信任保障层。DagChain 集成了双层 BFT+DAG 共识机制、MLWE/Dilithium 后量子密码学、BB84/QBER 感知的密钥生命周期管理以及 zk-SNARK 检查点机制,用于保障服务记录、移动性证据、身份认证和账本最终性的安全性。

4)接口层综合。本文在接口层面对上述三层进行连接,从而在可行性、安全性、信任性、可审计性以及接口兼容性方面提供基于证据的保障。需要说明的是,完全统一的端到端执行系统被界定为未来工作,而非本文已经完成的贡献。

主要学术成果

[1] Bahaa Hussein Taher, Juan Luo, Fadhil Ghrabat, Ying Qiao. EdgePlus: A Multi-Agent Reinforcement Learning Framework for Dynamic Task Allocation in 6G Edge Computing [J]. IEEE Internet of Things Journal, 2026. DOI: 10.1109/JIOT.2026.3656811. (Class A, SCI Q1; first author.)

[2] Bahaa Hussein Taher, Juan Luo, Ying Qiao, Hussein Ridha Sayegh. PAIR: A Hybrid A* with PPO Path Planner for Multi-UAV Navigation in 2-D Dynamic Urban MEC Environments [J]. Drones, 2026, 10(1): 58. OI: 10.3390/drones10010058. (Class C, SCI Q1; first author.)

[3] Hussein Ridha Sayegh, Wang Dong, Bahaa Hussein Taher, Muhanad MohammedKadum, Ali Mansour Al-Madani. Optimal Intrusion Detection for Imbalanced Data Using Bagging Method with Deep Neural Network Optimized by Flower Pollination Algorithm [J]. PeerJ Computer Science, 2025, 11: e2745. DOI: 10.7717/peerj-cs.2745. (SCI Q2; co-author)

[4] Ahmed Jawad A. AlBdairi, Zhu Xiao, Ahmed Alkhayyat, Amjad J. Humaidi, Mohammed A. Fadhel, Bahaa Hussein Taher, Laith Alzubaidi, Jose Santamaria, Omran Al-Shamma. Face Recognition Based on Deep Learning and FPGA for Ethnicity Identification [J]. Applied Sciences, 2022, 12(5): 2605. DOI: 10.3390/app12052605. (SCI Q2; co-author)