无线通信领域的快速发展和移动数据的高流量导致引入了一种称为深度学习（DL）的高级模型。 它已经在文献中提出，它是机器学习的一个子集。 这项技术被认为是移动数据流量管理的发展。 无线系统会生成大量异构数据，这些数据很难计算，因此为了控制这些数据，讨论了各种优化工具。 DL使无线通信更加智能和通用。 在此，总结了对DL平台的概述以及在无线通信中启用DL的不同技术。 无线网络中有不同的域，例如使用DL的网络，路由和调度。 本文讨论了所有这些领域。 讨论了进一步不同的优化技术和该领域的最新进展。

Internet 连接架构的开放性给安全社区带来了新的威胁和挑战。 黑客可能会利用各种 IoT 和边缘雾应用程序和设备中的关键漏洞。 物联网被称为通过互联网互连的物理设备，以解决现实世界的问题。 因此，物联网的参与设备可以从任何地方甚至任何地方进行管理。 作为泛在计算的一部分，物联网设备可能包括任何可穿戴设备、智能测量机、车辆移动设备，这些设备可能进一步导致云、大数据应用。 由于物联网设备在互联网支持的环境中运行，该环境基本上是一个以数据为中心的基础设施，滥用物联网解决方案的参与设备是一个严重的问题，以避免设备被操纵或误导。 嵌入式片上系统 (SoC) 的进步显着增加了商业设备，同时也扩展了物联网 (IoT) 的潜力。 不像以前，物联网现在能够处理当今事物的计算能力，并允许设备在现场执行复杂的计算，从而产生边缘计算。 雾计算使物联网设备能够做出决定，然后采取相应的行动。 在物联网基础设施中引入雾计算可以使用“雾节点”，这些节点非常有能力抵御对基础设施的攻击，即使它们可以决定对这种情况采取行动。 本文旨在研究物联网基础设施、物联网安全问题，然后使用雾计算来实现物联网安全目标。

叶子 LEAF是对于L ARGEênergy-甲洁具F A模拟器OG计算环境。 然后，它可以在分布式，异构且资源受限的基础架构中对复杂的应用程序图进行建模。 特别强调了能源消耗（以及不久的碳排放量）的建模。 请访问官方以获取有关此项目的更多信息和示例。 该Python实现是从移植而来的。 将来的所有开发都将在此存储库中进行。 安装 您可以通过直接克隆该存储库或通过安装最新版本来使用LEAF： $ pip install leafsim 我该怎么办？ LEAF可以对云，雾和边缘计算环境进行高级建模。 它建立在 （一个用于创建和操作复杂网络的库）和 （一个基于过程的离散事件仿真框架）之上。 除了可以研究资源受限环境中的调度和放置算法外，LEAF还特别关注： 动态网络：模拟在仿真过程中可以加入或离开网络的移动节点。 功耗建模：对单个计算节点，网络流量和应用程序的功耗进行建模。