崔勇 宋健 繆蔥蔥 唐俊

1 引言

隨著移動互聯(lián)網(wǎng)的飛速發(fā)展和移動應用的極大豐富，移動終端已經(jīng)成為人們工作生活不可或缺的一部分。移動支付、移動醫(yī)療、移動游戲及虛擬現(xiàn)實等日益復雜的移動應用對移動終端的計算能力、存儲容量、電池容量以及安全性提出了更高的要求。然而，由于重量、大小和散熱等因素的限制，移動終端的計算、存儲資源與傳統(tǒng)的非移動設備相比一直存在很大的差距，特別是移動終端有限的電池容量，嚴重影響了用戶的應用體驗。為了突破移動終端計算、存儲和電池等資源限制，為移動用戶提供更加豐富的應用，將云計算引入移動環(huán)境，移動云計算（mobile cloud computing，MCC）作為一種新的應用模式應運而生。

1.1 移動云計算的定義與特點

移動云計算的主要目標是應用云端的計算、存儲等資源優(yōu)勢，突破移動終端的資源限制，為移動用戶提供更加豐富的應用以及更好的用戶體驗。其定義一般可以概括為移動終端通過無線網(wǎng)絡，以按需、易擴展的方式從云端獲得所需的基礎設施、平臺、軟件等資源或信息服務的使用與交付模式。

移動用戶通過基站等無線網(wǎng)絡接入方式連接到Internet上的公有云。公有云的數(shù)據(jù)中心分布部署在不同的地方，為用戶提供可擴展的計算、存儲等服務。內(nèi)容提供商也可以將視頻、游戲和新聞等資源部署在適當?shù)臄?shù)據(jù)中心上，為用戶提供更加豐富高效的內(nèi)容服務。對安全性、網(wǎng)絡延遲和能耗等方面要求更高的用戶，可以通過局域網(wǎng)連接本地微云，獲得具備一定可擴展性的云服務。本地微云也可以通過Internet連接公有云，以進一步擴展其計算、存儲能力，為移動用戶提供更加豐富的資源。

移動云計算由云計算發(fā)展而來，天然繼承了云計算的應用動態(tài)部署、資源可擴展、多用戶共享以及多服務整合等優(yōu)勢。另外，移動云計算還具有終端資源有限性、用戶移動性、接入網(wǎng)異構(gòu)性以及無線網(wǎng)絡的安全脆弱性等特有屬性。

1.2 移動云計算主要研究范疇

移動云計算研究領域涵蓋廣泛，范圍涉及無線網(wǎng)絡、移動計算、云計算等多個領域的相關(guān)技術(shù)。目前已經(jīng)有一些移動云計算相關(guān)技術(shù)的綜述文獻。Fernando等人和Rahimi等人給出了移動云計算的定義、體系框架，并重點介紹了移動云計算的典型應用場景及主要的計算遷移應用。

本文對當前移動云計算的主要研究工作進行歸類和梳理。該研究體系分為3層：最下層是移動云計算面臨的主要挑戰(zhàn)，包括移動終端資源受限性、用戶移動性以及一系列的安全問題；第2層對這些挑戰(zhàn)對應的主要關(guān)鍵技術(shù)及其重要研究成果進行總結(jié)與分析，主要包括計算遷移、基于移動云的位置服務、移動終端節(jié)能以及數(shù)據(jù)安全與隱私保護等；最上層則重點介紹了在這些關(guān)鍵技術(shù)支撐下的移動云計算新型應用。

計算遷移作為移動云計算的核心技術(shù)，主要解決移動終端的計算和存儲資源受限問題，它以整個應用或部分代碼/數(shù)據(jù)等形式，將移動終端的存儲、計算等任務遷移到云端數(shù)據(jù)中心或高性能服務器上執(zhí)行，是移動終端獲得靈活、高效服務的基本手段。學術(shù)界已經(jīng)針對擴展移動終端的計算、存儲能力、減少服務延遲、節(jié)約終端能耗等不同優(yōu)化目標提出了一系列計算遷移方案。然而，為了設計高效可靠的計算遷移系統(tǒng)，還需要綜合考慮終端負載、任務屬性、網(wǎng)絡狀況以及應用環(huán)境等多種測度。近年來，相關(guān)研究領域也開始得到學術(shù)界的重視。

用戶的移動性是移動云計算的重要特點之一。位置服務旨在精確高效地定位用戶位置，保證用戶可以在持續(xù)移動過程中，隨時隨地按需獲取云端數(shù)據(jù)中心提供的豐富多樣、靈活高效的個性化定制服務。然而，傳統(tǒng)的定位技術(shù)已經(jīng)無法完全適應智能家居中的病人監(jiān)護、體感游戲等移動云計算新型應用的需求。當前學術(shù)界的研究熱點已經(jīng)主要集中到室內(nèi)軌跡追蹤與導航、精確定位與動作識別等新型位置服務方面。然而，這些新型技術(shù)大多基于大量信息的收集、存儲以及復雜的運算處理，這是資源受限的移動終端無法勝任的。因此，大多數(shù)解決方案都基于云計算的模式設計實現(xiàn)。這些新型技術(shù)的發(fā)展必將進一步促進移動云計算應用的豐富，但也越來越依賴云計算的資源優(yōu)勢。

移動云計算面臨的另一個主要挑戰(zhàn)是移動終端電池容量的限制。受移動終端體積、重量，以及電池技術(shù)水平的限制，終端可用電量很難在短期內(nèi)獲得大幅提升。為了延長移動終端的可用時間，提高用戶體驗，移動終端節(jié)能技術(shù)也一直得到學術(shù)界和工業(yè)界的廣泛關(guān)注。當前終端節(jié)能技術(shù)研究的熱點主要集中在不同無線網(wǎng)絡環(huán)境下的傳輸節(jié)能，以及定位服務等能耗密集型應用節(jié)能等方面。

另外，隨著移動云計算應用的迅速拓展與深入，人們已經(jīng)越來越習慣將通信錄、照片等個人信息備份在云端，甚至直接應用手機完成電子支付。因此，移動云計算環(huán)境中的數(shù)據(jù)安全與隱私保護也愈發(fā)重要。移動云計算環(huán)境中，不僅要保證用戶外包到不可信云端的數(shù)據(jù)安全性、完整性，而且要保證用戶身份、訪問行為等信息的隱私安全，避免移動終端由于受到惡意代碼攻擊造成的信息被竊、數(shù)據(jù)丟失，還要考慮移動終端的資源受限等問題，設計滿足移動終端需求的輕量級安全方案。云端數(shù)據(jù)安全、用戶隱私保護以及移動終端安全已經(jīng)成為近年來信息安全領域研究的重要方向。

本文重點圍繞計算遷移、基于移動云的位置服務等移動云計算的支撐技術(shù)，以及移動終端節(jié)能、數(shù)據(jù)安全與隱私保護等移動云計算涉及的主要問題，介紹移動云計算的研究現(xiàn)狀，特別是最新的研究進展；然后對移動云計算的典型應用模式進行了深入分析；最后討論了移動云計算存在的一些問題以及未來的發(fā)展趨勢。

2 計算遷移技術(shù)

計算遷移技術(shù)的出現(xiàn)最早可以追溯到Cyber Foraging概念的提出，通過將移動終端的計算、存儲等任務遷移到附近資源豐富的服務器執(zhí)行，減少移動終端計算、存儲和能量等資源的需求。隨著云計算的發(fā)展，計算遷移開始應用于云環(huán)境中，成為移動云計算的重要支撐技術(shù)。計算遷移的總體目標主要包括擴展CPU處理能力、節(jié)約移動終端能耗、減少服務延遲和節(jié)約處理成本等。

計算遷移可以概括為代理發(fā)現(xiàn)、環(huán)境感知、任務劃分、任務調(diào)度和執(zhí)行控制等步驟。然而，并不是所有計算遷移方案都包含全部步驟。其中，最為核心的執(zhí)行控制主要涉及如何連接到一個可靠的遠程代理，傳遞執(zhí)行所需的信息，遠程執(zhí)行并返回計算結(jié)果。

當移動應用程序需要遷移時，應用程序向操作系統(tǒng)類庫發(fā)送暫停請求并保存當前運行時狀態(tài)；系統(tǒng)類庫向本地代理發(fā)送通知信息；本地代理讀取此狀態(tài)，并將代碼或者虛擬機（virtual machine，VM）遷移至遠端代理中；遠端代理創(chuàng)建新的實例，復制應用程序運行，并將處理結(jié)果返回至移動終端。

計算遷移方案一般按照劃分粒度進行分類，主要包括基于進程、功能函數(shù)的細粒度計算遷移，以及基于應用程序、VM的粗粒度計算遷移等。

細粒度的計算遷移方案將應用程序中計算密集型的部分代碼或函數(shù)以進程的形式遷移到云端執(zhí)行。這類方案需要程序員通過標注修改代碼的方式對程序進行預先劃分。程序運行時，依據(jù)遷移策略，只對那些能夠靠遠程執(zhí)行節(jié)約資源的部分執(zhí)行計算遷移。粗粒度的計算遷移將全部的程序，甚至整個程序的運行環(huán)境以VM 的形式遷移到代理上運行。這類遷移方式不需要預先對應用程序的代碼進行標注修改，減少了程序員的負擔。然而，這類方案的適用性具有一定的局限性，例如與用戶有頻繁交互的程序就無法應用此類方案。

2.1 細粒度計算遷移

細粒度的計算遷移需要對程序進行預先劃分標注，只遷移計算密集型代碼部分，以實現(xiàn)盡可能少的數(shù)據(jù)傳輸。依據(jù)遷移策略，細粒度計算遷移一般可以分為靜態(tài)劃分和動態(tài)劃分兩類方案。在程序運行過程中，靜態(tài)劃分方案依據(jù)程序員的預先標注策略實施遷移；動態(tài)劃分方案則可以根據(jù)系統(tǒng)負載、網(wǎng)絡帶寬等狀態(tài)的變化，動態(tài)調(diào)整劃分遷移區(qū)域，提高遷移效率和可靠性。

2.1.1 靜態(tài)劃分方案

早期的計算遷移技術(shù)大多采用靜態(tài)劃分方案，依靠程序員通過修改和標注，將應用程序靜態(tài)地分成兩個部分：一部分在移動終端執(zhí)行；另一部分在遠程服務器執(zhí)行。在Protium中，程序員將應用程序分成顯示部分和服務部分，顯示部分在移動終端運行，服務部分在存儲能力和CPU計算資源豐富代理服務器上運行。兩部分通過應用程序定義的協(xié)議進行交流。如果程序包含復雜的交叉狀態(tài)和顯示管理，那么程序就需要被改寫，這給程序員造成了很大的負擔。另外，由于程序員不可能精確掌握程序在CPU和內(nèi)存上的能量消耗，而且網(wǎng)絡狀態(tài)（帶寬，RTT）也是動態(tài)變化的，因此這種靜態(tài)標注的劃分方法并不能保證程序執(zhí)行的能量消耗最小化。

為了確保遷移決策的有效性，Li等人提出了基于能耗（包括通信能量和計算能量）預測的劃分方法。通信能量消耗取決于傳輸數(shù)據(jù)的大小和網(wǎng)絡帶寬，計算能量消耗取決于程序的指令數(shù)?；谟嬎愫屯ㄐ畔?，得到最優(yōu)化的程序劃分方案。對于一個給定的程序，通過分析計算時間和數(shù)據(jù)傳輸能耗構(gòu)造一個消耗圖，靜態(tài)地將程序分為服務器任務和用戶端任務。消耗圖通過基于分支定界的任務映射算法獲得，以最小化計算和傳輸?shù)目偰芰俊Ｔ撍惴ㄍㄟ^修剪搜索空間以獲得最優(yōu)的解決方案。他們的模型用到了任務開始、任務終止、數(shù)據(jù)發(fā)送和數(shù)據(jù)請求等4種信息。原始的程序代碼中需要進行遷移調(diào)用的部分會依據(jù)這些信息修改。遠程管理也需要根據(jù)這些信息進行上下文的狀態(tài)遷移。

Yang等人提出的方案綜合考慮了多種資源的利用情況，包括CPU、內(nèi)存和通信代價（例如帶寬資源），將移動終端上的一些任務無縫地遷移到附近的資源比較豐富的筆記本（稱為代理）上。這種用戶—服務器的遷移結(jié)構(gòu)主要包括監(jiān)視器，遷移引擎、類方法等模塊。資源監(jiān)視器主要監(jiān)控內(nèi)存使用情況，CPU的利用率和目前的無線帶寬。遷移引擎將應用分成一個本地劃分和多個遠程劃分。類方法模塊則負責將類轉(zhuǎn)換為一個可以遠程執(zhí)行的方法模塊。該方案將應用程序分成（k＋1）個劃分，其中包括1個不可以遷移的劃分和k個不相交可遷移劃分，并將這些劃分組織成一個有向圖，頂點集代表Java類，邊集代表類之間的相互作用（調(diào)用和數(shù)據(jù)訪問）。他們提出的算法可以根據(jù)該有向圖給出接近最優(yōu)解的遷移方案。

Misco實現(xiàn)了集群式服務，支持將數(shù)據(jù)分發(fā)到網(wǎng)絡上多個節(jié)點并行處理應用數(shù)據(jù)，以進一步提高計算遷移的執(zhí)行效率。主服務器是一個集中式監(jiān)視器，負責MapReduce的實現(xiàn)。應用程序被靜態(tài)地切分成映射（map）和歸約（reduce）兩個部分。映射函數(shù)將輸入的數(shù)據(jù)進行處理，生成中間的鍵值對，并將所有生成的鍵值對歸類，組成相應數(shù)據(jù)塊節(jié)點。所有數(shù)據(jù)塊節(jié)點通過歸約函數(shù)產(chǎn)生最后結(jié)果，并返回給主服務器。映射（map）和歸約（reduce）函數(shù)在應用開發(fā)過程中通過開發(fā)者確認，為移動應用提供分布式平臺。

靜態(tài)劃分方案大多假設通信開銷和計算時間可以在處理之前通過預測、統(tǒng)計等方法獲得。劃分方案一旦確定，在任務處理過程中將保持不變。然而，由于移動終端的差異性和無線網(wǎng)絡狀態(tài)的復雜性，計算、通信等開銷很難準確預知。

2.1.2 動態(tài)劃分方案

為了克服靜態(tài)劃分方案無法適應環(huán)境動態(tài)變化的不足，動態(tài)劃分方案可以根據(jù)連接狀態(tài)的變化調(diào)整遷移劃分區(qū)域，及時適應環(huán)境變化，充分利用可用資源。

Chun等人提出的解決方案綜合考慮移動終端電量、網(wǎng)絡連接狀態(tài)和實時帶寬等3種因素的變化，針對這3種環(huán)境的不同變化情況分別給出了解決方案，并針對遷移決策問題設計了普適性的形式化模型，但并沒有給出詳細的系統(tǒng)設計與實現(xiàn)。在此之后，學術(shù)界又相繼提出了一系列針對特定應用的計算遷移系統(tǒng)。例如，針對圖像識別和語音識別應用的CogniServe，針對環(huán)境感知應用的Odessa，針對社交應用的SociableSense以及針對云游戲的Kahawai等。

MAUI的提出旨在提供一個通用的動態(tài)遷移方案并盡量降低開發(fā)人員的負擔。程序員只需要將應用程序劃分為本地方法和遠端方法，而無需為每個程序制定遷移決策邏輯。程序運行過程中，MAUI事件分析器基于收集的網(wǎng)絡狀態(tài)等信息動態(tài)決策哪些遠端方法需要遷移至云端執(zhí)行。代理執(zhí)行模塊按照決策執(zhí)行相應的控制和數(shù)據(jù)傳輸工作。該系統(tǒng)通過向服務器發(fā)送10 KB的數(shù)據(jù)的簡單方法評估網(wǎng)絡的平均吞吐量，對于變化劇烈的無線網(wǎng)絡，其預測的準確性有待提高。ThinkAir也是一個線程級的動態(tài)遷移方案。與MAUI相比，該系統(tǒng)重點對服務端進行了增強，可以為遷移任務動態(tài)分配服務內(nèi)存等資源，提高了系統(tǒng)運行的可靠性。Comet則在MAUI和ThinkAir的基礎上，利用分布式內(nèi)存共享技術(shù)和虛擬機同步技術(shù)支持多線程的并行遷移，進一步提高了計算遷移的性能。Zhou等人設計的計算遷移系統(tǒng)，可以在程序運行時基于無線信道、云端資源等上下文環(huán)境進行動態(tài)決策，在微云、公有云等多個云端動態(tài)選擇服務者，實現(xiàn)代碼級的細粒度計算遷移。

需要注意的是，細粒度遷移導致了額外的劃分決策的消耗，因此劃分算法的優(yōu)劣直接影響了遷移效率，而且并不總是能獲得最優(yōu)解。另外，無論是依賴于程序員修改應用程序源代碼方案，還是利用遠程執(zhí)行管理來計算近似劃分的方案，都會引入額外的開銷，導致消耗更多的CPU能量或增加程序員的負擔。

2.2 粗粒度計算遷移

粗粒度計算遷移將整個應用程序封裝在VM實例中發(fā)送到云端服務器執(zhí)行，以此減少細粒度計算遷移帶來的程序劃分、遷移決策等額外開銷。Cyber Foraging將附近計算能力較強的計算機作為代理服務器，為移動終端提供計算遷移服務。在執(zhí)行應用程序時，移動終端首先向服務搜索服務器發(fā)送遷移請求。服務搜索服務器向移動終端返回可用的代理服務器的IP地址和端口號。移動終端繼而可以向相應的代理服務申請計算遷移服務。每個代理服務器運行多個獨立的虛擬服務，保證為每個應用程序提供孤立的虛擬服務空間。Cyber Foraging利用局域網(wǎng)低延遲、高帶寬的特性為移動終端提供高效的計算遷移服務。然而，基于代理發(fā)現(xiàn)和VM模板的部署方法，時間開銷和資源開銷都比較大。

針對廣域網(wǎng)傳輸延遲過長的問題，Satyanarayanan等人最先提出微云（Cloudlet）的概念，把微云定義為一種可信任的、資源豐富的計算設備或一群計算設備向附近的移動終端提供計算資源。Cloudlet模式克服廣域網(wǎng)時延問題，通過局域網(wǎng)提供低延時、高帶寬的實時交互式服務。Cloudlet模式可以進一步細分為移動微云模式和固定微云模式。固定微云模式以計算能力較強的臺式計算機提供云計算服務，通常這種連接方式能夠提供較大的帶寬和計算資源。移動微云通過移動終端組建微云，旨在隨時隨地提供接入服務。

與Cyber Foraging依賴服務搜索服務器進行代理發(fā)現(xiàn)的機制不同，Cloudlet將移動終端上運行的應用程序以VM的形式直接映像遷移至附近指定服務器執(zhí)行，簡化了移動終端功能。服務器通過互聯(lián)網(wǎng)與云端數(shù)據(jù)中心相連，可以將復雜的計算任務和延時要求不高的任務遷移到云端執(zhí)行，進一步提高計算遷移的處理能力。此框架的不足在于，將移動終端運行環(huán)境整體克隆到服務器，對服務器的資源管理能力以及硬件水平都出了更高的要求。

虛擬執(zhí)行環(huán)境（virtualized execution environment）不再依賴專用的服務器，而是利用VM技術(shù)直接在云端為移動終端建立運行環(huán)境。云端為每個應用創(chuàng)建新的虛擬機實例，將遷移的VM克隆至虛擬機實例中執(zhí)行。該方案通過在移動終端的操作系統(tǒng)和硬件間設置中間件，以支持運行時負載遷移，移動終端和云服務器中虛擬機實例的同步，并支持傳輸狀態(tài)的暫停和恢復機制。然而，中間件及同步機制給移動終端帶來了計算與流量的額外開銷。

Clonecloud同樣采用VM 技術(shù)直接在云端建立運行環(huán)境，不需要操作系統(tǒng)和應用程序作任何額外的改動。Clonecloud還針對不同類型的應用設計了3種不同的遷移算法來進一步優(yōu)化遷移效率。除了將語音識別、圖像處理等計算密集型的任務遷移到云端，將安全性檢測也遷移至云端服務器，進一步減輕終端負擔。然而，基于應用程序多樣性的遷移策略增加了移動終端的開銷，單線程的部署方式也增加了系統(tǒng)運行時的抖動。為了克服無線網(wǎng)絡不穩(wěn)定等弊端，Tango通過部署多副本的方式，在服務器與移動終端同時執(zhí)行計算任務，將最快返回的執(zhí)行結(jié)果作為輸出，進一步提高了系統(tǒng)的可靠性。

3 基于移動云的位置服務

位置服務作為移動云計算不可或缺的一項支撐技術(shù)，一直得到學術(shù)界的廣泛關(guān)注。文獻[50]圍繞位置服務的體系架構(gòu)，對主流定位技術(shù)、位置索引及查詢處理等技術(shù)進行了總結(jié)，幫助我們?nèi)嫔钊氲卣J識了位置服務?；贕PS等傳統(tǒng)定位技術(shù)的位置服務覆蓋范圍大，技術(shù)成熟，已經(jīng)在軍事、交通等諸多領域得到了廣泛應用。然而，由于其存在穿透力弱，定位能耗大等問題，已經(jīng)無法完全滿足精確室內(nèi)定位、用戶動作識別等新的移動應用需求。例如，購物中心的自動導購指引服務、智能家居中的病人監(jiān)護等。移動云計算模式已經(jīng)被用來構(gòu)建新型的位置服務解決這些問題，并成為其重要支撐技術(shù)。本章重點對基于移動云的室內(nèi)軌跡追蹤與導航、精確定位與動作識別以及海量位置信息管理等近兩年學術(shù)界研究的熱點進行深入分析與總結(jié)。

3.1 室內(nèi)軌跡追蹤與導航

由于室內(nèi)空間范圍小，對導航的精度要求更高。另外，建筑物內(nèi)部的空間結(jié)構(gòu)、拓撲關(guān)系比室外復雜得多，這對室內(nèi)導航技術(shù)提出了更高的要求。當前針對室內(nèi)軌跡追蹤與導航的研究主要通過群智的方式收集移動用戶沿途拍攝的照片、手機信號強度，并與加速、慣性等手機傳感器數(shù)據(jù)融合，追蹤用戶行動軌跡，繪制建筑物內(nèi)部平面圖，進而實現(xiàn)實時的定位導航。這些歷史信息的收集、存儲以及運算處理，需要耗費大量的存儲與計算資源，這是普通移動終端無法勝任的。因此，大多數(shù)解決方案都是基于公有云或者通過構(gòu)建微云模式服務器設計實現(xiàn)的。

針對構(gòu)造室內(nèi)地圖需要進行現(xiàn)場勘測，耗費大量人力物力的問題，LiFS通過收集用戶移動過程中的手機信號強度，構(gòu)造高維信號強度指紋空間，將此映射為室內(nèi)平面圖。Jigsaw、iMoon等系統(tǒng)則通過從移動用戶處收集照片構(gòu)建3D點云，以此為基礎在云端服務器上構(gòu)造建筑物內(nèi)部地圖。iMoon還允許用戶拍照后上傳到云端，與云端存儲的地圖進行匹配，以實現(xiàn)實時定位。Dong等人利用基于密度的沖突檢測技術(shù)對iMoon進行改進，進一步提高了系統(tǒng)在障礙物位置的信息完善度，以及群智建立初始階段的定位性能。Travi-Navi，F(xiàn)OLLOWME等系統(tǒng)通過收集用戶上傳的照片、手機WiFi信號強度指紋，實現(xiàn)用戶行動軌跡記錄，并采用加速、慣性等手機傳感器數(shù)據(jù)進行校正。然后，基于這些軌跡信息繪制室內(nèi)平面圖，實現(xiàn)室內(nèi)高精度的導航服務。

3.2 室內(nèi)精確定位與動作識別

近年來興起的智能家居、體感游戲等新型應用，不僅對目標物體的定位精度提出了更高要求，還需要對用戶的特定動作進行識別。當前針對室內(nèi)精確定位與動作識別的研究通常以移動終端的無線信號強度（received signal strength indicator，RSSI）、信號抵達時間（time of arrival，TOA）和信號抵達角度（angle of arrival，AOA）等數(shù)據(jù)為輸入，通過數(shù)學模型求解位置坐標。這些數(shù)據(jù)的存儲、處理以及復雜的求解運算一般都需要在云端完成。

3.2.1 精確室內(nèi)定位

Lim等人將定位的WiFi訪問點（access point，AP）增加到3個，將收集到的RSS和AOA信息發(fā)送到云端服務器，執(zhí)行三角測量算法進行實時跟蹤定位，將定位精度提高到0.5～0.75 m區(qū)間內(nèi)。Array Track基于AOA實現(xiàn)移動終端的室內(nèi)定位和實時跟蹤，并通過MIMO技術(shù)和多路徑抑制算法來減少室內(nèi)多路徑反射的影響，將定位精度進一步提高到幾十厘米級，同時將時延控制在100 ms左右。為了提高TOA在有限的無線信道中的分辨率，Tone Track利用捷變頻技術(shù)提高帶寬利用率。AP在相鄰信道獲得3個數(shù)據(jù)包的情況下，就可以達到90 cm的定位精度。SpotFi 利用超分辨率算法和估算技術(shù)計算多徑分量的AOA，在普通AP上實現(xiàn)了40 cm的定位精度。WiTrack2.0基于人體反射的無線電信號，在服務器端執(zhí)行傅里葉變換，實現(xiàn)了同時對5個人的定位，定位精度達到11.7 cm。

3.2.2 動作識別

基于WiFi的人體動作識別是當前學術(shù)界研究的熱點之一。WiHear通過專門的定向天線獲取由唇形變化帶來信道狀態(tài)信息（channel state information，CSI）變化，在云端服務器上運行機器學習算法，根據(jù)人體發(fā)音時唇形的不同來辨別發(fā)出的單詞，并基于上下文進行糾錯。由于并沒有有效地消除噪聲，因此該系統(tǒng)需要通過定向的天線來得到更高的精度。WiDeo基于目標物體動作對WiFi信號反向散射的反射，實現(xiàn)對目標物體的定位及動作識別，在多人同時做動作的環(huán)境下，能達到7 cm的識別精度。E-eyes利用不同運動動作帶來CSI振幅不同來辨別包括洗澡、走路、洗碗等9種日常用戶的行為，但基本是以位置為導向的判斷方法。CRAME除了可以像E-eyes一樣識別人們的日常行為動作外，還通過CSI-speed和隱式馬爾可夫模型推測用戶的移動速度和動作的幅度變化。在CRAME研究的基礎上，作者又提出了識別鍵盤敲擊動作的WiKey，識別準確率達到93.5%。也有一些學者基于RFID、VLC甚至聲音實現(xiàn)人體動作識別、位置標記等。Yang等人提出Tadar系統(tǒng)，通過RFID識別墻體另一側(cè)的人體動作變化。Luxapose、PIXEL等系統(tǒng)則嘗試利用移動設備內(nèi)置的照相機捕捉LED燈光的高頻閃爍實現(xiàn)定位。基于VLC的LiSense系統(tǒng)，利用遮擋二維陰影信息重新構(gòu)造人體的三維骨架圖。EchoTag則是通過手機揚聲器主動發(fā)出聲音信號，由麥克風感測回聲的方式，實現(xiàn)精度1 cm的室內(nèi)位置標記。

3.3 海量位置信息管理

在移動云計算環(huán)境中，一方面，定位技術(shù)不斷發(fā)展，為移動應用提供越來越精準的位置信息；另一方面，隨著用戶數(shù)量的增長和移動應用的豐富，用戶位置、軌跡等數(shù)據(jù)量爆發(fā)式增長，查詢請求劇增、查詢空間變得更廣，位置服務系統(tǒng)也越來越依賴云平臺進行用戶位置軌跡等數(shù)據(jù)的存儲、計算、索引和查詢等管理，從而減輕移動端的存儲和計算負載。

面對龐大的用戶位置和運動軌跡等歷史數(shù)據(jù)，學者們基于云平臺的分布式處理方法，提出高效的索引查詢方案，旨在向用戶提供快速的查詢響應。Ma等人將Map-Reduce架構(gòu)用在大規(guī)模歷史軌跡數(shù)據(jù)處理方面，該方案把時間和空間軌跡數(shù)據(jù)存儲在不同節(jié)點上。在處理查詢時，在不同的節(jié)點分別執(zhí)行查詢操作，再合并輸出查詢結(jié)果。Eldawy等人將Hadoop上的Map-Reduce架構(gòu)改進，設計了用于分布式處理空間數(shù)據(jù)的SpatialHadoop系統(tǒng)。SHAHED將現(xiàn)有的SpatialHadoop系統(tǒng)，用于衛(wèi)星數(shù)據(jù)處理。文中將衛(wèi)星的數(shù)據(jù)按時間、空間存儲在不同的節(jié)點上，在索引端建立多重Quad-tree時空索引結(jié)構(gòu)，查詢時返回時空衛(wèi)星數(shù)據(jù)的熱點圖。

另外，用戶針對這些海量位置數(shù)據(jù)的信息查詢需求也越來越旺盛。而隨著查詢數(shù)據(jù)庫變多、查詢空間變得更加廣泛，移動終端的計算能力和電池能耗無法滿足大數(shù)據(jù)下的查詢服務。針對位置頻繁變化的移動終端，有些研究致力于索引技術(shù)的改進，提出了基于R-tree、B＋-tree、Quad-tree等索引結(jié)構(gòu)，綜合利用歷史軌跡、當前位置等信息查詢索引，旨在提高查詢的性能。Cong等人提出的算法，綜合考慮空間相似度和標注信息相關(guān)度，通過倒排表和R-tree索引，返回k個最相關(guān)的空間對象。Zhang等人提出m最近關(guān)鍵字查詢，用于找到m個空間最近并滿足m個用戶給定的關(guān)鍵字空間對象。還有一些研究則希望通過將信息查詢與推薦相結(jié)合，以進一步提高用戶體驗。Shi等人挖掘社交網(wǎng)絡中群體用戶潛在行為和喜好的相似性，設計LGM 群體行為挖掘和推薦模型。

4 移動終端節(jié)能技術(shù)

移動終端電池容量增長速度緩慢，迅速豐富的移動應用與移動終端有限的電量的矛盾愈發(fā)突出。移動終端電量已成為良好用戶體驗的瓶頸，也得到了學術(shù)界的廣泛關(guān)注。為了深入理解移動終端能耗管理的研究，本節(jié)從數(shù)據(jù)傳輸節(jié)能、定位服務節(jié)能等方面對節(jié)能方案進行梳理。

4.1 數(shù)據(jù)傳輸節(jié)能

隨著移動云計算的推廣應用，移動終端無線傳輸?shù)臄?shù)據(jù)量快速增長。無線數(shù)據(jù)傳輸能耗占移動終端能耗的比例也越來越大。WiFi和Cellular網(wǎng)絡是目前應用最廣泛的無線傳輸技術(shù)，因此網(wǎng)絡的傳輸節(jié)能的研究也大多基于這兩類網(wǎng)絡開展。

4.1.1 Cellular網(wǎng)絡傳輸節(jié)能

移動終端通過Cellular網(wǎng)絡傳輸數(shù)據(jù)通常采用無線資源控制協(xié)議（radio resource control，RRC）。針對RRC協(xié)議全過程的移動終端能耗測量顯示，移動終端網(wǎng)絡接口在完成數(shù)據(jù)傳輸后，會從高能耗狀態(tài)轉(zhuǎn)移到中間能耗狀態(tài)，即尾能耗狀態(tài)，其功率約為高能耗狀態(tài)的50%。尾能耗狀態(tài)結(jié)束后才會進入低能耗狀態(tài)，功率約為高能耗狀態(tài)的1%。尾能耗狀態(tài)的設計是為了減輕狀態(tài)轉(zhuǎn)換的延遲和開銷，然而數(shù)據(jù)傳輸過程中存在的過多尾能耗狀態(tài)卻大大降低了移動終端的能耗利用率。

目前針對尾能耗狀態(tài)節(jié)能的研究主要集中在兩個方面：一是通過改變尾能耗時間閾值來減少跳至尾能耗狀態(tài)次數(shù)及時間；二是通過傳輸調(diào)度來減少尾能耗。Labiod等人通過實驗數(shù)據(jù)來獲得最優(yōu)靜態(tài)快速休眠時間閾值，然而這沒有在真正意義上消除尾能耗，且不準確的估算會造成額外的開銷。TailTheft機制通過虛擬收尾機制和雙隊列調(diào)度算法進行預取數(shù)據(jù)和延遲傳輸?shù)膫鬏斦{(diào)度，以消除尾能耗。與調(diào)整時間閾值相比，此方法減少了錯誤估算造成的跳轉(zhuǎn)延時和開銷，但此方法并不適用于小數(shù)據(jù)傳輸。TailEnder協(xié)議通過對應用實現(xiàn)延遲或預取策略，合并數(shù)據(jù)發(fā)送狀態(tài)，減少傳輸過程中尾時間，達到節(jié)能目的。Zhao等人提出了基于GBRT的預測算法來預測用戶下載網(wǎng)頁后的瀏覽時間，當瀏覽時間大于一定閾值時，設備狀態(tài)將從尾能耗狀態(tài)跳至低能耗狀態(tài)。Cui等人設計了自適應在線調(diào)度算法PerES來最小化尾能耗和傳輸能耗，使能耗任意接近最優(yōu)調(diào)度解決方案。

4.1.2 WiFi網(wǎng)絡傳輸節(jié)能

移動終端在WiFi網(wǎng)絡中的能耗浪費主要源于CSMA機制中空閑監(jiān)聽（IL）狀態(tài)下的能耗。移動終端在IL狀態(tài)下的功耗和數(shù)據(jù)傳輸時的功耗相當，是Cellular網(wǎng)絡IDLE狀態(tài)功耗的40倍左右。目前對于WiFi的能耗優(yōu)化主要是基于802.11節(jié)電模式（PSM），即通過睡眠調(diào)度算法減少IL狀態(tài)的時間來達到節(jié)能目的。根據(jù)Zhang等人的測量，PSM通過捆綁下行數(shù)據(jù)包來減少網(wǎng)絡層延遲，減少了不必要IL時間。然而，由于載波感測和競爭使用的存在，PSM本身不能夠減少IL時間。他們發(fā)現(xiàn)IL下即使使用PSM策略仍然消耗了大量能耗，在繁忙網(wǎng)絡中IL消耗能量占到80%，在網(wǎng)絡接近空閑狀態(tài)下消耗能量也占到60%。

另外，一些學者針對具體應用提出了相應的節(jié)能方案。Bui等人重點針對網(wǎng)頁載入的能耗問題，通過感知網(wǎng)絡狀態(tài)而動態(tài)調(diào)整下載策略和畫面渲染的方式，在保證用戶體驗前提下，實現(xiàn)了節(jié)能24.4%的效果。Zhang等人則通過減少視頻尾流量和動態(tài)分配信道方式，將WiFi條件下的視頻傳輸能耗減少了29%～61%。

4.1.3 Cellular與WiFi切換節(jié)能

由于WiFi網(wǎng)絡的有效傳輸速率大于Cellular網(wǎng)絡，一些研究基于這一事實，研究Cellular與WiFi的切換節(jié)能，目標是將負載從Cellular網(wǎng)絡遷移至WiFi網(wǎng)絡，從而減少數(shù)據(jù)傳輸?shù)目傮w能耗。

Rahmati等人利用Cellular網(wǎng)絡和WiFi網(wǎng)絡的互補優(yōu)勢，基于網(wǎng)絡狀況的估計，智能地選擇節(jié)能的方式來傳輸數(shù)據(jù)。為了避免周期性掃描WiFi帶來不必要的能耗，文中設計了內(nèi)容感知算法，估算WiFi網(wǎng)絡分布和信號強度，只有在WiFi信號強度比較強時進行掃描，減少了35%的能耗。Yetim 等人比較了4種調(diào)度算法，旨在最小化Cellular網(wǎng)絡使用，從而減少數(shù)據(jù)傳輸能耗，并在真實的系統(tǒng)上進行了實現(xiàn)。實驗結(jié)果顯示，基于MILP調(diào)度策略通過預測數(shù)據(jù)請求，在傳輸調(diào)度時檢測WiFi的可用性和吞吐量，決策是否需要進行切換，最大限度地節(jié)約開銷和能量。值得指出的是，Cellular與WiFi切換主要的開銷包括切換過程中的時間開銷、數(shù)據(jù)流的遷移開銷以及移動終端從多個WiFi接入點中選擇接入點的計算開銷。Cellular與WiFi切換節(jié)能的研究必須將這些開銷考慮在內(nèi)。

4.2 定位服務節(jié)能

在移動云計算環(huán)境中，越來越多的應用程序提供位置服務。然而，定位過程中實時通信和計算的能量消耗較大。定位服務的節(jié)能也就成為節(jié)能研究的一個重要方向。定位節(jié)能研究主要可分為基于移動終端的優(yōu)化和基于云的優(yōu)化兩類?；谝苿咏K端的優(yōu)化主要是通過預測或改變移動終端選擇數(shù)據(jù)源的方式實現(xiàn)節(jié)能；基于云的優(yōu)化則主要通過將定位計算遷移到云端或獲取云端共享定位數(shù)據(jù)達到節(jié)能效果。

4.2.1 基于移動終端的能耗優(yōu)化

基于移動終端的能耗優(yōu)化主要有兩類方法：一是動態(tài)預測（dynamic prediction，DP）；二是動態(tài)選擇（dynamic selection，DS）。兩類方法都是旨在通過能耗較小的傳感器實現(xiàn)定位，從而降低高能耗GPS的使用率。DP通過能耗較少的傳感器（如指南針、加速度傳感器等）估算當前位置的不確定度。當不確定度超出誤差閾值時，將觸發(fā)GPS重新進行定位。DS根據(jù)當前定位技術(shù)的覆蓋和精度的需求動態(tài)地選擇使用GPS，WiFi和GSM定位。

Leonhardi等人最先提出基于時間和距離的追蹤。后續(xù)的研究正式地提出了動態(tài)追蹤技術(shù)，主要用于節(jié)能和GPS定位。Farrell等人在通信延遲和目標速度恒定不變的前提下，結(jié)合查詢和報告協(xié)議，給出特定環(huán)境最優(yōu)參數(shù)值。You等人在定位精確度和延遲、定位目標速度以及用于判斷定位目標移動的加速度都是恒定不變的前提下，提出的追蹤定位方法將定位精度提高了56.34%，能耗減少了68.92%。動態(tài)追蹤技術(shù)進一步發(fā)展，分成了現(xiàn)在的動態(tài)預測和動態(tài)選擇技術(shù)。

EnTracked架構(gòu)作為最主要的動態(tài)預測方案，首先由移動終端通過GPS獲得初始位置后關(guān)閉GPS。當用戶移動時，由感應器探測用戶移動狀態(tài)，并通過速度和精確度評估模塊估算用戶的速度。當估算的誤差超過預設的誤差閾值時，再次開啟GPS進行定位。EnTracked的問題在于，加速度傳感器在定位過程中一直處于工作狀態(tài)，這在某些場景下可能會比開啟GPS定位的能耗更大。另外，此方法只能檢測用戶的突然移動，而手機持續(xù)高速移動可能導致定位失敗。

Kjaergaard等人針對EnTracked的不足，提出軌跡追蹤的概念，并在EnTracked的基礎上改進提出了EnTracked 2。EnTracked 2通過前進感知策略得到一系列連續(xù)位置來確定當前的位置。它通過指南針檢測用戶前進方向和方向變化，根據(jù)速度和方向計算用戶現(xiàn)在與原來位置的距離。同時根據(jù)指南針給出的初始走向計算用戶的移動距離。當用戶運動方向發(fā)生變化時，上述兩種計算方法得到的位置會產(chǎn)生偏差。當偏差大于誤差閾值時，GPS會更新用戶的位置。相比于EnTracked，EnTracked 2大大提高了GPS開啟的間隔；基于占空比（duty-cycle）策略，提高了傳感器和指南針的使用效率；基于速度閾值策略支持對不同移動方式的檢測；簡化的移動軌跡算法減少了信息的發(fā)送，降低了通信開銷。然而，當請求的誤差閾值比較小時，EnTracked 2的錯誤率較高。

在城市環(huán)境中，由于建筑物等干擾，GPS定位不是非常精確，甚至難以獲得。RAPS同時使用DP和DS策略，在GPS不可用的情況下，實現(xiàn)了基于手機基站的定位服務。RAPS記錄當前手機基站ID和RSS信息，基于歷史速度信息估算用戶當前位置。RAPS還提出了多移動用戶間位置信息共享。RAPS的不足在于，它專門為市區(qū)行人制定策略，并不適用于其他場景，且RSS列表服務需要在云端數(shù)據(jù)中心的支持下才能有效工作。Nodari等人則基于運行軌跡建模減少終端與定位服務器通信的方式實現(xiàn)節(jié)能。

4.2.2 基于云的能耗優(yōu)化

除上述在移動終端上實現(xiàn)的優(yōu)化策略外，學者們又提出了借助云端來減少移動終端能耗的方案，主要包括基于存儲歷史軌跡信息的定位、遷移計算密集型任務至云端和通過鄰近移動終端分享精確位置信息實現(xiàn)定位。

（1）基于歷史軌跡信息的定位節(jié)能

電子地圖近年來發(fā)展迅速，用戶位置和軌跡信息通常被收集并存儲在云端。通過適當?shù)睦迷贫说男畔ⅲ脩艨梢砸员容^節(jié)能的方式獲取位置信息。用戶的移動通常是在同一時間段內(nèi)移動到某個區(qū)域，具有時空一致性。這意味著我們可以高效地在部分區(qū)域進行定位?；跉v史軌跡信息的定位通過云端存儲的大量歷史位置和軌跡信息，結(jié)合用戶移動性進行定位。

路線圖最先應用于提高車輛追蹤的精度。VTrack將路線圖匹配和WiFi定位相結(jié)合，以提高定位精度和降低能耗。CTrack擴展了VTrack的功能，通過歷史數(shù)據(jù)庫匹配一系列的GSM信號塔進行定位。CTrack將地理位置分為同一大小的方格，每個方格擁有周圍GSM以及信號強度的列表。CTrack還進一步利用能耗較低的傳感器如指南針、感應器來增加定位精度。這些通過地理位置描繪用戶信息的方法自動建立并更新數(shù)據(jù)集，隨著定位的持續(xù)進行，用戶的數(shù)據(jù)集非常龐大，冗余嚴重。

（2）基于計算遷移的定位節(jié)能

將定位服務的信號解碼和計算處理遷移至云端服務器也是定位節(jié)能重要的一類方法。A-GPS在原始GPS基礎上減少了接收信號的多普勒頻移和碼相移的不確定性，支持了更大的覆蓋范圍。A-GPS通過遷移能耗密集型部分不僅為了節(jié)約能量，也為后期節(jié)能提供了空間。LEAP將先前跟蹤得到的碼相位與CTN結(jié)合，在無需解碼和定位計算的前提下產(chǎn)生新的碼相位，以節(jié)約能量。CO-GPS（cloud-offloaded GPS）對LEAP進行擴展，將原始GPS信號傳輸至云端進行處理。實驗表明傳輸2 ms的數(shù)據(jù)足以用于定位，傳輸10 ms的數(shù)據(jù)（40 KB）可以使定位精度達到35 m。更高精確度的需求需要更多數(shù)據(jù)的傳輸，這必將帶來更多的傳輸能耗和服務器存儲能耗。用戶可以根據(jù)精度需求權(quán)衡能耗和定位精度。

（3）基于共享信息的定位節(jié)能

通過共享其他設備的位置信息以減少自身的定位開銷，是定位節(jié)能的另一種重要方式。Dhondge等人提出ECOPS系統(tǒng)，移動終端通過WiFi建立虛擬ad-hoc網(wǎng)絡共享位置信息。移動終端分為兩種模式：位置廣播者（PB）和位置接受者（PR）。當移動終端擁有足夠的電池電量和最新的位置信息，它就可以成為PB，否則就是PR。系統(tǒng)通過權(quán)衡位置精確度和能耗來定義位置信息的有效時間。PB通過WiFi熱點向PR提供最新的位置信息，PR盡可能地搜集GPS坐標和信號強度（RSSI），并在相應范圍內(nèi)搜集最近的3個PB，通過3點測量法進行定位。當搜集的PB只有一個或兩個時，PR就將PB的位置或兩PB的交集作為定位點。

5 數(shù)據(jù)安全與隱私保護

移動用戶在獲得云計算豐富服務的同時，也面臨越來越多數(shù)據(jù)泄漏、竊聽和隱私暴露等安全威脅。為了深入理解移動云計算安全的研究方向，本節(jié)從云端數(shù)據(jù)安全、用戶隱私保護和移動終端安全等方面對目前主要的安全方案進行了總結(jié)分析。

5.1 云端數(shù)據(jù)安全

移動云計算環(huán)境中，用戶的數(shù)據(jù)和計算任務通過無線網(wǎng)絡遷移到并不完全可信的云端數(shù)據(jù)中心，而且還要支持在線查詢、多用戶數(shù)據(jù)共享等。這不僅面臨來自外部攻擊者的威脅，甚至可能由于云服務提供者的內(nèi)部攻擊或不當操作，造成數(shù)據(jù)泄露、損壞或丟失。針對這些新型的安全威脅，研究者們在傳統(tǒng)安全機制的基礎上，提出了一系列針對云端數(shù)據(jù)安全的創(chuàng)新解決方案。

5.1.1 身份認證與訪問控制

身份認證是云端數(shù)據(jù)安全存儲的關(guān)鍵技術(shù)。針對移動終端計算資源受限和移動性等特點，Chow等人設計了一種結(jié)合TrustCube和隱式認證的云認證平臺。為了避免由于多用戶并行訪問造成的服務性能下降，認證服務以第3方服務器的形式部署到云端。TrustCube作為一種開放標準的云認證基礎設施，支持多種認證方式。隱式認證不通過用戶存儲的數(shù)據(jù)、生物計量信息來認證用戶，而是應用數(shù)學統(tǒng)計模型，將用戶的行為習慣轉(zhuǎn)化成概率認證分數(shù)，認證用戶的合法性。

為了保證安全性，用戶數(shù)據(jù)需要以密文形式存儲在云端，但這給數(shù)據(jù)訪問共享帶來一定困難。一是大規(guī)模用戶的數(shù)據(jù)共享需要大量密鑰，生成、分發(fā)和保管這些密鑰比較困難；二是如果實施細粒度的訪問控制，則會成倍的增加密鑰數(shù)量；三是當用戶訪問權(quán)限更新或撤銷時，需要重新生成新的密鑰，勢必引入巨大的計算量。另一個重要問題是傳統(tǒng)的訪問控制方法需要依賴于一個可信的服務器，而該假設在不可信云計算環(huán)境中是不成立的。針對上述問題，研究者提出一系列新的密碼機制，如可選擇加密和基于屬性的加密。ABE以用戶屬性為公鑰，通過引入訪問結(jié)構(gòu)將密文或用戶私鑰與屬性關(guān)聯(lián)，能夠靈活地表示訪問控制策略，對數(shù)據(jù)進行細粒度訪問授權(quán)，且具有良好的系統(tǒng)擴展性，是實現(xiàn)云數(shù)據(jù)訪問控制的理想方案。

5.1.2 輕量級的數(shù)據(jù)完整性保證

云端的不可靠性、來自外部的攻擊以及移動用戶的誤操作都可能對存儲在云端的數(shù)據(jù)造成破壞。Tanenbaum等人和Wang等人提出了針對單一數(shù)據(jù)擁有者的云端數(shù)據(jù)完整性保護方案，允許用戶在不訪問數(shù)據(jù)的前提下，遠程驗證云端數(shù)據(jù)的完整性。Itani等人在保證數(shù)據(jù)完整性的同時，考慮了移動終端的節(jié)能問題。他們提出的框架中，由協(xié)處理器為用戶數(shù)據(jù)生成并維護相應的消息認證碼，客戶端只需要通過消息認證碼驗證數(shù)據(jù)的完整性，節(jié)約了網(wǎng)絡帶寬和移動終端能量的消耗。

如何保證多用戶共同擁有數(shù)據(jù)的完整性是云端數(shù)據(jù)完整性保護面臨的特有挑戰(zhàn)。Wang等人基于環(huán)簽名技術(shù)設計了同態(tài)驗證器，可以保證多個用戶修改共享數(shù)據(jù)時的數(shù)據(jù)完整性。他們在此基礎上又提出了Panda，以支持用戶的撤銷操作。然而，Panda的完整性保護基于多個用戶的操作與云操作無沖突的假設，并且檢查開銷與用戶量和數(shù)據(jù)量呈線性關(guān)系，一定程度上限制了方案的可擴展性。為了解決這些問題，Yuan等人提出了基于多項式認證標簽和安全代理標簽的完整性驗證技術(shù)。此方案引入第3方審計（third party auditor，TPA），用于檢查云端數(shù)據(jù)完整性。此方案支持多用戶公開的完整性檢查和多用戶修改、撤銷操作，能夠抵御用戶與云端的共謀攻擊，并且能保持恒定的完整性檢查計算開銷。

5.1.3 基于外包計算的機密性保護

在傳統(tǒng)的加密機制保護下，用戶如果想將已經(jīng)上傳至云端的文件進行修改或者共享給其他用戶，就需要將整個文件下載修改后再次加密，上傳至云端。為了實現(xiàn)保持密文狀態(tài)下對文件的操作，研究者們提出了代理重加密機制。代理重加密機制允許在不解密的情況下，將對應一個密鑰的密文轉(zhuǎn)化為對應另一個密鑰的密文。這就允許在不暴露原始數(shù)據(jù)和密鑰前提下，將頻繁的數(shù)據(jù)操作遷移至云端?？紤]到移動終端的資源限制，Khan等人對現(xiàn)有的代理重加密機制進行改進，提出了基于增量的代理重加密機制，使得移動終端在修改文件時，只需要對修改部分進行操作，減少冗余信息的下載與上傳，進一步減少了移動用戶的流量和能耗開銷。

可查詢加密和同態(tài)加密旨在提供密文狀態(tài)下的安全查詢服務。另外，密鑰的可靠分發(fā)是數(shù)據(jù)機密性保護的基礎。鑒于移動設備的資源有限，Wang等人通過基于身份的密鑰封裝機制，設計了匿名密鑰批量分發(fā)系統(tǒng)，滿足了可穿戴醫(yī)療設備頻繁、高效更新密鑰的需求。

5.2 用戶隱私保護

除了保護用戶的數(shù)據(jù)安全外，用戶隱私保護也是移動云計算中受到廣泛關(guān)注的問題。移動云計算中涉及的隱私主要是指個人或者組織不愿向他人透露的敏感信息，例如個人身份、家庭住址、健康狀況、習慣愛好、活動位置以及查詢行為等，其相應的保護技術(shù)主要包括身份隱私保護、位置信息保護以及查詢特征保護技術(shù)等。

（1）身份隱私保護

在多用戶數(shù)據(jù)共享時一般采用基于公鑰加密機制的環(huán)簽名技術(shù)實現(xiàn)用戶身份隱私保護，可以防止云服務提供者在驗證用戶身份時獲得用戶的個人身份信息。然而，這種方案無法很好地適應群組中的用戶頻繁加入離開的場景。為了解決這個問題，Jung等人基于ABE設計了匿名訪問控制機制，用用戶的屬性信息替代用戶身份信息進行身份認證，以避免身份信息的泄漏。

（2）位置隱私保護

針對用戶的位置隱私，Riboni等人提出了隱私保護模型，在保證通信安全的前提下，向朋友發(fā)送自己的精確位置信息。Duckham等人提出了模糊位置機制，以降低用戶位置信息的精確度的方式來保護用戶的位置隱私。感知助手通過定制第三方應用的傳感器訪問策略，防止惡意應用通過訪問傳感器竊取用戶隱私信息。

（3）行為隱私保護

對查詢隱私的保護主要采用安全索引、虛擬查詢等方法進行保護。安全索引主要是應用安全索引函數(shù)建立索引與數(shù)據(jù)之間的映射關(guān)系。通過隱藏索引與原始數(shù)據(jù)之間的對應關(guān)系，防止查詢造成原始數(shù)據(jù)的泄露。虛擬查詢是通過在一個真實請求中夾雜N個虛假請求來掩飾用戶的真實信息。為了減少服務器處理額外N個請求的負擔，Mascetti等人提出的方案中，將產(chǎn)生的虛假請求組成網(wǎng)格，每個虛假請求在每個網(wǎng)格頂點上。服務器端使用相同的方法將信息返回給用戶，用戶通過過濾得到所需的真實信息。

5.3 移動終端安全

移動云計算應用除了面臨傳統(tǒng)云計算的安全威脅外，還面臨著許多針對移動終端的特有安全威脅，例如惡意代碼（惡意代碼病毒、蠕蟲和特洛伊木馬等）造成的信息被竊、操作系統(tǒng)漏洞造成的數(shù)據(jù)丟失、通過不安全的接入點訪問網(wǎng)絡等。檢測并抵御這些安全威脅最直接的辦法就是在移動終端上安裝安全軟件。例如，支持Android系統(tǒng)的Norton Mobile Security Lite具有遠程鎖定、反惡意軟件、在線更新等功能；Kaspersky Mobile Security更是集病毒防護、反惡意軟件、防盜、防火墻等功能于一身。

在移動云計算環(huán)境中，安全軟件的功能完備性和持續(xù)運行能力都在一定程度上受到移動終端處理能力、能量等限制。針對這一矛盾，Oberheide等人提出了基于云的安全軟件平臺。客戶端只需要安裝一個輕量級的代理程序，監(jiān)測系統(tǒng)中的文件操作行為，而復雜的病毒防護、攻擊檢測等功能則由云端服務器完成。與傳統(tǒng)的安全軟件相比，這種云支持的安全軟件不僅功能大大增強，而且可以節(jié)約30%的能耗。

為了從根本上增強移動終端的整體安全性，有些學者通過內(nèi)核代碼分析、功能測量等方式對Android、Windows Mobile和iPhone OS等操作系統(tǒng)進行了綜合的安全評測，并在此基礎進行了操作系統(tǒng)安全性增強的嘗試。Yuan等人針對Android系統(tǒng)設計的基于機器學習的惡意軟件檢測方法可以達到96%的精確性?？尚庞嬎愎ぷ鹘M則希望通過在移動設施上植入移動可信模塊（mobile trusted module，MTM）的方式，為移動設施提供安全啟動、登錄認證、程序完整性保護、數(shù)據(jù)加密保護等安全功能。然而，由于缺少完備的公鑰基礎設施支持，這種方法目前還沒有得到廣泛的應用。

6 移動云計算典型應用

隨著移動云計算技術(shù)的持續(xù)發(fā)展，各類新型應用也應運而生，典型的有移動云存儲、微云應用、基于群智的應用和移動云游戲等。這些應用對前文所述的計算遷移、基于移動云的位置服務、移動終端節(jié)能及安全保護等技術(shù)的依賴關(guān)系看出，移動云應用一般需要多項移動云計算關(guān)鍵技術(shù)的共同支持。一方面為了增強應用功能和優(yōu)化應用性能，會根據(jù)需求選用相應遷移技術(shù)、位置服務或節(jié)能技術(shù)；另一方面也越來越傾向于綜合選用多種安全技術(shù)來共同保障移動應用的安全性。

6.1 移動云存儲移動

云存儲服務作為新興的移動云計算應用，得到了學術(shù)界和工業(yè)界的廣泛關(guān)注。Drago等人最先對目前主流的商業(yè)云存儲服務Dropbox進行測量研究。Dropbox在存儲文件時將文件控制信息（元數(shù)據(jù)信息、Hash值等）和數(shù)據(jù)信息分開，分別存儲在控制服務器和存儲服務器。服務器在多個地區(qū)分布式部署，就近為用戶提供服務，減少用戶接入的時延和帶寬成本。在后續(xù)的工作中，Drago等人又進一步對4個主要商用的云存儲服務Box、Dropbox、GoogleDrive、OneDrive進行了測量比較，研究發(fā)現(xiàn)Dropbox已經(jīng)實現(xiàn)增量編碼、冗余消除和文件壓縮等云存儲優(yōu)化機制。對云端已經(jīng)存在的數(shù)據(jù)塊，移動終端采用冗余消除技術(shù)只上傳文件的控制信息。當云端文件發(fā)生小部分修改時，移動終端采用增量編碼技術(shù)，只上傳數(shù)據(jù)塊修改的部分。當上傳可壓縮文件時，移動終端通過壓縮技術(shù)減少文件本身的冗余信息，節(jié)約文件在云端的存儲空間。采用這些優(yōu)化技術(shù)不僅節(jié)約了數(shù)據(jù)上傳帶寬，而且減少了云端的存儲資源占用。

基于上述研究，Cui等人從移動終端的角度對上述云存儲服務進行相關(guān)研究。通過測量發(fā)現(xiàn)，移動終端通過持續(xù)的HTTP（S）連接來保持各終端數(shù)據(jù)一致性，同一管理賬戶的數(shù)據(jù)一旦通過某一終端更改，就會通過推送機制同步至云端其他移動終端。文中還從同步開銷、同步完成時間和能耗對上述服務進行測量對比，發(fā)現(xiàn)各個服務都有各自的優(yōu)缺點。各服務實現(xiàn)了不同粒度的靜態(tài)文件分塊，Dropbox還實現(xiàn)了冗余消除。在網(wǎng)絡狀況不穩(wěn)定的無線環(huán)境下，移動終端存在數(shù)據(jù)同步延遲過大甚至同步失敗，小部分文件修改竟產(chǎn)生上百乃至上千倍的同步數(shù)據(jù)量，這些都很大程度上降低了移動云存儲服務的同步效率。

針對測量中發(fā)現(xiàn)的問題，Cui等人設計了QuickSync系統(tǒng)，從同步時延、同步開銷等方面進行優(yōu)化，很大程度上提高了云存儲的同步效率。QuickSync系統(tǒng)在本地同步文件夾上監(jiān)聽到文件添加或修改操作會觸發(fā)文件同步。內(nèi)容定義分塊器通過CDC（content defined chunking）算法將文件切分成多個長度不均等的數(shù)據(jù)塊，再將每個數(shù)據(jù)塊的控制信息和數(shù)據(jù)信息傳輸給冗余消除器。冗余消除器通過與本地數(shù)據(jù)庫進行對比，對數(shù)據(jù)塊執(zhí)行冗余消除和增量編碼操作，并將數(shù)據(jù)信息存放在批量同步器。冗余消除器將控制信息備份至本地，并傳輸至云端。批量同步器通過延遲確認和批量傳輸機制將數(shù)據(jù)流上傳至云端。

QuickSync系統(tǒng)實現(xiàn)的CDC算法、冗余消除機制和批量同步算法大大減少了同步的數(shù)據(jù)量和完成時間。移動云存儲服務還可以在TL（tail latency）、多云傳輸?shù)认嚓P(guān)方面進行更深入的研究。隨著學術(shù)界和工業(yè)界越來越重視移動云存儲服務，IETF也開始著手推動相關(guān)領域協(xié)議的標準化。

目前的云存儲服務已經(jīng)基本解決了單個應用的跨平臺、跨設備的同步問題，但各類服務還基本處于互不相干的獨立工作狀態(tài)，即單個應用只能解決用戶的單個問題，用戶信息也是碎片化的存儲在不同位置。IFTTT的推出，旨在利用開放的API，將Twitter、Dropbox等各個網(wǎng)站或應用通過工作流串聯(lián)起來，通過觸發(fā)器和響應動作的方式，實現(xiàn)多種應用的通信和協(xié)同工作，整合增強云服務的功能，為用戶提供智能化的信息服務。例如將用戶保存到印象筆記中的文檔自動備份到Dropbox；將用戶收到的特定標簽的郵件以短信形式自動轉(zhuǎn)發(fā)到用戶手機上等。然而，IFTTT目前只支持特定應用。如何開放性地支持多種應用，并允許移動用戶自定義任務工作流程還需要進一步的研究。

另外，由于存儲容量、接入帶寬、訪問延遲、服務類型以及服務價格等因素限制，70%以上的移動用戶都同時應用多個云服務商提供的服務。UniDrive、AONT-RS、DEPSKY和scc等系統(tǒng)，旨在通過多云協(xié)作的方式增強用戶數(shù)據(jù)的可用性。然而，目前提出的以客戶端為中心的多云協(xié)作的體系架構(gòu)，需要客戶端維護多份數(shù)據(jù)副本并分別上傳到不同云端，增加了客戶端計算、網(wǎng)絡傳輸?shù)拈_銷。另外，這種架構(gòu)也無法滿足多用戶數(shù)據(jù)分享的需求。用戶數(shù)據(jù)在多云之間安全高效的同步、共享必將成為移動云計算領域新的研究課題。

6.2 微云應用

Cloudlet模式減少了移動終端接入延遲，提高了網(wǎng)絡帶寬，其應用模式非常的多樣化。Quwaider等人就通過個人終端、組網(wǎng)設備等組成通信網(wǎng)絡建立了基于Cloudlet的數(shù)據(jù)采集處理系統(tǒng)，分析人體相關(guān)信號信息，但僅適用于輕量級的數(shù)據(jù)采集分析。由于Cloudlet服務器的性能決定了移動用戶享受的服務效果，一些學者從計算能力、服務延遲對于應用遷移至遠端Cloud還是本地Cloudlet做了相關(guān)研究。Li等人認為Cloudlet提供的總計算能力取決于Cloudlet的計算性能、節(jié)點的生存周期和可到達時間，用戶根據(jù)計算需求選擇計算任務遷移方式。Fesehaye等人從移動環(huán)境下數(shù)據(jù)傳輸跳數(shù)動態(tài)選擇文件編輯、視頻流播放和網(wǎng)絡會議等云應用數(shù)據(jù)遷移方式。

上述研究都依賴于集中式云架構(gòu)，Wu等人提出了一個基于Cloudlet的多邊資源交換架構(gòu)，每個移動終端都可以部署一個微云向其他移動終端提供計算資源。文中提供以市場為導向的移動資源交易方式，設計貿(mào)易機制和競價策略，實現(xiàn)高效的資源交換，增大Cloudlet網(wǎng)絡覆蓋范圍。

Cloudlet管理問題是一個目前比較大的挑戰(zhàn)。目前Cloudlet架構(gòu)中主要的解決方案是使用VM技術(shù)來簡化Cloudlet管理。用戶在使用前預先定制VM，使用后清除，以此來確保每次使用的微云架構(gòu)能恢復到原始狀態(tài)。VM寄宿在Cloudlet架構(gòu)的永久軟件環(huán)境中，相比于進程級遷移更加的穩(wěn)定，而且對編程語言的要求低、限制少。另外，Cloudlet多基于無線局域網(wǎng)設計實現(xiàn)，而無線局域網(wǎng)的通信距離有限，因此終端的移動性是Cloudlet系統(tǒng)有效工作所必有考慮的因素。

6.3 基于群智的應用

現(xiàn)在的移動終端除了擁有越來越強大的處理能力外，通常還內(nèi)置定位、光線和位移等多種傳感器，這促使群智應用逐漸從固定電腦轉(zhuǎn)向了移動終端。移動群智服務主要應用在自然環(huán)境檢測、基礎設施監(jiān)視和移動社交等場景。移動終端可以作為數(shù)據(jù)提供方向云端提供信息，也可以作為被服務方從云端獲取服務。

Yan等人提出了基于iPhone的mCrowd平臺，利用傳感器進行位置感知的圖像采集和道路監(jiān)視，iPhone用戶既是服務提供者，也同時可以享受平臺提供的服務。Eagle等人提出的txteagle主要基于群智為用戶提供語言翻譯、市場調(diào)查和語音轉(zhuǎn)錄等服務。MobileWorks、mClerk為發(fā)展中國家的用戶提供光學字符識別（optical character recognition，OCR）等服務。MobileWorks平臺字符識別速率非常快，精確度非常高（99%）。Jigsaw通過從移動用戶收集的位置、空間大小等信息，結(jié)合用戶的移動軌跡重構(gòu)建筑物內(nèi)部結(jié)構(gòu)，為室內(nèi)定位提供依據(jù)。Ou等人則通過收集到的移動用戶在不同位置的手機信號強度來預測未來的信號強度，并以此為基礎調(diào)度數(shù)據(jù)傳輸，實現(xiàn)手機節(jié)能的目的。

有些學者嘗試在機會型感知網(wǎng)絡上實現(xiàn)群智系統(tǒng)。Wang等人和Xie等人的研究側(cè)重于優(yōu)化消息的傳遞效率，減少通信的開銷和能耗。Tuncay等人的研究更加側(cè)重于參與式感知框架，包括傳感器更新階段和提前啟動數(shù)據(jù)收集階段。上述研究都基于特定的應用，目標是以最快的方式和最小的開銷來傳送最大的數(shù)據(jù)量至數(shù)據(jù)匯集點，并沒有考慮到基于位置相關(guān)的數(shù)據(jù)來提高覆蓋范圍的問題。Karaliopoulos等人通過潛在的優(yōu)化方法為確定性和隨機性用戶移動場景設計最低成本集覆蓋。

激勵機制是基于群智服務必須考慮的一個問題。學者們在任務分配、獎勵分配以及用戶選擇角度開展了一系列研究。Gao等人對每個時隙中如何選取最優(yōu)用戶來最大化總貢獻值進行了深入研究。文中提出基于Lyapunov算法的在線競拍策略和考慮到未來信息（完整的或隨機的）的離線策略，以提高用戶服務率和社會貢獻率。Zhang等人基于用戶行為偏好，設計了預算有限情況下的任務分配策略和定價機制，以此提高任務處理效率并節(jié)約任務開支。

隨著移動社交應用的快速發(fā)展，移動社交網(wǎng)絡與群智服務的結(jié)合也越來越受到研究者關(guān)注。Xiao等人研究提出了基于移動社交網(wǎng)絡（mobile social networks，MSN）的復雜計算和傳感任務分配方案。

在移動過程中，每當請求方遇到鄰近空閑用戶時，給其分配處理任務，直到所有任務都分配完畢。服務方完成任務時將處理結(jié)果返回給請求方。請求方還可以通過無線接入點向固定式計算機分配任務。就近任務分配原則有效降低了傳輸開銷。然而，由于用戶的移動性，如何保證動態(tài)的用戶集高效可靠地完成任務是需要進一步研究的問題。

6.4 移動云游戲

作為移動云計算的典型應用，移動云游戲?qū)鹘y(tǒng)游戲的復雜計算遷移到云端，移動終端只需向云端發(fā)送游戲指令，云端執(zhí)行游戲計算、數(shù)據(jù)存儲任務，并將游戲畫面編碼成實時視頻流傳輸至移動終端。這不僅極大地擴展了移動終端的執(zhí)行能力，更提高了游戲的平臺兼容性和升級維護的靈活性。

游戲平穩(wěn)性和實時性是移動云游戲重要的性能指標，尤其是數(shù)據(jù)傳輸延時對用戶體驗影響極大。Huang等人設計開發(fā)了GamingAnyWhere，旨在從響應時延、網(wǎng)絡負載和視頻質(zhì)量等方面對移動云游戲系統(tǒng)進行優(yōu)化，并與OnLive、Gaikai、StreamMyGame等當前主流的移動云游戲服務進行了對比。為了進一步降低延遲，Chao等人提出了基于UDP的數(shù)據(jù)傳輸協(xié)議Pangolin，解決TCP傳輸數(shù)據(jù)的不可并發(fā)性。Pangolin基于馬爾可夫決策理論自適應決策，通過在線查表，發(fā)送冗余前向糾錯數(shù)據(jù)包等方式進行優(yōu)化控制，降低數(shù)據(jù)包丟失概率，并將傳輸延遲從4 s多降低到1 s。此協(xié)議已經(jīng)納入到Xbox SDK中，真正在工業(yè)界發(fā)揮效用。Outatime則通過預測未來狀態(tài)、基于圖像的狀態(tài)近似、快速狀態(tài)點檢測與回滾以及狀態(tài)壓縮傳輸?shù)确绞剑罡呖梢詫⒕W(wǎng)絡延遲減少120 ms。然而，由于無線接入方式的多樣性，無線帶寬抖動等特有屬性，交互的實時性和游戲畫面的流暢性仍是移動云游戲研究領域需要重點解決的問題。

7 發(fā)展趨勢與展望

7.1 移動云計算的功能增強

（1）計算遷移中高效的環(huán)境感知與決策

隨著移動云計算應用的普及，學者們針對不同應用場景提出了一系列計算遷移方案。然而，計算遷移技術(shù)要得到更廣泛的應用，以下幾個問題有待進一步深入研究：一是對本地執(zhí)行和遠程執(zhí)行代價（移動終端能耗、傳輸流量以及執(zhí)行時間等）的準確預估。二是對系統(tǒng)狀態(tài)和環(huán)境信息（終端電量、系統(tǒng)負載以及網(wǎng)絡帶寬等）的高效收集。以上兩點都是做出有效的遷移決策的基礎。三是用戶數(shù)據(jù)的安全與隱私保護，這是計算遷移技術(shù)推廣應用的基礎。另外，統(tǒng)一的體系架構(gòu)、規(guī)范的API接口等也是計算遷移技術(shù)得以廣泛應用必須進一步研究的。

（2）基于精準定位與動作識別的移動云計算服務增強

室內(nèi)定位技術(shù)作為近兩年學術(shù)界的研究熱點，其定位精度、系統(tǒng)性能等都有大幅提高。近年來，隨著室內(nèi)定位技術(shù)研究的不斷深入，學者們已經(jīng)從單純的追求定位精度的優(yōu)化，進一步擴展到對目標物體的移動軌跡、動作識別等的研究。如何針對多樣的用戶需求、復雜多樣的室內(nèi)室外場景，基于用戶的位置及行為特征，為用戶提供個性化的、高效便捷的云服務將是未來需要進一步重點研究的方向。

（3）基于新型通信技術(shù)與網(wǎng)絡架構(gòu)的移動云計算服務增強

最新提出的5G 通信技術(shù)不僅提供了更加高速的網(wǎng)絡接入，并且對微基站、終端對終端直連通信（device to device，D2D）以及室內(nèi)定位等提供了更好支持。如何將5G提供的新特性應用于移動云環(huán)境，為用戶提供更加多樣、高效的服務將是學術(shù)界未來研究的一個重要方向。如何將軟件定義網(wǎng)絡（software-define networking，SDN）與5G網(wǎng)絡相結(jié)合，為移動云計算提供智能高效的網(wǎng)絡管理、靈活健壯的網(wǎng)絡服務也將是未來需要進一步重點研究的方向。

7.2 移動云計算的服務質(zhì)量保障

（1）適應異構(gòu)無線網(wǎng)絡的移動云計算高效持續(xù)服務

目前已逐步推廣應用的通信技術(shù)已經(jīng)可以為移動用戶提供高達百兆的傳輸速率，為用戶享受更豐富的移動云計算服務提供了基礎。然而爆炸式增長的移動流量與有限的帶寬資源、空口資源之間的矛盾依然突出。認知無線電技術(shù)有望成為提高帶寬利用率的有效方法。另外，將Cellular網(wǎng)絡流量有效遷移到WiFi網(wǎng)絡也是解決空口資源緊張問題的重點研究方向。移動用戶的連續(xù)移動以及在多種無線網(wǎng)絡間的頻繁切換，是用戶享受穩(wěn)定、持續(xù)的接入云端數(shù)據(jù)中心，享受互操作性服務面臨的又一阻礙。因此，適應接入網(wǎng)絡異構(gòu)性的自適應協(xié)議，尤其是對速率自適應和擁塞控制機制支持，也將是提高移動云計算性能的一個重點研究方向。

（2）高效的云端數(shù)據(jù)一致性保障

在復雜的無線環(huán)境下，保證用戶終端與云端數(shù)據(jù)的一致性，也是保證移動云計算服務質(zhì)量面臨的重要挑戰(zhàn)。最近的一些研究成果，多采用多復本發(fā)送、冗余備份的方式實現(xiàn)終端數(shù)據(jù)的有效發(fā)送，以及多終端與云端間的數(shù)據(jù)一致性。然而，這種機制卻無形中增加了移動終端的流量和能耗開銷。特別是針對終端能耗的受限，如何將數(shù)據(jù)一致性保護機制與能耗優(yōu)化的傳輸機制結(jié)合，實現(xiàn)更好傳輸性能與能耗的協(xié)調(diào)折衷，也是移動云計算應用必須研究的。

7.3 安全可用的移動云服務

（1）面向移動終端的安全保護方案

移動云計算環(huán)境中，用戶通過無線網(wǎng)絡將數(shù)據(jù)或計算任務外包給并不完全可信的云端數(shù)據(jù)中心，這使得用戶不僅面臨傳統(tǒng)的來自外部的攻擊，甚至可能由于云服務提供者的內(nèi)部攻擊或不當操作，造成數(shù)據(jù)泄露、損壞或丟失。針對這些安全威脅，研究者們在傳統(tǒng)安全機制基礎上，提出了可查詢加密、同態(tài)加密、可選擇加密以及基于屬性的加密]等一系列創(chuàng)新安全解決方案。然而，這些解決方案大都依賴計算復雜度更高的密碼體制。如何實現(xiàn)復雜的安全機制與移動終端有限的資源之間的協(xié)調(diào)折衷，在保證安全性的同時，盡量減少對服務質(zhì)量的影響是移動云計算安全領域面臨的挑戰(zhàn)。

（2）基于云的移動終端安全防護技術(shù)

針對移動終端的安全威脅，如何為處理能力、電量等資源受限的移動終端提供有效的入侵檢測、病毒防護等功能也是需要進一步的深入研究。將復雜的密碼機制、安全防護功能以保密的方式遷移到云端，將是移動云安全領域發(fā)展的必然趨勢。另外，如何處理好加密機制與傳輸優(yōu)化中的增量同步、冗余消除等機制的沖突，云端數(shù)據(jù)共享與用戶隱私保護的沖突，以及位置隱私保護與基于精確定位的移動云計算服務等方面沖突，也是移動云計算安全研究中必須考慮的問題。

8 結(jié)束語

隨著無線數(shù)據(jù)通信和移動互聯(lián)網(wǎng)的廣泛應用，移動云計算技術(shù)得到了迅速發(fā)展，受到了學者們的廣泛關(guān)注，并在計算遷移、基于移動云的位置服務、終端節(jié)能以及數(shù)據(jù)安全與隱私保護等方面開展了深入的研究，取得了一系列重要研究成果。本文對這些成果進行了系統(tǒng)的總結(jié)和分析，并進一步指出了未來的一些研究發(fā)展方向。

然而，隨著虛擬現(xiàn)實、智能家居等新型應用的不斷涌現(xiàn)，以及移動應用向醫(yī)療、教育、金融等領域的進一步滲透，移動云計算在高效性、可靠性和安全性等方面還面臨著許多新的技術(shù)挑戰(zhàn)，也為研究者提出了一系列新的研究課題。