本书围绕在工业界广泛应用的云计算与边缘计算技术，在扼要介绍传统理论及方法的基础上，系统地论述了著者近10年来在“云-边-端”协同服务领域的理论、算法及应用成果，为读者的进一步研究提供参考。第1章介绍互联网的服务演变、使能技术以及面临的挑战，并分析新型关键技术“云-边-端”协同的研究现状；第2章对内生关系感知的“云-边-端”协同服务架构进行介绍；第3章对“云-边-端”协同的轨迹隐私保护技术进行介绍；第4章对“云-边-端”协同的实体搜索服务技术进行介绍；第5章对“云-边-端”协同的视频缓存分发技术进行介绍；第6章对“云-边-端”协同的情感识别技术进行介绍。
本书可供从事通信工程、网络工程、信息安全等学科领域的研究、教学人员参考，同时也适合对这一技术感兴趣的学者及工程人员阅读。

第1章 绪论
1.1 互联网网络服务的演变
1.2 互联网服务使能技术
1.3 互联网服务面临的问题及挑战
1.4 “云-边-端”协同服务技术研究现状及发展趋势
1.5 本章小结
参考文献
第2章 内生关系感知的“云-边-端”协同服务架构
2.1 “云-边-端”协同服务原则与目标
2.2 “云-边-端”协同服务的研究现状及主要挑战
2.2.1 “云-边-端”协同服务的研究现状
2.2.2 “云-边-端”协同服务的主要挑战
2.3 内生关系感知的“云-边-端”协同服务架构模型
2.3.1 上下文感知
2.3.2 信任管理
2.3.3 协同分发
2.4 本章小结
参考文献
第3章 “云-边-端”协同的轨迹隐私保护技术
3.1 轨迹隐私保护研究现状及主要挑战
3.1.1 国内外研究现状
3.1.2 当前存在的主要挑战
3.2 系统模型与基础理论
3.2.1 系统模型
3.2.2 零知识证明
3.2.3 群签名
3.2.4 本地差分隐私
3.3 基于零知识证明和群签名的匿名认证方法
3.3.1 基于零知识证明的匿名认证方法
3.3.2 基于群签名的匿名认证方法
3.4 “云-边-端”协同的位置及轨迹隐私保护方法
3.4.1 基于空间四叉树的地理位置编码方法
3.4.2 基于本地化差分隐私位置/轨迹数据保护方法
3.4.3 实验分析
3.5 本章小结
参考文献
第4章 “云-边-端”协同的实体搜索服务技术
4.1 实体搜索服务技术研究现状及主要挑战
4.1.1 研究现状
4.1.2 主要挑战
4.2 实体搜索模型与基础理论
4.3 动态特征提取与高效搜索方案
4.3.1 有效的数据抽象与表征方法
4.3.2 时变性感知的实体状态特征提取方法
4.3.3 “云-边-端”协同的实体状态数据缓存方法
4.4 “云-边-端”协同的实体搜索性能评估
4.4.1 实体分类方法性能验证
4.4.2 实体数据缓存方法性能验证
4.4.3 实体搜索方法性能验证
4.5 本章小结
参考文献
第5章 “云-边-端”协同的视频缓存分发技术
5.1 技术挑战
5.2 “云-边-端”协同的视频缓存分发模型与基础理论
5.2.1 “云-边-端”协同网络场景
5.2.2 视频缓存分发模型
5.2.3 视频缓存分发问题解耦
5.3 “云-边-端”协同群组兴趣挖掘方案
5.3.1 用户偏好感知的兴趣预测方法
5.3.2 群组社交相似度感知的视频缓存策略
5.4 “边-端”协同无线资源分配方案
5.5 “云-边-端”协同视频缓存分发方案性能评估
5.5.1 用户兴趣预测评估
5.5.2 视频缓存性能评估
5.5.3 视频传输性能评估
5.6 本章小结
参考文献
第6章 “云-边-端”协同的情感识别技术
6.1 情感识别技术研究现状及主要挑战
6.2 系统模型与基础理论
6.3 用户情感识别的模型迁移方案
6.3.1 EEG信号预处理
6.3.2 特征提取
6.3.3 三维通道映射
6.3.4 卷积神经网络
6.3.5 迁移学习
6.4 “云-边-端”协同的情感识别性能评估
6.4.1 实验设计及数据处理
6.4.2 实验结果及讨论
6.5 本章小结
参考文献