边缘计算在安全性方面也有显著优势。通过在本地处理数据,敏感数据可以远离云,从而降低数据泄露和网络攻击的风险。这在医疗保健等行业尤为重要,在这些行业中,敏感的患者数据必须得到保护。
边缘计算还将使我们能够对数据进行更多的本地化控制。一种称为联合学习的技术允许在拥有本地数据样本的多个服务器或边缘设备之间训练算法,而不必共享或交换数据。
IDC将边缘计算定义为在集中式数据中心之外执行的与技术相关的操作,其中边缘是连接端点和核心IT环境之间的中介。边缘的特点是分布式的、软件定义的和灵活的。边缘的价值在于将计算资源移动到创建数据的物理位置,从而显著缩短价值实现时间,并在核心IT环境之外即时启用业务流程、决策和智能。
多接入边缘计算(MEC)是一种网络架构,允许计算、网络和移动服务提供商将一些计算和基于云的流程转移到网络环境的边缘,从而实现更好的性能、延迟和安全性。
边缘计算的出现正是为改善智能终端数据传输时延问题。通过在靠近数据源的地方设置边缘节点,提供计算、存储和网络带宽,可缩短反应时延,让数据更高效、更安全。
人工智能通常部署在云平台上,在那里可以处理大量的数据,并消耗大量的计算资源。然而,数据并不都需要在云平台中存储和处理。