With the explosive growth of data generated by the Internet of Things (IoT) devices, the traditional cloud computing model by transferring all data to the cloud for processing has gradually failed to meet the real-time requirement of IoT services due to high network latency. Edge computing (EC) as a new computing paradigm shifts the data processing from the cloud to the edge nodes (ENs), greatly improving the Quality of Service (QoS) for those IoT applications with low-latency requirements. However, compared to other endpoint devices such as smartphones or computers, distributed ENs are more vulnerable to attacks for restricted computing resources and storage. In the context that security and privacy preservation have become urgent issues for EC, great progress in artificial intelligence (AI) opens many possible windows to address the security challenges. The powerful learning ability of AI enables the system to identify malicious attacks more accurately and efficiently. Meanwhile, to a certain extent, transferring model parameters instead of raw data avoids privacy leakage. In this paper, a comprehensive survey of the contribution of AI to the IoT security in EC is presented. First, the research status and some basic definitions are introduced. Next, the IoT service framework with EC is discussed. The survey of privacy preservation and blockchain for edge-enabled IoT services with AI is then presented. In the end, the open issues and challenges on the application of AI in IoT services based on EC are discussed.

中文翻译：

---

在边缘计算中保护物联网服务安全的人工智能：一项调查

随着物联网（IoT）设备生成的数据爆炸性增长，由于高网络延迟，通过将所有数据传输到云进行处理的传统云计算模型逐渐无法满足IoT服务的实时需求。边缘计算（EC）作为一种新的计算范例，将数据处理从云转移到边缘节点（EN），极大地提高了那些具有低延迟要求的IoT应用程序的服务质量（QoS）。但是，与诸如智能手机或计算机之类的其他端点设备相比，分布式EN更加容易受到针对受限计算资源和存储的攻击。在安全和隐私保护已成为EC迫在眉睫的问题的背景下，人工智能（AI）的巨大进步为解决安全挑战打开了许多可能的窗口。AI强大的学习能力使系统能够更准确，更有效地识别恶意攻击。同时，在一定程度上，传输模型参数而不是原始数据可以避免隐私泄露。本文对AI对EC中物联网安全性的贡献进行了全面调查。首先介绍了研究现状和一些基本定义。接下来，讨论带有EC的物联网服务框架。然后介绍了使用AI进行边缘启用的IoT服务的隐私保护和区块链调查。最后，讨论了在基于EC的IoT服务中AI应用的开放性问题和挑战。AI强大的学习能力使系统能够更准确，更有效地识别恶意攻击。同时，在一定程度上，传输模型参数而不是原始数据可以避免隐私泄露。本文对AI对EC中物联网安全性的贡献进行了全面调查。首先介绍了研究现状和一些基本定义。接下来，讨论带有EC的物联网服务框架。然后介绍了使用AI进行边缘启用的IoT服务的隐私保护和区块链调查。最后，讨论了在基于EC的IoT服务中AI应用的开放性问题和挑战。AI强大的学习能力使系统能够更准确，更有效地识别恶意攻击。同时，在一定程度上，传输模型参数而不是原始数据可以避免隐私泄露。本文对AI对EC中物联网安全性的贡献进行了全面调查。首先介绍了研究现状和一些基本定义。接下来，讨论带有EC的物联网服务框架。然后介绍了使用AI进行边缘启用的IoT服务的隐私保护和区块链调查。最后，讨论了在基于EC的IoT服务中AI应用的开放性问题和挑战。提出了关于AI对EC中物联网安全性贡献的全面调查。首先介绍了研究现状和一些基本定义。接下来，讨论带有EC的物联网服务框架。然后介绍了使用AI进行边缘启用的IoT服务的隐私保护和区块链调查。最后，讨论了在基于EC的IoT服务中AI应用的开放性问题和挑战。提出了关于AI对EC中物联网安全性贡献的全面调查。首先介绍了研究现状和一些基本定义。接下来，讨论带有EC的IoT服务框架。然后介绍了使用AI进行边缘启用的IoT服务的隐私保护和区块链调查。最后，讨论了在基于EC的IoT服务中AI应用的开放性问题和挑战。