面对小龙给出的几个方向，计算卸载、边缘缓存、边缘聚合、边缘计算隐私保护、边缘分配、分布式机器学习、边缘隐私保护、深度学习模型分割、联邦学习、博弈论、图神经网络、知识图谱等。

其中，边缘缓存被浩gay拿了，就不去主要考虑了，虽然我也花了几小时看这个方向，计算卸载做的人太多了，小龙不推荐做，在研究了几个方向之后，我最终决定把主要精力放在边缘计算的隐私保护上。原因有几个：（1）安全隐私是边缘计算中7大核心技之一（2）最近比较火的一个技术（机器学习框架）联邦学习是龙哥也推荐的，它主要就是在保证数据隐私安全的前提下提升AI算法的模型。联邦学习的几个热门应用是边缘聚合、边缘缓存、计算卸载、联合边缘缓存和计算卸载，边缘聚合没花时间看也不知道是个啥，其他都不考虑。

忧虑：现在对于这个边缘计算的隐私保护的具体细节知之甚少（甚至对普通网络的安全隐私保护都不知道，怎么能把隐私安全实现迁移到边缘网络的）这个先不谈，蒟蒻看了好多论文（也不是非常多），感觉论文（有的是北大核心），他也是给人做的东西做一个总结，所以并非那么高大上，心还是要踏实一点。还有一个就是，边缘安全隐私是一个非常宽泛的概念，很容易啥也没搞出来。所有这些疑惑希望在这三天能找出答案，也希望龙哥让我醍醐灌顶。

接下来又是一个sumary了