随着智能移动终端的不断普及和社交网络的急剧增长,无线通信网络中的多媒体业务也呈现出爆炸式的提升,这使得前传链路面临着前所未有的数据流量压力和安全威胁。为了应对这一挑战,雾无线接入网络可以通过将存储资源和计算资源分配给部署在网络边缘的雾无线接入点（Fog Radio Access,F-AP）来有效地解决这一问题。一方面,由于F-AP受限制的存储容量和计算资源,考虑F-AP之间的社交关系在降低传输延迟和能源消耗方面成为一种很有前景的方案。另一方面,由于F-AP的开放访问特性,从而需要严格的安全保障,保证接入点的安全性在避免文件重传和提升请求命中率方面成为一种有效的解决思路。因此,本文就雾无线接入网中基于社交意识和安全意识的协作边缘缓存方法进行研究。首先,研究了基于社交意识的成簇协作缓存方案。根据系统模型和协作缓存的文件内容传输方式,构建了最小化内容传输延时和系统能量消耗的联合优化问题。考虑用户设备之间的通信概率、本地内容流行度的相似程度、内容传输成本和接入点之间的距离等影响因素,对接入点之间的社交关系进行了建模。在所提出的社交关系模型基础上,本文设计了一种基于享乐联盟形成博弈的聚类方法,将雾无线接入点进行聚类,以增强接入点之间的合作,并提高接入点缓存中的内容多样性。本文将聚类方法与缓存问题的传统求解方案相结合,进行了协作缓存的内容部署。仿真结果表明,所提出的基于社交意识的成簇协作缓存方案能够实现内容传输延时和系统能耗的降低。然后,在上述方案的基础上,研究了基于群体智能算法的协作边缘缓存方案。为了说明原始萤火虫算法的固有缺陷,对原始萤火虫算法进行了介绍。为了满足优化问题中整数约束条件,通过使用heaviside阶跃函数进行解决。为了满足优化问题中的缓存容量限制条件,设计了一种基于本地内容流行度的突变策略对原始萤火虫算法进行改进,改进后的算法不仅能够满足容量限制,而且能以较大概率跳出极值点、以较低的计算复杂度来解决优化问题。同时,对该算法的收敛性进行分析,并给出参数的合理范围以满足算法收敛。仿真结果表明,所提出的基于群体智能优化算法的协作边缘缓存方案能够加快算法的收敛,并有效地降低延时和能耗。最后,研究了基于安全意识的协作边缘缓存方案。根据内容提供商的自私行为和雾无线接入点的开放访问特性,量化了文件内容机密性和接入点安全的脆弱性等安全影响因素。在安全影响因素基础上,设计了一个基于长短时记忆网络的安全性预测模型,来预测用户设备所信任的接入点,提前确认可以协助传输文件的接入点,以减少不必要的文件重传。利用历史的安全数据对模型进行训练,可以自动学习出反映脆弱性和机密性趋势的安全预测模型。本文为了在考虑安全性的情况下优化文件传输延时,形成了一个最小化传输延时的优化问题,并利用一个基于软性演员—批评家的深度强化学习框架进行求解。仿真结果表明,所提出的基于安全意识的协作边缘缓存方案能够有效降低传输延时、提升缓存命中率。