可以提高数据处理的速度和效率，降低网络延迟，提高数据的安全性和可靠性，同时降低了计算和存储的成本。

 KubeEdge 提供了 DeviceTwin 模块，实现边缘计算节点下挂的边缘设备与云端设备管理之间的同步和控制。

KubeEdge在数据传输过程中采用了全链路加密技术，确保数据在云端和边缘端之间的传输过程中不被窃取或篡改。这种加密方式涵盖了数据的整个传输路径，从源头到目的地都保持数据的安全性。

可以参考：https://kubeedge.io/zh/case-studies

可以参考：https://kubeedge.io/zh/case-studies

二、KubeEdge在数据传输过程中采用了全链路加密技术，确保数据在云端和边缘端之间的传输过程中不被窃取或篡改。这种加密方式涵盖了数据的整个传输路径，从源头到目的地都保持数据的安全性。

三、KubeEdge针对边云连接不稳定、时常断连的情况，做了消息可靠性的增强，也是KubeEdge的核心特性之一。云上向边缘端下发控制命令时会检查边缘是否回传了ack应答，以此验证消息是否下发成功，并且云端会将消息进行编号，记录消息的下发。当边缘端长期断链后再次连接时，就不需要将消息全部重新发送，避免造成带宽冲击。另一方面，我们还实现了边缘自治的能力，在边缘节点上部署了一个轻量级的数据库，云上发送到边缘的元数据会保存在这个数据库中进行持久化，在边云连接长时断开或者边缘节点宕机重启后，能从边缘数据库中恢复用户应用。

KubeEdge针对边云连接不稳定、时常断连的情况，做了消息可靠性的增强，也是KubeEdge的核心特性之一。云上向边缘端下发控制命令时会检查边缘是否回传了ack应答，以此验证消息是否下发成功，并且云端会将消息进行编号，记录消息的下发。当边缘端长期断链后再次连接时，就不需要将消息全部重新发送，避免造成带宽冲击。另一方面，我们还实现了边缘自治的能力，在边缘节点上部署了一个轻量级的数据库，云上发送到边缘的元数据会保存在这个数据库中进行持久化，在边云连接长时断开或者边缘节点宕机重启后，能从边缘数据库中恢复用户应用

kubeedge提出了边缘智能框架sedna，基于KubeEdge提供的边云协同能力，支持用户现有AI类应用无缝下沉到边缘，降低用户构建与部署成本、提升模型性能、保护数据隐私。Sedna能够提供基础的边云协同数据集管理、模型管理功能，具有协同推理、增量学习、联邦学习和终身学习的能力，能够更好的实现边云协同AI。

KubeEdge提出边缘智能框架Sedna应对边云协同AI中存在的问题。Sedna具有如下特性： 1.提供AI边云协同基础框架。sedna提供基础的边云协同数据集管理、模型管理，方便开发者快速开发边云协同AI应用   2.支持多种边云协同训练和推理模式，如协同推理、增量学习、联邦学习和终身学习。其中协同推理是针对边缘资源需求大，或边侧资源受限的条件下，基于边云协同的能力，将推理任务卸载到云端，提升系统整体的推理性能与推理效率 ；增量训练主要针对模型更新问题，让模型可以在云端或边缘进行跨时间自适应优化；联邦学习主要针对数据大，原始数据不出边缘，隐私要求高等场景，让模型在边缘训练，参数云上聚合，可有效解决数据孤岛的问题；终身学习主要针对小样本和边缘数据异构的问题，通过云端知识库提供记忆功能，让边缘积累的样本知识能在持续更新同时被持久化，从而处理灾难性遗忘问题。