基于多级网络编码的多副本云数据存储

云数据存储的快速发展对数据的可用性提出了较高要求.目前,主要采用纠删码计算数据编码块进行分布式冗余数据存储来保证数据的可用性.虽然这种数据编码技术保证了存储数据的安全性并减少了额外的存储空间,但在损坏数据恢复时会产生较大的计算和通信开销.提出一种基于多级网络编码的多副本生成和损坏数据恢复算法.算法基于多级网络编码对纠删码的编码矩阵进行改进形成多级编码矩阵,利用其级联性生成多级编码(hierarchical coding,HC码)来构成多副本数据,使得各副本之间存在编码关系.在损坏数据恢复时,利用数据所有者提供的数据编码信息和云存储中保存的数据块直接计算进行恢复,从而避免从云存储中远程下载数据.理论分析和实验表明,所提算法在相同的存储空间下显著减少了损坏数据恢复时的通信开销并提高了数据的可用性.     

无人机数据二维分类与编码

数据标准化问题是制约我军信息化建设的瓶颈,分类与编码问题则是标准化过程中的重点与难点.论文针对无人机数据编码格式不规范、利用率低等问题,以现有数据分类、编码方式为基础,提出了按照数据管理层次和业务领域进行二维分类的方法,并以此为基础进行无人机数据编码设计.     

泛在电力物联网的无线网络通信方法

针对现有泛在电力物联网的无线通信接入方式效用较低,通信数据传输过程中效率较低、误差较大等问题,本研究基于通信网络QoS建立判决指标,通过TOPSIS评价算法解决各无线通信方式之间的异构性,实现多种无线通信网络的选择;通过改进压缩采样技术将两步迭代法融入到无线通信数据的压缩过程中,使无线通信数据重构效率和准确度得到提升.实验结果表明,本研究所提方法使得无线通信数据效果明显提升.     

SAR复图像数据的CCSDS-IDC编码性能分析与四叉树编码

目的：CCSDS-IDC (国际空间数据系统咨询委员会-图像数据压缩) 是NASA制定的基于离散小波变换(DWT)尺度间衰减性的空间图像数据压缩标准,适用于合成孔径雷达(SAR)幅度图像及各类遥感图像的压缩。然而,与光学图像不同,常见的SAR图像都是复图像数据,其在干涉测高等许多场合具有广泛应用,分析研究CCSDS-IDC对SAR复图像数据的编码性能具有重要的应用价值。方法：由于SAR复图像数据不具有尺度间的衰减性,因此将其用于SAR复图像数据编码时性能较低。考虑到SAR复图像数据DWT系数呈现出聚类特性,提出将四叉树(QC)用于DWT域的SAR复图像数据编码,发现QC对SAR复图像数据具有高效的压缩性能。结果：实验结果表明,在同等码率下,对基于DWT的SAR复图像数据压缩, QC比CCSDS-IDC最多可提高幅度峰值信噪比4.4dB,平均相位误差最多可降低0.368;与基于方向提升小波变换（DLWT）的CCSDS-IDC相比,QC可提高峰值信噪比3.08dB,降低平均相位误差0.25;对其它类型的图像压缩,基于聚类的QC仍能获得很好的编码性能。结论：CCSDS-IDC对SAR复图像数据编码性能低下,而QC能获得很好的编码性能。对应于图像平滑分布的尺度间衰减性,其在某些特殊图像中可能不存在,而对应于图像结构分布的聚类特性总是存在的,故在基于DWT的图像编码算法设计中,应优先考虑利用小波系数的聚类特性,从而实现对更多种类图像的高效编码。     

无线传感网络中基于数据混淆的保护隐私数据聚集协议

在无线传感网络的研究中,保护隐私数据聚集算法是一个关键问题.设计高效的具有隐私保护功能的数据聚集算法,降低通信带宽,提高网络的寿命和安全性是保护私隐数据聚集研究中的热点问题.国内外现有的保护隐私数据聚集算法,除PEQ(Privacy-preserving Scheme for Exact Query Evaluation)算法外,其它算法大多是根据不同的统计数据类型来设计相应的保护隐私的数据聚集算法,这些算法只能聚集某一种数据,功能单一,应用起来具有一定的局限性.同时,PEQ算法的通信带宽和计算量都比较大.针对上述问题,设计了一种基于数据混淆的数据汇集算法.该算法通过在数据聚集前加入混淆数据,聚集结束后删除混淆数据,来达到保护隐私的目的.与现有的其它方案相比,该方案计算和通信开销较少,并且一次可以聚集多种统计数据.     

地震应急数据质量检验系统的研究与实现

将目前国内外普通使用的数据质量检查方法应用于地震应急基础数据库,并结合本身特点,明确了数据库日常维护时对数据的要求和检查内容;同时利用数据编码规则及对应关系,实现对属性数据及空间数据编码关联性、编码一致性、数据合理性的自动检查和质量控制,解决了数据库更新维护中存在的行政区划合并时相关联的空间属性数据需要自动同步合并、数据库数据即时提取上报等一系列问题.     

基于联盟链的工业物联网数据存储模型

由于工业物联网数据具备较强的私密性,数据是否能够安全存储成为工业物联网发展的关键问题。针对这一问题,提出一种基于联盟链的工业物联网数据存储模型。为保证数据存储的效率与安全,首先,在原有PBFT算法的基础上搭建节点状态信用评估模型同时增加投票机制;其次,结合节点状态在SM9数字签名算法中设置多密钥生成中心共同参与密钥生成。对模型的吞吐量、共识时延及通信开销进行实验分析,结果表明,该模型相较于传统模型在数据存储、安全性方面得到了进一步保障,降低了黑客攻击并防止数据泄露或被窜改,并在通信开销方面提升了40%。     

多跳无线网络通用网络编码结构研究

编码结构是决定运用网络编码与否的一个重要因素.根据多跳无线网络的特点,在现有的网络编码结构的基础之上,提出三种可以在无线网络中进行网络编码的通用编码结构:泛I型、泛Y型和泛X型结构.研究了网络节点对于这三种编码结构的发现、编码和解码的具体算法和过程,并对所提出的三种通用编码结构的编码有效性进行了实验仿真,仿真结果表明,编码结构的使用可以有效提升无线网络的平均吞吐量.     

基于孤立森林算法的巡检机器人通信异常数据自动检测方法

由于通信数据异常会影响巡检机器人对巡检任务数据的接收精度，因此利用孤立森林算法实现巡检机器人通信异常数据自动检测方法的优化设计。首先，在构建的通信信道环境下，采集巡检机器人通信数据，从通信流量、数据信噪比、数据包平均长度等方面，提取通信数据特征。其次，利用孤立森林算法，计算通信数据异常分值。最后，通过异常分值的分区比对和数据特征的匹配，以可视化的形式输出通信异常数据自动检测结果。通过性能测试实验发现，优化设计自动检测方法的误检率和漏检率均低于预设值，即优化设计方法具有较高的检测精度。     

基于时空大数据的异常车辆检测

针对传统人工检查黑车的方式不但耗时耗力而且效率低下的问题,提出一种新的自动检测黑车的方法。在Hadoop平台上,对物联网技术采集的全疆车辆加气数据进行分析;抽取车辆加气的时间特征和空间特征;利用随机森林算法研究车辆与驾驶员、加气站间的关系,从而发现具有异常加气模式的黑车车辆。在大规模真实数据集上的实验表明:提出的方法在黑车发现问题上有较高的准确率,可以用于帮助有关部门提高黑车检测的效率。     

分段提取函数型数据特征的算法研究

针对函数型数据分类算法中全局统计特征表达能力有限,且显著点特征易受噪声干扰等问题,提出一种基于统计深度方法的函数曲线特征分段提取算法。首先,利用数据平滑技术对离散观测的数据进行平滑化处理,同时引入函数型数据的一阶和二阶导函数;然后,分段计算函数本身及其低阶导函数的马氏积分深度值,在此基础上构造函数曲线特征向量;最后,给出三种选择调节参数的搜索方案,并进行分类研究。在UCR数据集上的实验表明,与当前其他曲线特征提取算法相比,所提算法能有效提取函数曲线特征,提高分类的准确性。     

一种计算部分数据立方的算法

预计算一个完整的数据立方可以获得最快的查询响应速度,但是对于一个大规模的数据立方,所需的存储空间非常大,因此通常只能预先计算数据立方中的部分聚集。文章提出了计算部分数据立方的算法PCC(PartialComputationofCube),它的特点是采用自底向上的划分方法,能根据需要计算的聚集确定维的划分路径,并裁减不必要的聚集和划分。实验表明,和利用完整数据立方的计算方法BUC来计算部分数据立方的方法比,PCC算法的效率更高。     

基于CoAP协议的泛在电力物联网拥塞控制算法

泛在电力物联网具有接入节点数多、设备资源受限的特点,易发生网络拥塞而导致电力信息流丢失、时延过大等问题。基于受限应用协议（CoAP）的泛在电力物联网应用层通信架构,提出一种链路稳定性的CoAP拥塞控制（L-CoCC）算法。通过强、弱和失败消息往返时间来确定网络环境状态并平滑估计超时重传时间（RTO）,根据超时重传次数和消息往返时间抖动值,引入下界RTO限制方法和更新老化概念,避免出现不必要的重传。仿真结果表明,相比CoCoA++和CoAP算法,L-CoCC算法能够提升吞吐量和请求成功率,降低平均端到端时延,有效缓解网络拥塞。     

Hadoop平台下粒子滤波结合改进ABC算法的IoT大数据特征选择方法

针对现有物联网大数据特征选择算法计算效率低下、可扩展性不高的问题,提出一种基于改进人工蜂群（ABC）选择特征的系统架构,该架构包含四层体系,可以高效地聚合有效数据,剔除不需要的数据。整个系统是基于Hadoop平台、MapReduce以及改进ABC算法的。改进ABC算法用于选择特征,而MapReduce则由并行算法支持,该算法可高效处理大数据集。该系统使用MapReduce工具实现,并利用粒子滤波来消除噪声。将提出的算法与同类方法进行比较,并通过使用十个不同的数据集对效率、准确性和吞吐量进行评估。结果表明,相比其他几种较新的算法,提出的算法在选择特征时更具可扩展性和高效性。     

Apache IoTDB中的多模态数据编码压缩

时间序列数据在工业制造、气象、船舶、电力、车辆、金融等领域都有着广泛的应用,促进了时间序列数据库管理系统的蓬勃发展.面对愈加庞大的数据规模和多样的数据模态,高效的数据存储和管理方式十分关键,而数据的编码压缩愈发成为一个具有重要意义和价值的问题.现有的编码方法和相关系统未能充分考虑不同模态的数据特点,或者未把一些时序数据的处理方法应用于数据编码问题中.全面阐述了ApacheIoTDB时序数据库系统中的多模态数据编码压缩方法及其系统实现,特别是面向工业物联网等应用场景.该编码方法较为全面地考虑包括时间戳数据、数值数据、布尔值数据、频域数据、文本数据等多个不同模态的数据,充分挖掘和利用各自模态数据的特点,特别是包括时间戳模态中时间戳序列间隔近似的特点等,进行有针对性的编码方案设计.同时,将实际应用场景中可能出现的数据质量问题因素纳入编码算法的考量中.在多个数据集上的编码算法层面和系统层面的实验评估和分析,验证了该编码压缩方法及其系统实现的效果.     

EDF多任务调度算法在物联网数据监控平台中的应用研究

在基于物联网的数据监控平台中,由于感知层数据采集传感器具有种类繁多、数量庞大的特点,这就要求位于通信层的数据接收服务器必须通过一种完善的多任务调度算法来处理高并发通信,以缓解服务器的通信压力并保持处理的高效性。笔者以物联网数据监控平台为出发点,探究通过引入EDF多任务调度算法来处理高并发通信,对EDF多任务调度算法的算法原理与调度流程进行了深入分析,并通过设计实验论证算法的有效性。     

结合局部敏感哈希的k近邻数据填补算法

k近邻(kNN)算法是缺失数据填补的常用算法,但由于需要逐个计算所有记录对之间的相似度,因此其填补耗时较高。为提高算法效率,提出结合局部敏感哈希(LSH)的kNN数据填补算法LSH-kNN。首先,对不存在缺失的完整记录进行局部敏感哈希,为之后查找近似最近邻提供索引;其次,针对枚举型、数值型以及混合型缺失数据分别提出对应的局部敏感哈希方法,对每一条待填补的不完整记录进行局部敏感哈希,按得到的哈希值找到与其疑似相似的候选记录;最后在候选记录中通过逐个计算相似度来找到其中相似程度最高的k条记录,并按照kNN算法对不完整记录进行填补。通过在4个真实数据集上的实验表明,结合局部敏感哈希的kNN填补算法LSH-kNN相对经典的kNN算法能够显著提高填补效率,并且保持准确性基本不变。     

面向物联网设备固件的硬编码漏洞检测方法

随着物联网设备的普及,越来越多有价值的数据产生,依托物联网设备进行大数据分析和挖掘是近年来学术界和工业界关注的热点问题。然而,由于缺乏必要的检测和防护手段,很多物联网设备存在严重的信息安全隐患。特别地,设备硬编码信息与系统加解密、身份认证等功能密切相关,可为核心数据提供机密性保障,一旦被恶意攻击者利用,会产生敏感信息泄露、后门攻击、非授权登录等严重后果。针对该问题,在研究物联网设备中硬编码漏洞表现特征的基础上,提出了一种可执行文件中多类型字符识别定位和硬编码漏洞检测方法。首先,提取固件内容并筛选所有可执行文件作为待分析源,提出特殊格式字符、外部文件引用、密码实现3类硬编码字符的识别与定位;然后,根据函数调用关系对硬编码字符所在函数进行可达性分析,采用中间表示IR模型消除指令异构性,并利用数据流分析方法确定字符型和参数型硬编码值;最后,设计符号执行方法确定硬编码漏洞的触发条件,最终输出漏洞检测结果。一方面,所提方法在利用中间表示模型的基础上引入了符号执行的方法,消除了指令架构依赖性,减少了漏洞误报率;另一方面,该方法可融合字符、文件、密码实现3类硬编码字符的不同特征表现,增加了漏洞检测的覆盖范围,提升了检测方法的通用性。实验结果表明,所提方法可有效检测多种物联网设备中的字符、文件、密码3类硬编码漏洞,具有较好的检测精度,可为后续安全防护技术的部署提供一定指导。     

基于分组模型的引力搜索智能大数据聚类方法

提出一种基于分组的引力搜索算法实现数据聚簇.与标准引力搜索不同,分组引力搜索设计一种特定的解编码策略,即分组编码,可将数据聚簇的相关结构映射为解的一部分;对于特定编码,新的引力搜索机制在位置和速度更新策略上设计适合分组编码的更新规则,使分组引力搜索可类似于传统引力搜索进行迭代寻优.在多种经典测试数据集下对算法性能进行评估,其结果表明,与同为智能群体算法的标准引力搜索算法、智能蜂群算法、粒子群算法和萤火虫算法相比,该算法的数据分类效率更高.     

积分离散引导的物联网中离散系统差异数据融合

研究一种积分离散引导的物联网中离散系统差异数据融合。对物联网中离散型制造系统下各个物联网节点的差异数据进行融合处理是离散型制造系统需要解决的重要问题。在传统的离散型制造系统中,数据采用分布式处理方法,每个节点的数据做单独处理,所以无法融合所有数据的优点,达到较好的全局效率。提出一种积分离散引导的物联网中离散系统差异数据融合,即采用物联网技术将分布式系统下各个离散制造系统的终端数据进行统一收集和综合,然后采用积分离散引导的方法对获取的所有差异化数据进行处理,从而达到所有数据的有效融合。采用一组100节点的6类型数据进行实验,结果显示,采用积分离散引导的物联网中离散系统差异数据融合,数据被很好地融合起来,且数据的谱平均分布,所以算法具有很好的应用价值。