基于特征融合级联网络的交通标识牌检测算法

准确检测交通标识牌对提高驾驶的安全性具有十分重要的作用,随着深度学习的不断发展完善,基于深度学习的检测算法也应运而生,但这些方法存在检测小目标精度低的问题。针对这一问题,提出一种基于特征融合级联网络的标识牌检测算法。该算法在Faster R-CNN框架的基础上增加了特征融合模块,将网络中提取的浅层特征信息与深层特征信息相融合,这样就能够同时利用深层特征图中语义信息和浅层特征图中小目标的特征信息来检测标识牌。在特征融合网络后级联一个网络来解决特征融合网络误分类。在Tsinghua-Tencent 100k交通标识数据集上进行实验,结果表明该算法对标识牌的检测的平均检测率有明显提升。     

基于多传感器的语义数据融合方法研究

物联网已经渗透到各个领域,并对各领域数据进行自动采集和应用。但异构数据的存储和融合一直是物联网的技术难题,使数据信息不能被理解,阻碍传感器的应用。因此设计高质量的数据融合算法,具有重大实际应用价值。本课题拟通过语义,根据物联网传感器数据融合的理论分析与本体建模的方法,以及传感器本体和语义融合的一般方法,提出基于多传感器的语义数据融合方法,促进语义在物联网多传感器数据融合中的应用,为物联网系统的智能控制和决策分析打下基础,加快物联网在各领域的快速发展和深入应用,有一定的经济和社会效益。     

基于AF-SVR的城市快速路多源交通信息融合研究

针对单一检测器所得到的交通数据不能够全面准确地反映实际的交通状态,提出一种基于AF-SVR模型的城市快速路多源交通信息融合的方法。首先通过将相同路段中不同检测器的速度数据作为学习样本输入到支持向量机回归模型(Support Vector Regression,SVR)中进行训练。然后利用鱼群算法(Artificial Fish,AF)对支持向量机回归模型中的参数进行优化,获得最优的信息融合模型,用于多源交通信息的融合,输出为能准确反映真实交通状态的速度数据,并用人工采集的速度数据作为真值进行验证。最后将此方法应用于成都市三环快速路路段上的多源交通信息融合,取得了令人满意的结果。     

基于雷视一体机的交通流数据采集系统设计

交通流数据是进行交通管理宏观决策的基础数据,交通流数据采集系统是交通管理信息化智能化的重要组成部分。随着我国交通领域的蓬勃发展,交通流量激增、高速交通拥堵、交通事故等突发事件频发,为此,设计一套实时性好、准确度高的交通流数据采集系统是十分必要的。论文基于雷视一体机开发了一套高速公路交通流数据采集系统,采用端-边-云分级传输的物联网架构,并结合了自主研发的雷视一体机,采用CNN神经网络技术提取图像信息后,在边缘计算机中通过一维数据最优估计、多传感器数据匹配、多传感器双向最优估计、多传感器目标特征融合的软件工作流程,将雷达与监控相机提取到的信息进行最优化估计,准确提取道路目标交通信息,仅将处理后的特征信息上传至云端服务器,实现交通流数据的精确、实时采集。系统试运行结果表明,该基于雷视一体机的交通流数据采集系统能够有效提高检测准确性,加强检测结果的实时性。     

基于物联网络的植物生命体征监控仿真分析

在生物种类监控问题的研究中,由于物种分布成随机性,生长周期不统一,使得传统的物联网监控系统面对这些非常规变化因素的过程中,存在对于大规模采集的数据处理时的高冗余度、数据融合性能差、难以提供有效通信性能等问题.为了提高监控性能,提出了一种免疫多Agent的植物生命体征监控方法.在物联网络中,利用免疫多Agent方法,对物联网络进行动态演化,从而提取异常的植物生命体征.融人一种特征小波分解方法,对采集的生命体征数据进行压缩传输,最大程度的去处冗余干扰,保证结果在多特征环境下实现融合.实验结果表明,改进算法进行物联网络的植物生命体征监控,能够提高监控的准确性,从而为生物科学提供准确的研究数据.     

物联网和遥感信息融合的变电智能运检系统设计

以提升变电运检系统应用性能为目的,设计基于物联网和遥感信息融合的变电智能运检系统。利用GPS卫星定位芯片、遥感信息融合子系统和RFID等设备采集变电运检信息,信息由传输层进入数据层,采用模糊C均值聚类算法划分运检信息类别,将不同类别信息存储在不同数据库内,以数据库中信息为基础,在STM32F103系列单片机控制下进行信...     

基于计算机数据算法模型的交通流数据分析

针对交通流数据分析滞后,交通规划效率不高等问题,提出了一种基于计算机数据算法模型的计算机数据算法数据分析方法,该方法采用基于S3C6410处理器的采集模块对影响交通流的数据进行采集或者分析,在进行数据信息采集时,还通过JZ863的无线传输模块实现数据信息传输,并通过神经网络算法模型提高了交通流数据信息分析能力。实验结果显示,本研究系统检测到发生故障的数据量数高达4735个,交通检测精度较高。     

面向无线传感器网络的数据完整性和隐私保护融合算法

无线传感器网络(WSNs)作为物联网的重要组成部分,在实际应用中,希望在得到精确数据融合结果的同时,又能保护数据信息的隐私性和完整性。为此,提出一种新的数据融合完整性保护算法,在增添私有种子对节点采集数据进行隐私保护的基础上,利用复数的虚部数据与采集到的真实数据呈非线性关系,有效地实现信息完整性的鉴别。性能分析和仿真结果表明:该算法可以在较低数据通信开销与计算开销的前提下,应对恶意节点的各种攻击,提供更有效更可靠的数据完整性保护。     

基于改进SSD算法的遥感图像目标检测

在遥感图像目标检测领域,多数目标检测算法针对小目标检测时效果不佳,为此,提出一种多尺度特征融合的遥感图像目标检测算法。利用SSD算法的基础网络进行特征提取,形成特征图金字塔。设计特征图融合模块,融合浅层特征图的位置信息和深层特征图的语义信息,从而保留丰富的上下文信息。设计冗余信息去除模块,通过卷积操作进一步提取特征图中的特征,并对特征信息进行筛选,以减少特征图融合时带来的混叠效应。在遥感图像数据集NWPU VHR-10上的实验结果表明,该算法的平均检测精度高达93.9%,其针对遥感图像小目标的检测性能优于Faster R-CNN和SSD等算法。     

基于物联网的智能交通流探测技术研究

为更好地分析和统计动态交通流以获得道路交通信息,将物联网技术与智能交通系统相结合,提出一种基于物联网的智能交通探>A}}系统ITFDS(Intelligent Transportation Flow Detection System Based on Internet of Things).ITFDS通过车载传感器节点获取原始交通参数并进行初次融合,汇聚点作为信息收集、分发与数据二次融合的中心节点,物联网中心控制机房则负责系统数据的统计与管理。仿真实验证明,ITFDS能有效、即时地获得道路交通流量值并将其发送至各车辆,作为车辆选择行进线路的依据。     

基于集成学习的物联网设备异常流量检测算法

随着物联网设备数量的快速增长,被劫持的物联网设备组成的僵尸网络发起非法攻击的频率大大增加,物联网设备的安全性已经成为一个严峻的问题。为了检测物联网设备发起的异常流量,提出一种集成学习的个体学习器选择算法（individual learner selection algorithm,IISA）,IISA是一种基于相关系数度量的选择方法,利用相关系数将相似度差异大的个体学习器集成起来并采用投票的方式进行判决,在减少个体学习器的同时,提高检测的准确度和检测效率。实验结果表明,和八种半监督机器学习检测算法相比,其查全率最大降低9.12%,准确率最大提高4.69%,检测效率最大提高70.72%。     

基于软件定义物联网的分布式拒绝服务攻击检测方法

由于物联网（IoT）设备众多、分布广泛且所处环境复杂,相较于传统网络更容易遭受分布式拒绝服务（DDoS）攻击,针对这一问题提出了一种在软件定义物联网（SD-IoT）架构下基于均分取值区间长度-K均值（ELVR-Kmeans）算法的DDoS攻击检测方法。首先,利用SD-IoT控制器的集中控制特性通过获取OpenFlow交换机的流表,分析SD-IoT环境下DDoS攻击流量的特性,提取出与DDoS攻击相关的七元组特征;然后,使用ELVR-Kmeans算法对所获取的流表进行分类,以检测是否有DDoS攻击发生;最后,搭建仿真实验环境,对该方法的检测率、准确率和错误率进行测试。实验结果表明,该方法能够较好地检测SD-IoT环境中的DDoS攻击,检测率和准确率分别达到96.43%和98.71%,错误率为1.29%。     

面向不平衡样本的物联网入侵检测方法

随着设备的迭代,网络流量呈现指数级别的增长,针对各种应用的攻击行为越来越多,从流量层面识别并对这些攻击流量进行分类具有重要意义。同时,随着物联网设备的激增,针对这些设备的攻击行为也逐渐增多,造成的危害也越来越大。物联网入侵检测方法可以从这些海量的流量中识别出攻击流量,从流量层面保护物联网设备,阻断攻击行为。针对现阶段各类攻击流量检测准确率低以及样本不平衡问题,提出了基于重采样随机森林（RF,random forest）的入侵检测模型——Resample-RF,共包含3种具体算法：最优样本选择算法、基于信息熵的特征归并算法、多分类贪心转化算法。在物联网环境中,针对不平衡样本问题,提出最优样本选择算法,增加小样本所占权重,从而提高模型准确率;针对随机森林特征分裂效率不高的问题,提出基于信息熵的特征归并算法,提高模型运行效率;针对随机森林多分类精度不高的问题,提出多分类贪心转化算法,进一步提高准确率。在两个公开数据集上进行模型的检验,在 IoT-23 数据集上 F1 达到0.99,在Kaggle数据集上F1达到1.0,均具有显著效果。从实验结果中可知,提出的模型具有非常好的效果,能从海量流量中有效识别出攻击流量,较好地防范黑客对应用的攻击,保护物联网设备,从而保护用户。     

基于倾角传感器的大型广告牌匾倾斜监测系统设计

为了提高城市安全管理水平,方便监管单位快速掌握突发情况,提出应用传感器技术进行大型广告牌匾倾角监测的监管方式,并设计了基于倾角传感器的监测系统。系统由前端信息采集装置和后台信息处理与展示部分组成。其中,利用前端信息采集装置中的MEMS倾角传感器每隔一定时间间隔采集大型广告牌匾的倾角数据,并将监测数据通过GSM无线通信方式传送给后台服务器,最终由服务器完成数据解析、数据入库、监测和预警及We b界面展示。系统具有全天候、实时性的特点,在提升大型广告牌匾监管效率的同时大大节约了人力成本,是物联网技术应用于“智慧城市”领域的一次有益尝试。     

物联网设备识别及异常检测研究综述

随着物联网技术的发展,物联网设备广泛应用于生产和生活的各个领域,但也为设备资产管理和安全管理带来了严峻的挑战.首先,由于物联网设备类型和接入方式的多样性,网络管理员通常难以得知网络中的物联网设备类型及运行状态.其次,物联网设备由于其计算、存储资源有限,难以部署传统防御措施,正逐渐成为网络攻击的焦点.因此,通过设备识别了解网络中的物联网设备并基于设备识别结果进行异常检测,以保证其正常运行尤为重要.近几年来,学术界围绕上述问题开展了大量的研究.系统地梳理物联网设备识别和异常检测方面的相关工作.在设备识别方面,根据是否向网络中发送数据包,现有研究可分为被动识别方法和主动识别方法.针对被动识别方法按照识别方法、识别粒度和应用场景进行进一步的调研,针对主动识别方法按照识别方法、识别粒度和探测粒度进行进一步的调研.在异常检测方面,按照基于机器学习算法的检测方法和基于行为规范的规则匹配方法进行梳理.在此基础上,总结物联网设备识别和异常检测领域的研究挑战并展望其未来发展方向.     

基于时序特征数据高效索引技术的物联网感知设备安全自动监测技术

物联网设备已经被广泛应用于各个领域,为保证物联网的安全,排除内部隐患,基于时序特征数据高效索引技术设计物联网感知设备安全自动监测方法。结合时序特征数据高效索引技术提取物联网信息特征,在报文传输过程的基础上,区分不同流量数据之间的差异、恶意攻击软件与感知设备的系统特征,计算样本数据的表征值,得到物联网感知设备的原始信息特征。对数据特征进行分类,计算其数据内的缺失值和错误值,得到特征向量的筛选优化结果,计算训练损失函数,调整实际操作的阈值,保证数据特征分类的准确性。搭建物联网感知设备监测模型,训练判别器,进行物联网的自动监测。分别对数据包、字节以及数据流量进行识别,该监测技术可以准确地区分良性数据与攻击数据,从而保证物联网感知设备的安全。     

城市交通网络中救援车辆路径优化研究

道路中断、可靠性差等路径选择问题从根本上影响了救援工作的效率,针对这一现状,设计了基于MATLAB的应急救援车辆最优路径模型。依托城市交通路网的数据,通过层次分析法确定影响应急救援的因素,利用MATLAB蚁群算法结合ArcGIS平台构建城市路网要素,定位应急设施及求解应急救援车辆路径优化结果。通过实例分析改变要素信息时,救援路径结果与效率的差别,客观评估城市应急救援能力,为城市交通救援车辆的路径优化提供可行性助力。     

交通信号灯智能控制算法研究

针对当前城市交通信号灯控制的技术缺陷,即国内大多数城市交通信号灯控制方法仍然停留在时间程序控制的技术层面,或者采用感应线圈等设备来获取道路交通信息等技术现状,提出一种交通信号灯智能控制算法。该系统算法由图像边缘检测、道路行车类型切割、纵向坐标投影和车流长度分析等核心技术组成,能够充分、有效和实时地获取交通流量信息,使城市交通信号灯的开／关时间能够根据道路上车流量的实际大小实施准确控制,因此使交通信号灯的控制达到智能化的技术水平,为最终实现城市智能交通提供科学的信息基础。     

Bloccess: Enabling Fine-Grained Access Control Based on Blockchain

Botnets pose significant threats to cybersecurity. The infected Internet of Things (IoT) devices are used to launch unsupported malicious activities on target entities to disrupt their operations and services. To address this danger, we propose a machine learning-based method, for detecting botnets by analyzing network traffic data flow including various types of botnet attacks. Our method uses a hybrid model where a Variational AutoEncoder (VAE) is trained in an unsupervised manner to learn latent representations that describe the benign traffic data, and one-class classifier (OCC) for detecting anomaly (also called novelty detection). The main aim of this research is to learn the discriminating representations of the normal data in low dimensional latent space generated by VAE, and thus improve the predictive power of the OCC to detect malicious traffic. We have evaluated the performance of our model, and compared it against baseline models using a real network based dataset, containing popular IoT devices, and presenting a wide variety of attacks from two recent botnet families Mirai and Bashlite. Tests showed that our model can detect botnets with a satisfactory performance.

     

基于参数区间不确定性分析的无人机辅助物联网鲁棒优化

无人机辅助物联网技术被广泛应用于灾害应急通信中,但物联网设备的通信中存在多种不确定因素。针对位置参数区间存在不确定性的问题,提出了无人机辅助物联网通信的鲁棒优化方法。使用椭球不确定集对地面物联网设备位置参数区间不确定性进行描述,建立了包含不确定性的物联网设备通信鲁棒优化模型,并对模型进行了求解。为提高模型求解的准确性,提出一个有关位置参数区间不确定和椭球误差域之间的相关分析方法,分析了两类不确定因素对物联网设备通信模型的影响程度。以地面物联网设备最优部署和通信最小功率为目的,设计了仿真实验。结果表明,在不确定因素存在时,所提优化模型能有效实现地面物联网设备间的最优部署和通信功率最小化。