Dynamic hierarchical collaborative caching scheme in ultra-dense networks

Pushing popular contents to the edge of the network can meet the growing demand for data traffic, reduce latency and relieve the pressure of the backhaul. However, considering the limited storage space of the base stations, it is impossible to cache all the contents, especially in ultra-dense network ( UDN). Furthermore, the uneven distribution of mobile users results in load imbalance among small base stations (SBSs) in both time and space, which also affects the caching strategy. To overcome these shortcoming, the impact of the changing load imbalance in UDN was investigated, and then a dynamic hierarchical collaborative caching (DHCC) scheme was proposed to optimize latency and caching hit rate. The storage of the SBS is logically divided into the independent caching layer and the collaborative caching layer. The independent caching layer caches the most popular contents for local users爷interest, and the collaborative caching layer caches contents as much as possible for the benefit of content diversity in the region. Different SBSs have respective storage space layer division ratios, according to their real-time traffic load. For SBSs with heavy load, the independent caching layers are allocated with more space. Otherwise, the collaborative caching layers could store more contents with larger space. The simulation results show that, DHCC improved both transmission latency and hit rate compared with existing caching schemes.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

基于MFD的多路网子区协调交通控制策略

为了缓解大规模路网的交通拥堵，提出了一种基于宏观基本图的多路网子区协调控制策略。首先，将实际路网划分为城市道路网络的核心区域和相邻区域，并以此以获得不同区域的宏观基本图特征。假设在路网核心区域采用控制策略，进而得到核心区域的预期溢出车辆数；计算出当相邻区域可增加的车辆数量接近核心区域的溢出车辆数量时路网核心区域的绿灯压缩时间。之后对核心区域采取应用了压缩绿色时间的控制策略，使得促进核心区域和邻近区域的交通状况趋于一致，改善整个路网的交通性能。通过实际道路网络建立了仿真路网，并利用仿真工具SUMO对上述区域控制策略的效果进行评估。仿真结果表明，基于MFD的多路网子区协调交通控制策略的实施可以提高整个路网的运行指标。     

uBlock算法的低代价门限实现侧信道防护方法

在传统的基于黑盒模型的密码分析中,攻击者仅可以利用密码算法的输入输出信息进行攻击,现有密码算法在黑盒模型下的安全性已经得到较为充分的论证.但是在灰盒模型下,攻击者的能力得到提高,其不仅可以获取密码算法的输入输出信息,还可以获得密码算法实际执行过程中泄露的功耗、电磁、光等物理信息,这些物理信息和密码算法的中间状态具有相关性,敌手可以利用这种相关性进行秘密信息的恢复,这种攻击被称为侧信道攻击.侧信道攻击自提出以来,由于其相对低的实现代价以及较高的攻击效率对于密码算法的实现安全性造成了严重的威胁.u Block算法是2019年全国密码算法设计竞赛分组密码一等奖获奖算法,同样受到了侧信道攻击的威胁.目前针对u Block算法的研究较少,在硬件实现方面主要考虑低延迟高吞吐量的实现,缺乏针对资源受限情况下的低代价优化实现,不利于侧信道防护方案的构造.目前公开的文献中指出其S盒适用于基于门限实现的侧信道防护方案构造,存在3-share的无需新随机数的门限防护方案,但是没有给出具体的实现方案.针对这样的现状,本文首先基于流水线和串行化的思想设计并实现了一种适用于u Block算法的低代价硬件实现方案;...     

基于改进Canny算法在工件质检仿真系统中的应用

检测工件表面缺陷主要方法有人工视觉、机械装置接触检测法、机器视觉检测法等,但上述几种方法在现实应用中都存在缺陷,造成人力和物料的浪费.改进Canny算法,使用二维中值滤波器,椒盐环境中检测效果更佳、自适应能力更强.并在计算梯度幅值中增加135度和45度两个卷积核,最后通过计算标准差来减少误差.通过仿真测试,改进后的算法在检测电路板中的精度提高了0.1到0.3.     

基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

一种改进的特征匹配算法在碎片云测量建模中的应用

为满足超高速撞击典型Whipple防护构型的损伤评估需求,利用图像处理技术对碎片云序列阴影图像进行深入研究。使用超高速序列激光阴影成像仪得到三组不同实验条件下碎片云发展过程的高清阴影图像,分别对每组最具代表性的2帧进行图像处理分析;根据碎片云图像特点以及碎片运动特性,提出了一种改进的碎片二次特征匹配算法,该方法包含碎片粗定位、特征定义及初匹配和精确匹配三步策略;通过运用改进的匹配算法,对选取的相邻两帧图片完成碎片高效匹配,并提取匹配碎片的运动参数,进而分析碎片的速度分布和飞行角度分布,获取二次碎片云相关运动特性;得到三组实验各自的轨迹模拟图。根据得到的轨迹分析结果分别对三组实验的后板损伤进行估计,并通过与防护构型的实际损伤结果进行比较,验证了该方法的有效性。     

认同度修正下的近相邻改进推荐算法研究

如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题，由此，一个新的近相邻改进算法融入了大众化认同度和个性化认同度，利于更加高效地挖掘隐藏信息。实验结果表明，相对于传统近相邻算法，认同度修正算法虽然查全率小幅度上下波动，但其他多个评价指标都得到极大提升，假正率和深度有所减少，查准率、[F1]值和提升度得以增加，并且，受试者特征曲线和提升曲线也都说明此修正算法具有更为显著的推荐效果。