基于GSPN的Ad-hoc网络性能和安全平衡

关于Ad-hoc网络研究中性能与安全的平衡问题有很多优化方案,但一直缺乏统一的量化标准来比较性能和收益,为此,提出了一种可以广泛使用的方法来评估Ad-hoc网络中性能和安全平衡。首先,采用GSPN构建节点内和节点间的数据传输模型;然后,运用Petri网抽象和精化;最后,结合连续时间马尔可夫链CTMC计算性能、安全和收益。通过这种方式,可将不同策略纳入统一的评估框架中,根据不同环境和需求选择最优均衡解,并在数据加密算法、密钥大小和策略选择上进行了仿真,为该模型利于网络资源的利用提供了理论依据和数据支持。     

车载自组网的自适应证书分发策略

提出了一种自适应证书分发策略,能够根据各种环境动态调整分发方式获得最优均衡解。首先,设置一个可以根据交通环境和安全状况自适应调整的阈值,当该阈值小于给定的新车占比时,节点将发送带有证书的数据包;否则,将发送没有证书的包。然后,提出了一个量化模型来评估车载自组网的收益,包括计算和分析发送/接收节点的开销、安全性和损耗等。仿真结果表明,本文所提出的策略在各种交通条件下都能很好地平衡性能和安全。     

基于可信证书的可信网络接入模型及实现

通过在可信网络连接TNC场景中设立第三方可信证书中心的方式,对不满足TNC体系结构的终端提出了一种新的访问模型,详细地说明了该模型的工作流程和通讯机制,并用仿真实验证明了该模型在解决该类终端接入可信网络连接的可行性。     

基于用户行为和网络拓扑的Email蠕虫传播

通过分析用户行为规律和电子邮件网络拓扑特征,提出了能够准确描述Email蠕虫传播特性的仿真算法。首先,基于Enron Email数据集构建了能够表征Email网络特点的仿真环境,实验结果验证了仿真算法能够准确地体现Email蠕虫传播特性。然后从理论和实验两方面分析验证了关键节点被感染后会加速蠕虫的传播的结论,并讨论了不同防护措施对蠕虫传播的抑制效果。最后建立了Email蠕虫传播数学解析模型(Topo-SIS),与仿真结果的比较表明,该模型能够较好地预测Email蠕虫的传播规模。     

基带数据异步传输中继方法的研究

本文对异步中继的方法作了进一步的研究，并成功地设计出中继器。文中详细地介绍了它的硬件组成，协议设计与分析以及软件实现，最后给出了有关的实验结果和实际使用。     

基于Hebb规则的分布神经网络学习算法

随着知识发现与数据挖掘领域数据量的不断增加,为了处理大规模数据,scaling up学习成为KDD的热点研究领域.文中提出了基于Hebb规则的分布式神经网络学习算法实现scaling up学习.为了提高学习速度,完整数据集被分割成不相交的子集并由独立的子神经网络来学习;通过对算法完整性及竞争Hebb学习的风险界的分析,采用增长和修剪策略避免分割学习降低算法的学习精度.对该算法的测试实验首先采用基准测试数据circlein-the-square测试了其学习能力,并与SVM,ARTMAP和BP神经网络进行比较;然后采用UCI中的数据集USCensus1990测试其对大规模数据的学习性能.     

数据包过滤规则的快速匹配算法和冲突检测

通过分析数据包过滤技术中的性能瓶颈，提出了过滤规则的快速匹配算法BSLT．该算法采用Trie数据结构存储规则表，并只在叶节点存储相应规则，节省了存储空间，其空间复杂度为O(NW)，查找的时间复杂度为O(W)；在匹配时采用二分法进行查找，提高了匹配速度，匹配的时间复杂度为O(N)．实验证明BSLT的吞吐率在100条规则内比顺序匹配算法提高了近20％，而且规则越多．BSLT的优势越明显．此外，分析了数据包过滤技术的另一个问题——规则冲突，给出了冲突的理论证明和查找算法．实验证明该算法能准确地检测出冲突规则．     

WSNs中一种寻找最小工作节点集的覆盖算法

针对现有覆盖算法存在的很多冗余节点,提出了寻找最小工作节点集的覆盖算法.该算法分为两个阶段:第1阶段运行已有的覆盖算法;第2阶段运行节点替换算法,它用更少的节点替换更多的工作节点,如此循环迭代使工作节点数不断减少.仿真实验表明,该算法比其他覆盖算法能获得更多的休眠节点,使工作节点数减少10%左右,从而延长了网络生命周期.     

无线传感器网络中一种基于覆盖的环簇路由算法

提出了一种基于覆盖的环簇路由算法CRAC。该算法利用Sink节点以广播环域坐标的方式将网络分为若干环域,并根据应用需求的服务质量计算各环域的覆盖划分以确定轮换簇,各轮换簇交替休眠以降低网络能耗。网络各环域根据能耗均衡方程确定其是否为发送环,将采集的数据并行传送到传输路径后汇聚至发送环,再由LEADER节点发送至Sink节点。仿真实验结果表明,该算法大幅度降低了网络的通信时延和能耗,延长了网络的生存时间,使节点能量均衡下降。     

用于车载网络的自适应情境感知中间件

针对现有中间件技术在车载网络领域中存在的问题,即难以有效支持多变的车载网络环境,且难以满足车载应用对实时性和稳定性方面的要求,提出了一种基于多组件链结构的具有情境感知自适应能力的车载网络中间件框架CARMVE,以降低车载应用的开发成本和复杂性,提高软件的灵活性、适应性和可移植性。通过对CARMVE自适应机制和情境感知机制的介绍,进一步说明了其对复杂车载环境的良好支持,并对如何基于CARMVE开发和部署车载网络应用进行了实例说明。