智能家居安全性分析

随着科技的发展,智能家居也渐渐走进人们的生活。目前国内市场上智能家居品牌繁琐,大打"智能"牌,但对其安全性则一再回避,本文就智能家居的安全性做相关分析。     

适用于移动自组织网络的信息安全动态评估模型

在信息安全风险评估领域,针对传统静态评估手段难以适应移动自组织网络的动态拓扑结构的缺陷,提出了一种新的动态再评估模型。该模型将整个系统抽象为构件和访问路径组成的拓扑结构,将构件间的关系抽象为三类关联类型和四类组合类型,并给出不同关系条件下的安全度量方法。当系统发生变化后,以变化的构件为中心,确定其变化的影响范围和新的关系类型,只对相邻构件进行再评估,进而得到局部和全局的新安全度量。实验结果显示,所提出评估模型具有更高的评估效率,能大幅大减少评估成本。     

一种新的信号状态融合方法

为解决无线网络信号在传输过程中由于受到其他信号的干扰,导致接收端接收的信号与原始信号相比存在误差的问题,该文在利用数据关联和卡尔曼滤波对信号进行融合(fusion method of signal filtering based on wavelet transform and Calman,FSWC)的基础上,利用FARIMA(p,d,q)模型和数据关联来建立一种新的信号融合算法(signal fusion based on wavelet transform and date association,SFTD)。通过仿真实验分别研究融合信号与干扰距离、发送速率、容量、功率的变化情况。仿真结果表明:随着干扰距离的增加,容量开始呈现正相关趋势,直至趋于平稳,并且发送速率、容量、功率对融合信号也产生较大影响;SFTD算法比FSWC算法具有更好的信号状态融合准确性。     

适应于5G网络的联合功率域和编码域的NOMA系统

提出一个基于联合功率域和编码域的非正交多址(Non-Orthogonal Multiple Access, NOMA)系统，用以解决5G网络系统中频谱资源紧缺的问题。提出的系统在发射端通过稀疏码分多址(Sparse Code Multiple Access, SCMA)编码器对信号进行编码，根据各个用户不同的信道增益，分配给用户不同的功率。在接收端利用基于消息传递和连续干扰消除组合的算法检测各用户的信号。实验结果表明，与传统的SCMA系统相比，在加性高斯白噪声和衰落信道场景下，提出的NOMA系统在用户配对方面具有较高的灵活性和更高的频谱效率。     

移动在线实时绘制技术研究综述

移动在线实时绘制技术受移动互联网发展的驱动,为3维可视化、计算机视觉、虚拟现实、增强现实、扩展现实和元宇宙等新兴研究领域提供了核心技术的支撑。本文以在线实时绘制技术为切入点,探讨了该技术在移动端、Web端、云端和多端协同这4类平台下的发展重心和研究现状,并深度阐述了工业级在线云平台的实施方案。首先,针对移动端的在线实时绘制,分析了近年来移动端绘制硬件构架设计的优化方向;探讨了在功耗和带宽受到制约的情况下移动端如何对渲染算法进行加速,如何对高功耗的光线跟踪算法进行优化;列举了包括图形应用程序编程接口(application programming interface,API)和游戏引擎在内的移动端渲染工具。然后,针对Web端在线实时绘制,分析了Web端的3D渲染机制,梳理了以3D场景的轻量化预处理、大规模3D场景的细粒度化网络传输、3D场景的对等传输以及Web3D在线特效渲染为代表的Web端在线绘制的关键技术(尤其面向大规模3D场景),列举了国内外知名Web3D引擎并探讨了主流游戏引擎对Web3D应用的支持。再后,针对云端在线实时绘制,从应用托管、资源调度和串流这三大云平台的核心功能入手,调研了以串流应用优化技术为核心的在线云绘制现状。此后,从多端绘制任务分摊机制入手,分析了以“端云”协同和“端边云”协同为目标的在线多端协同绘制的发展。最后,以当前工业级在线云绘制平台为研究对象,分析了包括微软、英伟达、Unity、酷家乐等一线云绘制企业的在线实时云绘制平台方案,验证了移动在线绘制技术在工业界的实用性。     

一种Spark作业配置参数智能优化方法

Spark的配置参数对作业运行性能有较大影响,针对配置参数种类多、参数搜索空间大、参数间相互影响导致人工配置参数调优效率低下的问题,提出了一种Spark作业配置参数智能优化方法。本文首先在Spark众多配置参数中选择对作业运行性能影响较大的关键配置参数,建立典型Spark作业的运行数据集,利用支持向量回归算法,构建作业性能预测模型,通过改变数据集的规模,对比分析了模型预测值和作业的真实运行时间,模型评估指标证明了作业性能预测模型的有效性和准确性。其次基于作业性能预测模型,设计并实现了基于爬山算法、模拟退火算法、递归随机搜索算法以及粒子群算法的配置参数优化算法,并对几种算法的求解质量进行对比分析,实验表明递归随机搜索算法在几种不同类型的作业上收敛结果较优且标准差较小,证明该算法对不同类型作业的适应性较强、稳定性较好。将本文的智能优化配置与传统经验优化配置相比,实验结果表明,智能优化配置为典型Spark作业分别带来了4%、15%、22%的平均性能提升,证明智能优化配置能够高效地获取到具备较好作业适应性的配置,提升作业运行性能。