物联网情景感知技术研究

与互联网不同,物联网(Internet of Things, IoT)通过各类通信技术将具有标识、感知或者执行能力的物理实体互联,形成了“物物互连”的虚拟网络。随着计算机及通信技术的迅速发展,计算资源将通布人们周围的环境,情景感知技术应运而生。情景感知获得传感器采集的情景信息以后,对信息进行智能处理,自主地为用户提供服务。物联网具有海量信息的特性,传统的情景信息处理方法已不再适用。对物联网情景感知技术进行了详细的介绍,首先给出情景和情景感知的概念及其研究发展和应用。然后,结合物联网特性,以情景感知流程为主线,探讨了信息获取、建模和智能处理等内容。最后,系统结构是情景感知的关键,因此对现有的系统结构进行了分析和对比,结合物联网环境论述了当前情景感知系统的不足之处,并给出了情景感知系统的参考结构。     

基于可信QoS聚类的遥感服务发现机制

Web服务技术已经在遥感领域被用于增强遥感资源的动态性和可扩展性,然而遥感服务底层的遥感数据具有大跨度频率变化的特性,服务提供商给出的服务质量(QoS)属性值也属于开放不可信,这两点都降低了遥感服务发现的效率和准确性。为此,提出一种新的基于可信QoS聚类的遥感服务发现机制,采用底层服务响应时间、更新频率和上层服务评价等标准综合衡量QoS,进而设计更新频率自适应的QoS探测和更新机制,并通过聚类方法提高了所发现遥感服务的QoS可信性。实验表明,该方法可以提高遥感服务发现的效率和用户满意度。     

面向服务遥感图像处理平台中时间感知的服务质量预测

面向服务架构(SOA)通过将遥感图像处理算法抽象成组件化的服务，进一步通过服务选择及组合，满足遥感图像处理的复杂业务需求。为了得到满足用户服务质量(QoS)要求的服务组件进行组合，前提就是获得所有服务的QoS。然而，对于用户未调用过的服务，其QoS是缺失的，因此围绕缺失QoS的预测出现了很多研究工作。针对目前QoS预测没有考虑时效性，进而影响了QoS预测准确度的问题,通过考虑时效性提出基于时间片的QoS模型，进一步基于协同过滤提出时间感知的QoS预测方法。在WS-DREAM真实数据集中的实验结果表明，时间感知的QoS预测方法能够获得较小的均方误差(MAE)和均方根误差(RMSE)。此外，对于可能影响时间感知QoS预测的多个参数，通过设置不同的参数组合进行了多次实验和分析，为参数的选择提供了一定的参考。     

基于区块链的联邦学习研究进展

联邦学习（FL）是一种能够实现用户数据不出本地的新型隐私保护学习范式。随着相关研究工作的不断深入,FL的单点故障及可信性缺乏等不足之处逐渐受到重视。近年来,起源于比特币的区块链技术取得迅速发展,它开创性地构建了去中心化的信任,为FL的发展提供了一种新的可能。对现有基于区块链的FL框架进行对比分析,深入讨论区块链与FL相结合所解决的FL重要问题,并阐述了基于区块链的FL技术在物联网（IoT）、工业物联网（IIoT）、车联网（IoV）、医疗服务等多个领域的应用前景。     

面向传感网的服务构建与并发控制

讨论了无线传感器网络在复杂环境下的服务构建及并发控制.基于传感器网络能量、通信能力、计算存储能力等有限的特点提出了面向传感器网络的服务管理,提出了基于推理的上下文感知工作流来构建传感器网络服务.通过提取传感器数据的语义信息,实现了上层业务逻辑和底层传感器数据的松耦合,实现了传感器网络的资源重用.此外,改进了Web 服务请求的并发控制,通过服务请求的重复和冲突检测,避免重复和冲突的服务执行,实现更有效的传感器网络并发控制.     

面向传感网的服务构建与并发控制

讨论了无线传感器网络在复杂环境下的服务构建及并发控制.基于传感器网络能量、通信能力、计算存储能力等有限的特点提出了面向传感器网络的服务管理,提出了基于推理的上下文感知工作流来构建传感器网络服务.通过提取传感器数据的语义信息,实现了上层业务逻辑和底层传感器数据的松耦合,实现了传感器网络的资源重用.此外,改进了Web 服务...     

基于非对称卷积自编码器和支持向量机的入侵检测模型

网络入侵检测系统在防护网络安全中占据重要地位,随着科技不断发展,目前的入侵技术没有考虑到检测技术的可扩展性、可持续性以及训练时间长短,无法应对现代复杂多变的网络异常流量。针对这些问题,提出了一种新的深度学习方法,使用无监督的非对称卷积自编码器,对数据进行特征学习。另外,提出了一种新的基于非对称卷积自编码器和多类支持向量机相结合的方法。在 KDD99 数据集上进行了实验,实验结果表明,该方法取得了良好的结果,与其他方法相比显著减少了训练时间,进一步提高了网络入侵检测技术。     

面向降频污染攻击的智能交通拥堵态势量化分析

随着网联车辆的快速发展和开放化,智能信号灯规划系统承受着巨大的网络攻击风险.已有相关研究发现,定频数据污染对规划脆弱性的攻击造成了交通拥堵爆增,但缺乏对降频污染攻击的全时序拥堵态势量化与分析,在检测预警与持续对抗方面有一定的局限性.将开源智能信号灯规划系统I-SIG及其规划算法COP作为研究对象,提出一种面向多个降频污染攻击的统一拥堵态势量化与分析框架,构造态势发展的时空序列三阶张量空间,并设计极值分析、平稳性分析和关联性分析,实现基于函数依赖关系的一体化分析方法.在交通模拟环境VISSIM平台上,验证了该量化分析的有效性并报告新发现.