物联网节点动态信任度评估方法

针对现有物联网（IoT）信任度评估方法未考虑信任的时效性、非入侵因素对直接信任度评估的影响以及缺乏对推荐节点可靠度的评估,造成信任评估准确度低且不能有效应对节点恶意行为的不足,提出一种IoT节点动态信任度评估方法（IDTEM）。首先,设计节点服务质量持续因子评估节点行为,并采用动态信任衰减因子表达信任的时效性,改进基于贝叶斯的直接信任度评估方法;其次,从推荐节点价值、评价离散度与节点自身的信任度值三个方面评估推荐节点可靠度,并据此优化推荐信任度权重计算方法;同时,设计推荐信任反馈机制,通过服务提供节点完成服务后的实际信任度与推荐信任度的反馈误差实现对协同恶意推荐节点的惩罚;最后,基于熵计算节点自适应权重,得到节点综合信任度值。实验结果表明,同基于贝叶斯理论的面向无线传感器网络的信誉信任评估框架（RFSN）模型及基于节点行为的物联网信任度评估方法（BITEM）相比,IDTEM可较好地识别恶意服务和抑制恶意推荐行为,且具有较低的传输能耗。     

基于信任评估模型的物联网节点篡改共识仿真

传统物联网节点篡改识别方法存在节点属性权重不明确问题,无法获取主体节点信任度,导致节点篡改识别效率偏低.提出基于信任评估模型的物联网节点的篡改共识方法.根据节点各类属性构建信任模型,获得主体节点与邻近节点的属性值.利用决策层次分析法计算节点属性权重,得到当前节点集合基础信任度.融合节点交互时间触发与周期性,将其作为信任...     

面向物联网节点的综合信任度评估模型建立

作为新型应用技术,物联网实现了迅速更新发展,在促进能源、科学技术、医疗与教育等多领域发挥着战略性作用。基于物联网应用环境的安全与信任问题备受社会各界积极关注。就既有物联网信任度评估模型效果不佳,准确性低,难以应对节点恶意行为等缺陷,制定了基于物联网节点的综合信任度评估模型。设计节点同质量服务强度评估指标,促使非入侵要素在信任度评估中的影响性有所下降;基于节点相似性、评价差异性、节点信任度值等多角度,对推荐节点可靠性进行全面评估,以此为推荐信任度权重;在此基础上,以熵为载体对直接信任度权重进行计算分析,同时对节点综合信任度值加以计算。     

动态物联网节点任务实时传输分簇调度算法

为解决传统互联网节点任务实时传输分簇调度管理进程和内存管理效率低的问题,笔者提出了动态物联网节点任务实时传输分簇调度算法,通过构建互联网节点任务传输信息流的模型,进行传输信息流的融合处理,能够实现动态物联网节点任务传输信息流的分簇处理。实验数据表明,分簇调度算法较传统调度算法效率更高,适用于动态物联网节点下的实时传输分簇调度。     

基于修正残差的物联网节点定位算法仿真

针对物联网系统中,底层传感节点种类众多,分布随机性很强,节点分布不均匀,节点之间的属性存在较大差异,很难建立统一的节点属性的测距模型.传统的测距定位算法由于无法建立统一的定位测距模型,造成在密集节点区域节点属性多样化明显,造成节点属性的测距误差较大,引起定位不准的问题.提出了一种基于修正残差算法的物联网节点定位方法.通过对测距结果进行测距残差的有效修复,在残差修正的基础上,利用跟踪滤波算法进行节点的跟踪处理,保证未知节点的位置计算的准确性.计算机仿真结果证明,改进方法能够较大幅度提高物联网结构下节点定位的准确性,在物联网小区域的节点定位领域有广阔的应用前景.     

物联网视频感知节点的动态同步建模与仿真

针对物联网视频感知的动态同步问题,本文用π网理论建立了物联网视频感知的抽象模型DSAM,以描述其动态同步问题。首先建立基于π网的物联网视频感知抽象模型DSAM,然后对模型进行了状态演变、模型变迁和动态交互等分析,最后利用模型DSAM对实例进行分析和仿真。通过对模型DSAM的仿真和分析可知,该模型能够正确处理物联网视频感知的动态同步并发性,具有一定的实用价值。     

物联网中跨域移动节点的信任迁移

针对物联网中移动节点跨域后信任缺失的问题,参考当前信任领域和传感器网络的研究成果,提出物联网中面向跨域移动节点信誉体系的网络模型、服务模型和信誉模型,并在此基础上研究异动节点跨域后信任的迁移和建立过程.结合高斯分布的传感器网络信誉模型(GRFSN),讨论跨域移动节点的信誉初始化、信誉更新、信誉整合和信誉共享方法.仿真结果证明,在物联网节点跨域环境下,跨域移动节点的信誉收敛速度快于传统GRFSN模型,并能保持GRFSN模型可检测恶意节点的特点.     

面向物联网的高速数据交换节点设计方法

针对当前高速数据交换节点设计方法存在功耗高、整体性能低下的问题,提出一种新的面向物联网的高速数据交换节点设计方法.设计了节点所处物联网的拓扑结构,并分析设计了调制模块、码字相加模块和解调模块.令每个和高速数据交换节点的IP模块经输入端口与输出端口和交换节点相连,在各输入端口处设置一个缓冲队列,通过调制模块读取数据,传输至码字加法器模块进行加法运算,将计算结果发送至各个解调模块进行处理后,把数据传输至目的IP模块.通过码分多址技术实现高速数据交换节点的软件设计.实验结果表明,所提方法带宽使用率高、传输速度快、响应能力强.     

基于行为监控的自适应动态信任度测模型

大规模分布式系统中的动态信任关系模型本质上是最复杂的社会关系之一,涉及假设、期望、行为和环境等多种因子,很难准确的定量表示和预测.将粗糙集理论和信息熵理论结合起来,应用于开放环境下动态构建基于行为数据监控与分析的信任关系度测(度量与预测)模型.该方法直接从分析传感器监测到的动态数据入手,针对影响信任的多个度测指标进行自适应的数据挖掘与知识发现,从而改变了传统的信任关系建模思路,跳出了传统信任关系建模过程中各种主观假设的束缚,并克服了传统模型对多维数据处理能力不足的问题.实验结果表明,与已有模型相比,新模型能够快速准确地实现开放分布式环境下实体的可信性判别,而且具有良好的行为数据规模的扩展能力.     

基于网络拓扑关系和节点交互行为的动态信任模型

针对无线传感网络点对点安全系统对节点交互行为的动态适应能力和对节点信息反馈能力评估的不足,提出一种基于网络拓扑关系和节点交互行为的动态信任模型.通过网络拓扑结构来衡量节点之间的短期信任度.在此基础上,引入时间衰减因子计算节点之间的长期信任度,考虑到节点交互存在信任的可靠性问题,引入偏差因子衡量节点交互次数的差异并通过偏差因子之间差异性来衡量反馈信任.实验表明,模型具有更强的适应能力和更可信的评估能力,能够在一定程度上应对恶意节点对网络采取的策略性行为改变和不诚实反馈.     

半分布式僵尸网络恶意数据流实时跟踪仿真

传统僵尸网络恶意数据流跟踪方法时间维度大、数据跟踪复杂度高,其方法存在响应时间长、吞吐量偏低的问题。提出一种新的半分布式僵尸网络恶意数据流实时跟踪方法。利用数据模糊均值提取半分布式僵尸网络特征,获取僵尸网络自适应度数值。利用邻近值法划分原理,对数据预分类,得到恶意数据流所在区域。通过模式快照策略确定存储模式的时间间隔,保存恶意数据信息,并将其数据映射到空间网格单元中。利用对相关数据维度单元数量的控制,降低时间复杂度,对所得参数模式匹配,实现僵尸网络恶意数据流实时跟踪。仿真结果表明,所提方法具有较短的响应时长、较高的吞吐量,其时间复杂度较小,一直稳定在10%~20%之间,并具有良好的应用性能与前景。     

基于图卷积网络的短时交通速度预测

交通预测是构建智能交通系统的重要技术,实时准确的交通预测有利于规划路线,提高出行效率.为提高交通速度预测精度,提出一种基于图卷积网络的短时交通速度预测模型.首先对交通速度数据进行时空特征分析,然后结合数据空间特性构造可学习的邻接矩阵来建立图卷积网络,同时考虑到交通数据的时间特性,因此在图卷积的基础上又添加了长短期记忆网...     

基于物联网离散模型的能效关键指标预测

基于"物联网+"的人工智能算法使制造业发生了翻天覆地的变化。采用由设备层、任务层和辅助生产层三层结构构建的能耗结构,详细描述了离散制造系统层的数学模型,通过对模型的分析,发现设备层为耗能主体,且其关键参数无法直接获取,基于此,从设备层能耗模型切入,通过测量设备总功率与主轴实时功率,采用基于变遗忘因子算法来估计设备加工时的附加载荷损数系数,结合能耗集成化模型和预测出的附加载荷损耗系数用于能耗量化分析。     

一种基于小波和神经网络的短时交通流量预测

针对实际交通流变化的不稳定性和复杂性的特点,应用交通流预测模型获取更准确的交通流信息,是智能交通领域的一个研究热点。提出一种基于小波分析与神经网络结合的预测模型。模型主要思想是通过小波多分辨率分析和Mallat算法对原始交通流数据进行平滑降噪处理,处理过程选用db10小波和软阈值去噪函数使得交通流曲线更加平滑稳定,更能真实反映交通流的真实情况;再采用激活函数为Tan-Sigmoid,训练函数为trainlm,各层神经元节点数为1-12-1的三层BP神经网络对消噪后的交通流数据进行训练,用训练好的预测模型对实际交通流信息进行预测,最后获取准确的交通流信息。实验结果表明,采用小波分析与BP神经网络结合的方法得到的预测结果平均相对误差为0.03%,最大相对误差为0.39,拟合度(EC)达到0.96。仅使用BP神经网络预测模型对交通流数据进行预测后得到的预测结果的平均相对误差为0.08%,最大相对误差为0.89%;实验对比采用BP神经网络预测模型和卡尔曼滤波、GM(1,1)预测模型对交通流的预测,BP神经网络预测模型的误差指标大大减小,拟合度大大提高,有较好的准确性和可行性,能较准确地反映交通流真实情况。而经过小波去噪与BP神经网络结合的预测模型提高了预测精度,为交通流的实时动态预警提供了更加准确真实的情况。     

基于多尺度融合的城市交通路网仿真系统研究

目前关于城市交通仿真方面的技术研究较多,但都存在一些问题,如:交通系统大部分在空间尺度上是从微观到宏观的高度综合,在时间尺度上是从秒级到年级高度连续的整合,交通系统的复杂度决定了任何一种单一的尺度都很难对交通现象进行更好的客观仿真。在此基础上,提出了基于多尺度融合的仿真系统,旨在从宏观、中观、微观3个尺度运用相应算法进行融合,并对系统进行设计。最后对基于多尺度融合的城市交通路网优化仿真系统进行实验,通过南京福建路和三牌楼路口信号方案优先的实例对其进行路网仿真实验分析。结果证明,该系统具有实用性和可靠性。     

物联网模式下LED显示可信集成平台框架设计

可信是制约物联网发展与应用的瓶颈,本文重点探讨了物联网模式下的可信问题,基于物联网模式下LED显示集成平台架构的研究,提出了一种LED显示终端集成平台可信安全系统框架,设计了基于USBKey的LED显示集成平台可信安全系统,通过在LED显示软件平台增加TPM硬件模块,实现对终端用户的可信认证,以确保引导过程中软件的完整性,从而提高物联网模式下LED显示集成平台的可信性。     

基于模糊神经网络的短时交通流预测方法研究

为满足交通控制和诱导系统的实时性需求,减少交通拥挤状况,降低交通事故突发频率,需要对短时交通流进行预测;当前的短时交通流预测方法是采用K-近邻的非参数回归对其进行预测,预测过程中没有将预测模型中关键因素对交通流的影响进行详细的说明,导致预测结果不准确,存在短时交通流预测误差较大的问题;为此,提出一种基于模糊神经网络的短时交通流预测方法;该方法首先以历史短时交通流数据样本序列为基础,将提取的关联维数作为短时交通流的混沌特征量,然后以该特征量为依据,对短时交通流数据进行聚类,使相同的短时交通流聚合类样本比不同的交通流聚合类样本更为贴近,采用高斯过程回归对短时交通流预测模型进行建设,建设过程中利用差分方法对短时交通流预测序列进行平稳化操作之后,对短时交通流预测模型进行训练,将GPR模型引入至短时交通流预测过程中,得到交通流预测方差估计值,并确定交通流预测值置信区间,由此实现短时交通流的预测;由此实现短时交通流的预测;实验结果证明,所提方法可以准确地预测交通运输系统的实时状况,为车辆行驶的最佳路线进行了有效引导,减少了自然影响方面和人为因素对短时交通流预测结果的干扰,为交通部门对交通路况的控制管理提供了依据。     

基于DCGRU-RF模型的路网短时交通流预测

随着城市化进程的加快,我国城市机动车数量快速增加,使得现有路网容量难以满足交通运输需求,交通拥堵、环境污染、交通事故等问题与日俱增。准确高效的交通流预测作为智能交通系统的核心,能够有效解决交通出行和管理方面的问题。现有的短时交通流预测研究往往基于浅层的模型方法,不能充分反映交通流特性。文中针对复杂的交通网络结构,提出了一种基于DCGRU-RF(Diffusion Convolutional Gated Recurrent Unit-Random Forest)模型的短时交通流预测方法。首先,使用DCGRU(Diffusion Convolutional Gated Recurrent Unit)网络刻画交通流时间序列数据中的时空相关性特征;在获取数据中的依赖关系和潜在特征后,选择RF(Random Forest)模型作为预测器,以抽取的特征为基础构建非线性预测模型,得出最终的预测结果。实验以两条城市道路中的38个检测器为实验对象,选取了5周工作日的交通流数据,并将所提方法与其他常见交通流量预测模型进行比较。结果表明,DCGRU-RF模型能够进一步提高预测精度,准确度可达95%。     

基于N B-IoT网络的物联网安全研究

With the continuous development of technology, the traditional Internet of things has been unable to meet the application of massive equipment, thus NB-IoT emerges. This paper introduces the technical characteristics and system architecture of NB-IoT, points out the security risks in detail, and puts forward the security protection measures. With the continuous development of technol- ogy and the continuous improvement of the Internet of things application ecosystem, NB-IoT is bound to have a profound impact on society.     

一种基于谱聚类分析的物联网节点安全控制域划分算法

物联网的多源异构性使其安全面临更多的挑战,为实现跨层安全控制,部署多层融合的安全控制策略,提出了一种基于谱聚类的节点安全域分类算法。通过对物联网感知节点在历史安全事件中的波及状态统计,确定感知节点与攻击事件之间的相关性,进而利用谱聚类方法将节点划分为若干个安全控制域。基于事件相关性的谱聚类节点安全域划分,将为部署域内和域间的安全控制策略提供依据,从而整体提升物联网安全防护水平。