区块链技术体系赋能数据智能研究

数据智能研究极大拓展了数据治理、处理、应用的流动范围,对动态安全和随遇响应有了更强要求。以数据分布式一致性技术和密码学为基础的区块链技术及其技术体系应用,具备体系赋能数据智能的天然优势。区块链技术体系以数据作为新型生产要素,能够提供基于数据供需关系的全域、全维、全类、全量数据的流动治理新模式,通过研究提出了“一域+两链+三服务”全周期安全治理基础框架、流动治理模式和实践方案路径,提供了适应数据智能发展的全方位新模式,支持形成了多场景数据主体的价值链条与平衡机制。     

面向跨级可信协作服务的大规模节点组网共识算法

为有效提升业务数据跨级可信协作服务的可扩展性、高鲁棒性、高并发能力与处理效能,提出一种面向多层级大规模节点组网场景的高效共识算法——高效拜占庭容错(Efficient Byzantine Fault Tolerance, EBFT)。在现有共识算法的基础上,把轮换主节点作为常规共识流程的一部分,实现所有节点轮流担任主节点进行提案,以减轻单一主节点带来的压力并保证节点间的公平性。通过合并视图切换流程和正常流程实现了快速共识,进一步提升算法灵活性、可靠性和数字签名性能。仿真实验表明,所提算法满足了跨级大规模业务数据流转对业务系统处理能力和响应速度的实际需求。     

基于知识学习的多目标关联检测与识别方法

随着感知智能水平的日趋成熟,人工智能研究呈现出向认知智能发展的态势;作为人工智能在感知智能方面的代表领域,图像目标识别在向认知智能发展的道路上存在着人机之间以及机器之间知识难通用、可扩展性低等问题;为此,提出了基于知识的多目标关联判别框架,通过引入知识图谱,将目标特征知识进行语义化表达与规则化关联存储,构建了基于知识学习的多目标关联检测与识别方法,动态按需调用目标检测模型的同时,迭代式更新多目标关联的知识图谱,形成双向反馈学习循环;最后,通过相关仿真实验,验证了基于知识学习的多目标关联判别方法的可行性,为提高图像目标识别算法的知识通用化和可扩展性提供了新的思路.     

面向无人集群目标分配的层次化信息传播方法

实用化集群智能构建应明确个体/群体协同协作基础性关联，形成可扩展模型与方法。当前差异化场景下模型方法难以互通共融，亟待破解共性基础，实现行为一致性与互动性统一。面向集群目标分配的层次化信息传播方法，基于复杂网络信息传播、社团结构等理论，对决策与通信解耦，构建双层耦合系统模型基础，提出基本的UAU-FO*层次化状态控制方法。面向中观尺度动态群落信息交互控制，构建基于UAU-FO*的层次化信息传播方法，形成个体目标拣选与群体协作涌现间可扩展关联，实现目标信息的集群决策传播效应和自主聚合解聚。仿真结果表明，决策与通信解耦后，通过独立信息感知融合、层间控制、群组调控策略，可实现对目标的群组行为涌现，并验证了弱通联条件下该方法具备较好鲁棒性、持续作业稳定性和系统健壮性。