面向大数据的网络流量监控与分析算法综述

网络流量监控与分析(Network Traffic Monitoring and Analysis, NTMA)作为网络管理技术的关键组成部分,能够有效提高互联网等大型网络的健壮性。然而随着互联网业务的复杂性和通信量不断增加,如何设计具有高可扩展性、实时性和高安全性的NTMA应用是一个极其重要且严峻的挑战。将大数据处理技术引入NTMA应用,能够有效提升数据传输过程中的信息量、传输速率、多样性以及准确性。为了进一步研究面向大数据的NTMA算法,首先介绍NTMA算法的背景技术,包括现有的大数据技术和NTMA应用框架;其次,介绍NTMA应用的数据管理技术,并详细阐述数据管理的主要流程和关键技术;最后,概述基于大数据的NTMA框架的最新研究方法。     

一种车联网辅助积极性感知的空间众包任务分配框架

针对大多数空间众包(Spatial Crowdsourcing, SC)中任务分配算法缺乏考虑工人主观积极性的影响，提出了一种利用车联网(Internet of Vehicles, IoV)技术辅助积极性感知的SC任务分配框架(Task Allocation Framework in Spatial Crowdsourcing Based on Internet of Vehicles Assisted Positivity Sensing, IOV-SCA)来甄别消极工人并进行任务分配。IOV-SCA模型分为2个阶段：第1阶段利用部署在路侧单元上的Bi-PSM模型(Positivity Sensing Model Based on BiLSTM)来挖掘消极工人，旨在利用加入注意力机制的BiLSTM模型计算工作停滞时间并与给定阈值比较，从而辨别工人的积极性；第2阶段利用部署在云服务器上的PS-TAA算法(Task Allocation Algorithm Based on Positivity Sensing)进行任务分配，旨在激励工人的同时满足系统效用最大化。在真实数据集上进行大量对...     

基于贡献度证明共识机制的去中心化联邦学习框架

在大数据背景下,保证数据可信共享是数据联邦的基本要求.区块链技术代替传统的主从架构,可以提高联邦学习(federated learning,FL)的安全性.然而,现有工作中,模型参数验证与数据持久化所产生的巨大通信成本和存储消耗,已经成为数据联邦中亟待解决的问题.针对上述问题,设计了一种高效的去中心化联邦学习框架(efficient decentralized federated learning framework, EDFL),能够降低存储开销,并显著提升FL的学习效率.首先,提出了一种基于贡献度证明(proof-of-contribution)的共识机制,使得区块生成者的选举基于历史贡献度而不采用竞争机制,从而有效发避免了挖矿过程产生的区块生成延迟,并以异步方式缓解模型参数验证中的阻塞问题;其次,提出了一种角色自适应激励算法,因为该算法基于节点的工作强度和EDFL所分配的角色,所以能够激励合法节点更积极地进行模型训练,并有效地识别出恶意节点;再者,提出一种区块链分区存储策略,使得多重局部修复编码块(local reconstruction code)可被均匀地分布到网络的各个节点...     

一种构建物联网产业生态圈的发展战略分析方法

构建物联网产业生态圈在城市聚集资源要素和发挥特色优势中有着举足轻重的作用。通过对目前国内外物联网产业发展现状的总结与分析，从产业、技术、应用层面对物联网产业趋势进行预测，提出优势、劣势、机会和威胁层次分析过程(Strengths, Weaknesses, Opportunities, and Threats-Analytic Hierarchy Process, SWOT-AHP)模型，计算成都市物联网产业生态圈发展因素的权重。根据总体思路、目标、定位及重点四个方面提出成都市构建物联网产业生态圈的发展战略，从政府和企业两个侧重点提出可行的建议，为加快建设智慧城市、提升城市可持续发展能力、优化城市产业结构具有重要的现实意义。     

一种基于移动数据挖掘和区块链的数据共享方法

移动数据挖掘是指对移动设备中大规模数据进行挖掘和分析的过程，获取有用的信息和知识，以支持移动应用和服务的开发和改进。区块链是一种分布式的、去中心化的数据库技术，可以实现在网络中多方之间安全地传输信息、交易资产，不依赖于中心化的机构或第三方信任机构。然而，面对复杂的移动数据场景，现有的隐私保护、索引选择等方法存在诸多不足，如无法高效处理大数据量的加解密任务、区块链上数据分布不均、无法有效应对移动设备计算能力不足等问题。针对上述不足，提出一种基于移动数据挖掘和区块链的数据共享方法(A Data Sharing Method for Mobile Data Mining and Blockchain, ADS-MB)。ADS-MB集成了密钥分片共享算法，可有效避免密钥被第三方获取或篡改而导致隐私内容泄露。ADS-MB使用基于SM2的改进算法来加强区块链数据的一致性和安全性，同时支持动态的区块链索引维护。实验结果表明，在真实移动业务数据集和WeiboDataShare数据集上，ADS-MB的性能优于现有的数据分享方法。