摘要：为满足国家新工科人才培养需求,推动在线仿真教学改革,探索了基于分层次PBL教学模式的人工智能专业在线仿真教学案例。案例以基于深度学习的无人机高铁基础设施图像检测为主要内容,在机器学习和深度学习两门课程教学中构建在线仿真教学框架。上述在线仿真教学框架以真实工程项目为背景,结合工程路径和算法模型两个问题解决路径的特点,针对不同基础学生个性化设计分层级的教学路径,提升创新思维能力,为培养“两型一化”(创新型、复合型、工程化)新工科人才提供支撑。

摘要：机会网络路由算法在不同合作度下的健壮性是一个重要的但未被充分研究的问题,分析了机会网络中可能存在的节点间不合作的情况,定义了三种适用于不同场景的节点合作度,设计了评价方法及指标体系,通过对真实城市场景中带有智能蓝牙设备行人移动行为的仿真,定量分析了不同节点合作度下Direct Delivery、Epi-demic、Spray and Wait、Prophet和MaxProp五种典型路由算法的健壮性。结果表明Spray and Wait和MaxProp算法健壮性较差,Prophet和Epidemic算法较为健壮,而Direct Delivery算法非常健壮。

摘要：近年来,网络设备的安全问题日益凸显。如果网络设备不可信,网内所有计算机都可能面临被攻击的危险,所有数据也都可能面临被窃取的危险。所以网络设备是否安全地接入网络直接影响到整个网络的安全。提出了一种基于IMC/IMV的网络设备可信认证方法,在完成传统的平台身份认证的同时,进行平台可信状态验证,通过设计的完整性收集器(Integrity Measurement Collector,IMC)收集网络设备的可信状态信息,通过协议的多轮交互提交给完整性验证器(Integrity Measurement Verifier,IMV)进行验证,完成平台的完整性认证。实验表明,这种认证方式在实现网络设备的可信认证的同时,对系统性能的影响不大。

摘要：设计了评价方法及指标体系,通过对真实城市场景中带有智能蓝牙设备行人移动行为的仿真,从传输能力、传输效率和节点能耗三个方面定量分析了志愿节点的作用以及在有或没有志愿节点参与情况下泛洪攻击的效果,以此来评价Direct Deliv-ery、Epidemic、Spray and Wait、Prophet和MaxProp共五种机会网络典型路由算法在泛洪攻击下的健壮性。结果表明Direct De-livery算法健壮性最好,能完全抵御泛洪攻击,Spray and Wait算法的健壮性最差,在某些场景下性能会下降80%以上,其他三种算法在泛洪攻击下性能会显著下降。