摘要：天地一体化智能网络中的卫星节点具有计算、存储和传输能力,将内容副本缓存至传输路径上的卫星节点可提高网络缓存收益。针对卫星节点移动导致的路径改变问题,设计基于虚拟位置的卫星节点静态处理机制,先设定卫星的虚拟位置节点,再将内容副本提前向虚拟位置节点同一轨道的后方卫星节点进行缓存。在此基础上,提出基于ProbCache的轻量级分组缓存策略PBP,对路径节点进行分组并划分组内缓存区域,同时按照内容副本流行度阈值实现缓存位置迁移,使得流行度高的内容副本缓存至离请求节点近的区域。实验结果表明,与ProbCache、LCE和LCD等策略相比,PBP策略能有效降低缓存开销及提高内容副本的缓存命中率,具有更好的卫星网络传输性能。

摘要：随着星间链路技术的不断发展和星上处理技术的日益成熟,空间信息网络传输的任务类型不断增加并呈现多样化的趋势,这对空间信息网络的多业务协同传输、网络资源全局调度等能力提出了新的挑战。然而,传统的空间信息网络资源调度大多以单一业务为驱动,忽略了任务与业务之间一对多的关系,导致某些低优先级任务抢占高优先级任务的网络资源,致使由多业务构成的空间信息网络任务的服务质量较低。此外,空间信息网络传输环境具有拓扑高动态变化、节点资源有限等特点,将传统的业务识别方法直接迁移到任务识别中存在任务识别效率低和开销大的缺陷。鉴于此,文中设计了部署于空间信息网络边缘的任务服务支持站,该支持站由识别标记模块、路由控制模块和数据通信模块组成,用以完成对任务类型的识别,以及基于任务服务质量需求的路由选择和数据传输。文中通过对流自身特征项的降维处理和基于高斯核函数的特征空间映射,设计了基于支持向量机的业务识别算法,进一步地,在引入网络传输环境相关特征项的基础上,将业务类型、业务数量和环境特征项相结合,设计了基于梯度下降法的任务识别算法。仿真结果表明,设计的任务识别算法具有很好的识别精准率和召回率,且消耗较短的识别时间和较少的识别开销,对空间信息网络任务流量识别的平均准确率达到95%以上,提高了1%以上,相比未经过特征降维的平均训练时间缩短了15%以上。

摘要：为了提高无线通信安全性,研究了无人机辅助场景下的隐蔽通信问题,使用具有波束成型技术的移动无人机对检测方进行干扰,分析并研究该场景下的隐蔽通信性能。首先,对无人机干扰场景下的系统模型进行建模,基于假设检验理论对2种场景下的检测方最优检测门限进行分析;基于所得最优检测门限,对3种情况下平均隐蔽概率进行分析;考虑到无人机会同时对合法接收方造成干扰,采用中断概率对隐蔽通信可靠程度进行判定;设计最优算法对最大隐蔽吞吐量进行求解;最后,通过仿真实验对最优算法进行验证,确定多种情况下系统平均隐蔽概率、隐蔽吞吐量和发送功率、无人机位置、无人机飞行速度以及隐蔽性要求、可靠性要求之间的关系,验证了所提最优算法的有效性。

摘要：工业控制系统蜜罐存在系统信息容易被攻击者嗅探,安全性不能满足要求的问题。针对此问题,提出一种改进的Conpot蜜罐方案,针对Conpot蜜罐设计时存在指纹信息的缺陷,对配置文件中序列号等指纹进行擦除和替换,并依据实际PLC指纹对蜜罐XML配置文件重新配置以仿真S7-400设备。为使生成序列号与真实PLC在面对攻击者扫描时格式一致,在对PLC命名规则分析基础上,采用格式保持加密算法进行相关字段的生成,从而提高安全性。验证了所提方案可有效提高Conpot蜜罐的安全性。

摘要：传统数据终端缺乏丰富的通信接口,通信方式单一、传输协议固定,只能接入单一的通信网络,难以满足车载异构网络中数据交互的需求。为了解决此问题,提出了一种能同时支持多种通信方式(UART,CAN,Ethernet,4G,WiFi)和多种通信协议(TCP/IP,UDP,HTTP,MQTT)的终端设计方案。设计并实现了以Cortex^(TM)-A7为核心处理器的数据聚合终端,使该终端能正常工作在多种接入方式的车载异构网络中。测试结果表明,所设计终端接口丰富,通用性强,有效解决了传统数据终端接入能力差的问题,在实际应用中运行稳定,各项性能均满足指标要求。

摘要：随着第5代无线通信技术的高速发展,无线通信广播特性带来生活便利的同时也使得通信过程存在被非法用户拦截和窃听的风险。为了保护信息传输过程,低检测概率通信自提出以来逐渐受到学界和产业界的关注。与传统固定干扰辅助低检测概率通信不同,移动干扰辅助能够大幅提升低检测概率通信的场景适应性,论文建立了一种基于车载移动干扰辅助的低检测概率通信模型,并在瑞利衰落信道下使用波束成形技术,分析低检测概率通信性能。首先利用假设检验分析检测方检错概率并以此获得最优检测阈值;然后根据最优检测阈值分情况求解模型的平均隐蔽概率进而推导出中断概率的表达式;最后以隐蔽吞吐量为优化目标设计优化算法。仿真结果表明相比于固定干扰,采用车载移动干扰对低检测概率通信性能有所提升。

摘要：物联网在快速发展的同时,其数据交互容易遭受各种攻击.为了保证物联网传输层协议UDP传输数据的安全,在TLS协议架构基础上扩展形成了支持UDP数据报安全传输的DTLS(DatagramTLS)协议.现行的DTLS协议基于公钥证书密码体制,证书管理复杂、网络通信开销大,难以满足物联网等资源受限型网络的安全通信需求.本文提出一种基于离散对数的改进无证书公钥密码方案,设计了适应资源受限网络的轻量级DTLS协议,并基于嵌入式SSL库wolfSSL进行了协议实现.从通信开销和握手连接时间两方面,将本文提出的基于改进无证书公钥密码的DTLS协议分别与基于传统公钥证书的DTLS协议及基于身份标识的DTLS协议进行了对比实验.实验结果表明,在保证安全性的前提下,基于无证书的DTLS协议在通信开销和握手连接时间方面均优于基于公钥证书的DTLS协议和基于身份标识的DTLS协议.

摘要：在轨道交通领域,需要实时监控不同区域的行人位置分布,以解决乘客摔倒,排队时占用下客区等异常情况。现如今设计一种更加轻量化同时不会大幅度降低检测效果的网络成为深度学习行人实时检测中十分具有现实意义的问题。论文针对现有的目标检测算法对计算资源消耗较大的问题,设计了一种基于卷积、可分离卷积与Inception结构的轻量卷积神经网络——LPDNet。该网络在现有的YOLOV3目标检测网络的基础上,只保留了32倍下采样分支,同时加入了Inception-V3-3网络模块,并改进了原有的损失函数。论文设计的网络结构在场景多样的VOC数据集上进行行人检测实验,结果与原网络模型检测的准确率相差不到3%,在地铁相对单体固定的场景下,检测效果的差距仅为0.54%。实验结果表明,新设计出的算法能够在检测效果下降很小的情况下,大大减小计算所需资源,加快推理速度,减小模型大小。