摘要：本文从移动通信演进规律和泛在性出发,研究第六代移动通信系统(sixth generation, 6G).在前期引入代表智慧或意识的"灵"的基础上,提出6G信息交换中枢Ubiquitous-X网络,使人–机–物–灵的新通信对象全面协作和融合于现有网络,以构建未来的6G网络.针对Ubiquitous-X网络构架面临的信息密度非均匀增长导致的传播非线性、信息维度增加导致的信息空间高维性、承载服务差异化导致的信息处理复杂性3大挑战,借鉴复杂系统耗散理论和信息负熵促进有序的思想,给出设计与优化Ubiquitous-X网络的演进范式和核心技术,为6G研究提供参考.

摘要：基于Open Stack设计并实现了一个面向租户的虚拟机定制化组网系统,通过资源的元数据定义和基于模板的协同操作,实现云基础设施(计算、存储和网络资源)的自动化部署和管控。具体功能包括统一的图形化租户可拖拽操作、定制化的虚拟机组网编排、动态批量的资源配置更新、网络接口粒度上的服务质量控制以及基于虚拟机网络连接关系的优化映射算法等。该系统可以为租户提供网络配置能力,使租户可以方便、快捷而不受制于技术细节地进行虚拟机组网;性能上降低了网络平均时延,实现了资源的高效匹配,提高了资源利用率。

摘要：针对数字图书馆建设面临的信息安全问题,分析基于B/S结构的可视化网络行为安全审计系统的体系结构,并重点设计、实现安全审计系统的基于Spring+Struts框架的W eb应用和可视化网络行为审计功能。系统的应用能够控制用户行为和进行事后审计,为维护数字图书馆系统的安全提供保障。

摘要：在信息安全的许多实际应用中往往需要同时提供私密性和认证性,通常采用加密模式和消息认证码的组合来实现这一目的,但这种实现方式须对同一消息分加密和认证两阶段进行处理,不仅密钥使用量大,而且效率低下.本文基于CBC加密模式设计了一种新的一阶段加密认证方案OXCBC,能够同时提供私密性和认证性,且仅使用一个密钥和一个Nonce,与同类型的加密认证方案相比具有较高的效率.在分组密码是强伪随机置换的假设下,证明了该方案的认证性.

摘要：通过对电子商务中不可否认公平交换协议的运行流程进行了研究,论证了基于第三方的不可否认公平交换协议至少需要运行4步骤,进而指出现有一个协议实质上是需要运行4步骤的,而不仅仅是运行3步骤。依据安全协议与密码系统分开设计的原则,对比分析已有可转换认证加密方案,提出了一个可转换认证加密方案的系统模型。并基于该系统模型,设计了基于半可信第三方的不可否认的安全邮件协议。通过形式化方法分析表明,该协议具备邮件发送方和接收方均不可否认的特点。

摘要：基于社会性提出了一种适用于无线传感器网络的新型网络编码方案.详细描述了该方案的设计过程并分析了该方案在实际应用中的优缺点,阐述了该方案中所使用的随机线性网络编码的编码过程和解码过程.基于NS2的仿真实验结果表明,该方案在提高网络整体性能上比传统的网络编码方案优越.

摘要：为了提高长期演进后续系统(LTE-A)的能效,引入一种基于多点协作传输(Co MP)的技术,在初始服务小区休眠时能补偿网络覆盖.首先,根据等价小区原则将网络划分为若干簇;然后,设计一个模型用以选择协作小区以及相应的休眠小区;最后,用两个指标评估节能方法的效率.仿真结果显示,当综合考虑休眠小区占比和服务质量时,1 600 m的分簇半径能达到最佳效果,由此可得,多点协作技术能有效地应用在能耗管理中.

摘要：加入叠加网多播的主机在带宽及其他方面存在异构性.在叠加网多播协议设计中考虑这些异构性,按优先级组织节点关系与系统架构,将提升系统的整体性能.本文利用Mesh架构叠加网多播中大部分数据经几棵树所组成的树子集进行传播的特性,定位主干多播树,在此基础上设计优先级抢占算法,使高能力节点抢占低能力节点位置,从而使高能力节点尽可能的靠近源点,以此提升系统整体性能和贡献较大节点的业务质量.本文给出了协议设计,并对目标架构进行了分析,最后通过仿真实验表明了本算法的有效性.

摘要：主动网络是一个开放的、可扩展的、可编程的网络系统。MANET(移动自组织网络)是由一组无线移动节点组成的,临时的、多跳的、无基础设施支持的无中心网络。上述两种网络都被看作新一代Internet网络的研究热点,但是对于它们的研究目前仍局限在各自的领域。为了同时获得两种网络的优秀特性,提出了一种基于主动网络思想的MANET通信协议栈的设计方案。利用OPNET仿真软件,该协议栈的基本功能已经得到了初步实现。通过配置该协议栈,仿真节点既能够传输主动网络数据,又具有MANET节点的移动性与自组织能力。

摘要：作为物联网技术在日常生活领域的重要应用,智能家居产业近年来取得了快速发展.但是不同智能家居设备之间差异化的通信方式与割裂的功能,大大增加了用户管理与使用的复杂度.智能家居管控平台旨在整合异构网络环境下多种设备的数据监测与控制能力,为用户提供整体化家居服务.在面对多种设备协同、环境参数众多、用户需求难以确定等众多困难时,如何建立一种无感化、精确化、智能化的家居设备统一管控能力,是智能家居平台化过程中亟需解决的问题.为破解智能家居设备自动管控难题,文中基于深度学习方法提出DeepHome智能家居管控模型.DeepHome模型首先采用自编码网络构建设备模型,通过逐层无监督预训练,挖掘通用化设备特征;继而基于具体家居场景,综合多个独立设备模型构建多隐层学习网络,并使用家居环境数据进行模型整体训练.经过训练,DeepHome模型能够基于家居环境数据预测智能设备工作状态,并依照预测结果调整相应设备,实现对智能家居设备的自动化统一管控.由于智能家居平台尚处于起步阶段,现阶段仍缺乏能够有效描述家居环境整体的数据.文中设计调查问卷与数据收集网站收集不同用户的家居环境、设备数据与生活习惯,并基于所得数据构建智能家居环境仿真测试平台HomeTest,模拟生成批量家居环境数据,辅助模型训练.使用仿真数据进行10轮训练后,DeepHome模型对智能设备工作状态的预测准确率达到99.4%,较浅层神经网络模型提高了6.4%,较基于逻辑规则的控制方案提高了36.1%;与此同时,DeepHome在设备状态需要调整时的预测准确率达到74.1%,较浅层神经网络模型提高了4.7倍,较基于逻辑规则的控制的方案提高了13.2倍.在真实环境数据集下,DeepHome的对设备状态的预测准确率也达到了可以被用户接受的98.9%.实验表明,DeepHome模型能够充分发掘智能设备状态与环境、用户以及其他设备间的联动关系,实现对设备的智能化控制.