摘要：无人机以其高度的灵活性和按需部署能力成为满足下一代蜂窝用户需求的一种潜在技术。为了适应不断变化的无线环境,解决基于无人机的传感器网络能量有限问题以及突破其能量限制对无线传感器网络性能约束的瓶颈问题,文中研究了一种基于无人机覆盖的无线传感器网络,通过综合考虑无人机吞吐量以及能耗,提出基于状态转移的无人机工作模式选择方案。具体地,首先考虑了基于视距以及非视距通信链路的无人机到传感器用户的信道模型,并对静态模式下无人机坐标以及巡航模式下无人机工作周期等参数进行设计。然后通过无人机最佳坐标以及工作周期求得无人机最优吞吐量以及能耗,由于最大化吞吐量以及最小化能耗的目标是相悖的,基于此规划了能综合表征无人机吞吐量和能耗的经济效率最大化问题。最后通过最大化经济效率,达到无人机对工作模式进行自适应选择的目的。仿真结果表明,与传统方法相比,所提算法在经济效率方面可以获得更高的性能提升。

摘要：近年来,智能电网正以新一代电力网络的身份飞速发展,但在新技术应用的同时也不可避免地带来了隐私泄露威胁。为了应对这类信息安全问题,相关研究通常从智能电表数据和智能电表身份两个方面进行隐私保护。文中提出一种基于雾计算的智能电网安全与隐私保护数据聚合方案,该方案利用云雾合作的多级聚合模型和同态加密算法,对智能电表实时数据进行多层隐私保护。实时数据在智能电表端通过加密获得第一层隐私保护,在雾端进行细粒度聚合获得第二层隐私保护,实现了整个网络数据传输与处理的机密性和隐私性。雾级聚合数据在云节点作为系数嵌入符合霍纳规则的一元多项式完成第三层隐私保护,最终电力服务机构将云级粗粒度聚合数据霍纳分解与解密,获得雾级与云级明文聚合数据。这些差异化实时数据可为电力服务机构进行电力消费分析与调度决策提供支撑。在整个数据传输过程中,设计的轻量级密钥协商身份认证机制实现了较低的计算成本,且能够有效抵御伪装攻击,保护数据的完整性;同时,云雾数据聚合操作极大地降低了冗余数据传输量(即通信开销)。最后,安全与性能评估表明该方案相对其他方案在安全性、实用性和高效性方面具有极大优势。

摘要：星地融合中继网络(ISTRN,integrated satellite-terrestrial relay network)是下一代无线通信系统的必要组成部分,对加快建成我国空天地一体化网络系统具有重要的现实意义。传统ISTRN架构大量的信令需要转发到地面控制中心进行处理,这增加了网络控制和管理的时延。提出了一种新型云雾计算架构,在地面接入和中心云之间构建分区域的边缘雾计算层,提高业务流管理和控制的灵活性。在该云雾网络框架下,设计了基于Q-learning的边缘计算卸载策略,以时延与能耗作为卸载性能的评价指标。仿真实验结果表明,与Min-min算法和回溯算法相比,基于Q-learning计算卸载算法的时延与能耗性能更优,且可以在时延与能耗的联合优化之间达成平衡。

摘要：移动模型对机会网络路由协议的研究起着非常重要的作用,因为几乎没有可以用于性能评估的大型真实网络环境。不同的移动模型使得节点的运动方式各不相同,导致网络拓扑有很大变化,影响了路由协议的仿真结果。文中在介绍机会网络研究中常用的移动模型及其配置方式的基础上,对移动模型进行分类比较,分析各自的特点、适用场景以及移动模型对路由协议仿真的影响。文中设计的仿真实验表明,同一路由协议在不同移动模型下的消息传输率和平均时延有大幅变化,且不同路由协议的变化趋势各不相同,因此需要根据路由协议应用场景选择合适的移动模型。

摘要：为了满足物联网场景中不同用户的差异化需求和提高资源利用率,以构建一个高效的边缘计算服务系统,本文提出了一种基于优先级的物联网边缘计算迁移机制。边缘节点通过感知任务的优先程度,合理分配计算资源,并提供相应的计算服务,避免时延敏感型任务因等待时间过长而导致执行失败,提高用户服务质量。通过综合考虑计算迁移决策、带宽资源和边缘节点计算资源分配,构建了一个基于优先级的任务完成总能耗最小化问题。同时,为解决上述优化问题,设计了一种基于优先级的智能资源分配与计算迁移算法。该算法通过融合深度确定性策略梯度算法的思想,构建了双重“行动者-评论家”网络架构,加快了训练过程的收敛速度;并且,为了使该算法适用于本文规划的混合整数优化问题,对连续动作输出做离散化处理,生成二进制迁移决策。仿真结果表明,本文所提机制能够获得近似贪婪算法的最优迁移与资源分配策略,与本地计算、完全迁移和DQN(Deep Q Networks)方案相比,本文提出的算法在系统总能耗方面分别平均减少约52%、 13%和7%。

摘要：为适应垂直市场差异化能源需求,保障物联网设备的高效可持续性运行,研究了一种融合射频能量采集的协同节能计算迁移机制。具体地,基于对计算迁移决策、上行带宽资源分配、下行带宽资源分配及基站功率分割的联合优化考量,构建了一个最小化系统总能耗的优化问题。为有效求解该优化问题,融合惩罚函数的概念设计了新的评价指标,并提出了一种基于自适应粒子群优化的协同节能计算迁移算法。该算法构造了动态变化的惯性权重和线性调节的惩罚因子,可在迭代搜索过程中实时变更粒子群落的空间分布密度,以生成可容忍惩罚下的最优计算迁移策略;进一步地,为避免粒子越过探索范围,引入了速度边界限制,可降低无效解的产生概率,提升搜索有效性。最后,仿真结果表明所提算法能够实现较高的收敛效率及求解精度,且与其他常见基准方案相比,完成任务处理的系统总能耗可分别降低34.09%、14.72%和6.86%。

摘要：为改善道路交通监测和保证智能网联交通系统的安全、可靠与稳定运行,提出了在路侧边缘平台中基于多通路高分辨率网络与注意力机制融合的车辆检测模型MCHRANet。该模型采用多通路的高分辨率网络的结构设计,保留高分辨率特征并保障识别准确率。融入注意力机制的特征融合方法,通过特征连接权重自学习实现多尺度特征的深度融合。各通路网络采用跳跃连接促进跨层特征融合,加速网络收敛,并利用公开数据集对车辆检测性能进行评估并验证。结果表明:所提模型的车辆检测性能优于3个传统模型,改进后的网络识别平均精度均值(mAP)指标接近95%,且对于不同场景下的检测具有良好的鲁棒性。

摘要：大数据场景下,远程云服务器通常被部署用于数据处理与价值挖掘,但在面对时延敏感型或需要动态频繁交互的业务时,该种处理模式显得力不从心.作为对云计算模式的补充,雾计算因其可有效降低任务处理时延、能耗与带宽消耗而备受关注;同时,面向雾计算的计算迁移机制因其能有效缓解节点的处理负担并改善用户体验而成为领域研究焦点.在雾计算模式下,为了更好地满足计算密集型任务对时延与能耗的要求,基于区块链赋能物联网场景,本文提出了一种联合资源分配与控制的智能计算迁移方案.具体地,规划了一个在时延、能耗与资源约束下的最小化所有任务完成总成本的优化问题,其总成本构成综合考量了时延、能耗和挖掘成本,通过对通信、计算资源与迁移决策的联合优化,实现总成本的最小化.为完成任务迁移,终端以矿工的身份向雾节点挖掘(租借)计算资源,所提出的基于区块链技术的激励机制可充分调动终端和雾节点参与计算迁移的积极性并保障交易过程的安全性,设计的奖励分配规则可保证成功挖掘资源终端收获奖励的公平性.为解决上述规划的优化问题(即混合整数非线性规划问题),提出了一个联合通信、计算与控制的智能计算迁移算法,该算法融合深度确定性策略梯度算法思想,设计了基于反梯度更新的双“行动者-评论家”神经网络结构,使训练过程更加稳定并易于收敛;同时,通过对连读动作输出进行概率离散化运算,使其更加适用于混合整数非线性规划问题的求解.最后,仿真结果表明本文方案能以较快的速度收敛,且与其他三种基准方案相比,本文方案的总成本最低,例如,与其中性能最好的基于深度Q学习网络的计算迁移方案相比,总成本平均可降低15.2%.

摘要：对指定测试者的基于身份可搜索加密(dIBEKS)方案进行了研究。指出Tseng等人所提dIBEKS方案并不是完全定义在基于身份密码系统架构上,而且方案不能满足dIBEKS密文不可区分性。首次提出了基于身份密码系统下的指定测试者可搜索加密方案的定义和安全需求,并设计了一个高效的dIBEKS新方案。证明了dIBEKS密文不可区分性是抵御离线关键字猜测攻击的充分条件,并证明了新方案在随机预言模型下满足适应性选择消息攻击的dIBEKS密文不可区分性、陷门不可区分性,从而可以有效抵御离线关键字猜测攻击。

摘要：针对当前证据有效性不足的缺点,结合概率论,提出了基于可信概率的电子数据取证有效性模型.以Petri网为基础,将取证后经形式化处理的数据抽象为Petri网中的库所,操作行为和取证方法抽象为变迁,后一节点为运用该操作方法对前一节点进行某种变换所形成.给出了取证过程中的基本定义和形式化处理方法,研究了概率计算的相关算法,描述了详细的推理过程.利用"可信度+数据源+取证规则"作为对所得证据的有效性说明,为可信取证的动态取证行为可信提供理论基础.通过概率计算的方法,最终得到具体的概率数据,在保证数据源信息可信的基础上(即静态属性可信的假设前提),通过可信概率(概率值接近0或者1)的方法保证处理过程所使用的取证规则可信(即使用可信的动态取证方法或行为),最终实现电子数据作为证据的高的可信度.最后,设计了有效性证明系统,利用实际案例,分析并验证了可信概率在电子数据取证有效性模型中的具体应用.