摘要：为了优化分层联邦学习(FL)全局模型的训练时延,针对实际场景中终端设备存在自私性的问题,该文提出一种基于博弈论的激励机制。在激励预算有限的条件下,得到了终端设备和边缘服务器之间的均衡解和最小的边缘模型训练时延。考虑终端设备数量不同,设计了基于主从博弈的可变激励训练加速算法,使得一次全局模型训练时延达到最小。仿真结果显示,所提出的算法能够有效降低终端设备自私性带来的影响,提高分层联邦学习全局模型的训练速度。

摘要：卫星编队飞行队形相对稳定,可有效支撑确定性传输,但其队形控制需要较大的实时计算开销,且不支持多业务的灵活部署。为此,基于广泛部署的低轨星座,提出了虚拟卫星编队方案,通过选取合适的卫星构建编队来实现时敏业务的确定性传输。首先,阐述了虚拟卫星编队的设计理念,分析了基于低轨星座设计编队的挑战和性能需求。然后,通过刻画星间链路的生存时间与距离变化率属性,构建编队节点选择模型,针对时敏业务需求设计虚拟卫星编队选择算法。最后,基于STK和Exata搭建卫星网络场景进行仿真验证,实验结果表明,所提方案能为时敏业务提供与卫星编队飞行相同的性能指标,且具有更灵活的业务部署能力。

摘要：随着各国深空探测任务的开展,空间站的建设需求日益增加,而航天器内部大量的数据通信总线在一定程度上影响了航天器的有效载荷。因此,该文将无线通信方式引入到航天器通信系统设计中,但传统无线通信难以保障时敏数据的端到端传输时延,该文提出了一种有线无线融合的时间敏感网络(TSN)流调度方案。设计了一种上下行时隙分离的TDMA时隙分配机制,通过对航天器内部业务类型与有线无线融合传输链路的时延关系进行建模分析,构建了以时敏业务平均端到端时延最小的目标函数,采用粒子群算法对时隙分配方案进行快速求解。最后在Pycharm平台对所提算法进行对比测试,并在EXata网络仿真平台搭建航天传感器采集网络进行验证。实验结果表明,该文所提出的有线无线融合流调度方案能为时敏业务提供稳定、有界的时延保障。

摘要：随着航空航天技术的发展,利用卫星互联网广覆盖、高带宽和低时延的特性,将地面网络向空间维度扩展成为构建未来网络的新方向。同时,多样性的应用请求及复杂的空间环境特点对星地融合网络(Satellite Terrestrial Integrated Network,STIN)的安全问题提出了新的挑战。为了满足STIN体系架构安全的需求,提出了一种基于软件定义的STIN内生安全系统架构。利用软件定义技术及网络虚拟化技术,根据安全即服务的设计理念,将安全接入认证及安全路由传输等安全运行机制一体化考虑,以提高整个网络架构的灵活性及可靠性。