摘要：多传感器数据融合技术能够更好地解决智能设备产生的数据不兼容问题,提高设备运行效率和生产力。现有方法缺乏高性能表现以及未考虑数据隐私保护问题,将联邦学习引入多传感器数据融合中,联邦学习局部模型采用门控循环单元(Gated Recurrent Unit,GRU)算法解决多传感器数据拟合问题,首次设计了一种在时间域和空间域上并行的立体式多传感器数据融合方法,该方法既具备优异的融合性能,又保证了各客户端数据的隐私性。实验结果表明了该方法的正确性与合理性,并在鲁棒性方面呈现出优势。

摘要：针对群智协作频谱感知中恶意感知终端的投毒与搭便车攻击,结合事前威慑与事后惩罚机制提出了一种基于审计博弈的新型防御方案。首先,考虑审计预算约束,构建了一种不完全信息下的混合策略审计博弈模型,在协作感知前设置惩罚策略威慑恶意协作者,并在感知数据融合后进行审计进而实施惩罚。其次,设计了链上链下协同的轻量审计区块链模型,其中,审计证据存储在链下数据仓库,其元数据公开发布在审计链上。再次,设计了基于强化学习的分布式智能审计算法,以在动态环境下自适应地计算审计博弈的渐近混合策略均衡。仿真结果表明,相比传统方案,所提方案能快速获取稳定且渐近最优的审计策略,并积极抑制恶意协作者的投毒与搭便车行为。

摘要：社交网络是一个有效的信息传播平台,使得人们的生活更加便捷.同时,在线社交网络也不断提高了社交网络账号的价值.然而,为了获取非法利益,犯罪团伙会利用社交网络平台隐秘地开展各种诈骗、赌博等犯罪活动.为了保护用户的社交安全,各种基于用户行为、关系传播的恶意账号检测方法被提出.此类方法需要积累足够的用户数据才能进行恶意检测,利用这个时间差,犯罪团伙可以开展大量的犯罪活动.首先系统分析了现有恶意账号检测工作.为克服现有方法的缺点而更快地检测恶意账号,设计了一种基于账号注册属性的恶意账号检测方法.方法首先通过分析恶意账号和正常账号在不同属性值上的分布,设计并提取了账号的相似性特征和异常特征;然后基于此计算两两账号的相似度构图以聚类挖掘恶意注册团体,从而有效实现注册阶段的恶意账号检测.

摘要：针对传统自适应滤波算法对于非零均值非高斯噪声干扰环境下稀疏系统参数估计存在稳态精度低的问题,以变中心互相关熵为代价函数,引入比例更新机制,应用随机梯度法设计一种新的稀疏自适应滤波算法。变中心互相关熵的中心可位于任何位置,其可很好地匹配非零均值的误差分布,而比例更新机制为每个权值参数赋予可变的步长参数,因此可增强算法的跟踪能力。进一步设计在线学习方法来估计核宽度和中心位置,以提高算法性能。另外根据能量守恒关系研究了算法的收敛性。仿真实验结果表明,该算法相对于传统自适应滤波算法对于非零均值非高斯噪声环境下的稀疏参数估计具有明显的优越性和鲁棒性。

摘要：提出了一种利用人体内部的生物特征来进行认证的生物识别电子锁设计方法,简称为PBLock。该方法通过人手指与无源式射频标签的接触,利用后向散射的射频信号传递人体指尖阻抗特征来实行认证。这样的认证方式的优势在于,由于人体阻抗不易采集,加之与设备(RFID标签)的硬件特征充分融合,大大增加了攻击者复制和克隆的难度。为保证系统的可用性和高效性,利用标签天线剪切式认证优化机制,有效提升了人体阻抗敏感度。同时,利用RFID系统的电磁能量优势讨论了被动驱动的可行性。实验评估结果表明,PBLock的认证准确率可达96%,平均单次认证的时间花销是1.4 s。另外,从实际环境出发提出了攻击模型,通过深入分析发现,PBLock可以有效防止伪造攻击、模仿攻击和重放攻击,为新型生物识别电子锁的应用安全提供重要保证。