【摘 要】
：
为了有效地检测传感器网络中被注入的虚假数据,提出一种基于扩展卡尔曼滤波器(EKF)的虚假数据注入检测算法。首先通过监控邻近节点行为,使用EKF预测邻近节点未来状态;然后给出了使用不同的融合函数(平均、求和、最大、最小)时理论阈值的确定方法;最后为了克服本地检测机制的缺陷,将本地检测方法与系统监控模块有效配合,从而准确地区分出恶性事件和紧急事件。仿真实验结果表明,无论是在合成数据还是实时数据下进行测
论文部分内容阅读
为了有效地检测传感器网络中被注入的虚假数据,提出一种基于扩展卡尔曼滤波器(EKF)的虚假数据注入检测算法。首先通过监控邻近节点行为,使用EKF预测邻近节点未来状态;然后给出了使用不同的融合函数(平均、求和、最大、最小)时理论阈值的确定方法;最后为了克服本地检测机制的缺陷,将本地检测方法与系统监控模块有效配合,从而准确地区分出恶性事件和紧急事件。仿真实验结果表明,无论是在合成数据还是实时数据下进行测试,该算法都能为无线传感器网络进行安全的数据融合提供有效的入侵检测功能。
其他文献
通过对葛荣亮等人提出的无证书代理盲签名方案进行分析,从中发现该方案会引起公钥替换攻击和恶意但是被动的KGC攻击。为了解决此方案的安全性缺陷,提出了一种改进方案。分析表明,改进的新方案满足无证书代理盲签名方案的所有安全性要求,并且拥有与原方案相同的计算效率。
阐述安全多方计算(SMC)密码原语在分布式数据挖掘隐私保护中的相关应用后,对方炜炜等人提出的基于SMC的隐私保护数据挖掘模型进行分析,论证该类模型所基于的离散对数公钥加密协议不具有全同态的特性,并用简单实例验证。从而得出该类数据挖掘隐私保护模型是不可行的。
人体动作重构是当前图像处理的热点问题,针对其问题的特点,提出一种全新的LLE与KRR相结合的人体动作重构方法。首先针对图像的颜色和深度信息,提取人体动作骨架,建立动作训练集;再将训练集转变为动作向量库,采用LLE算法计算人体动作的低维流形,并对流形数据作相关分析;最后,将预测的低维衔接动作点逆映射回高维欧氏空间,首次应用KRR算法解决传统降维不可逆映射问题,从而使动作重构得以实现。实验结果表明:通
认知水平估算是远程学习系统中实现学习导航和知识推荐的一个重要依据。针对现有的估算方法存在计算方式单一、逻辑推理简单等问题,提出了一种用模糊集表示认知水平等级,以记忆量为判断标准、试题难度和做题时间为影响因素,通过模糊推理产生对认知等级不同的影响参数,并利用影响参数和改进的SherlockⅡ方法修改认知水平的等级隶属度的方法。通过和其他方法比较,得出本方法逻辑合理、计算简便,能够合理地反映学习者的认
针对信号处理、系统识别等领域中涉及到的无约束非线性lp问题,为减小由于二进制编码的舍入误差对该问题计算结果的影响,对求解该问题的极大熵方法进行了区间扩张。证明了区间扩张后的极大熵函数至少具有二阶收敛性,并设计了具有多项式时间复杂度的区间算法进行求解,举例进行了数值计算。数值计算结果显示,该区间算法可靠,计算结果与区间扩张前相比,结果更加精确。
针对层次型无线传感器网络中簇首节点的能量受限问题,提出了一种基于非合作博弈模型的节点接纳控制机制。该机制依据簇首节点的效用函数,引入定价因子,优化了簇首数目和功率水平,并得到簇首发射功率的纳什均衡。仿真实验模拟该博弈的均衡过程,将簇首节点设为非合作博弈的参与者,对各簇首节点发射功率的决策过程进行验证。
为了得到低冗余度高识别率的基因子集,提出了一种耦合基因灵敏度信息的微粒群优化基因选择方法。首先,通过单隐层神经网络从微阵列数据中提取各个基因的基因—类别灵敏度值;其次,在基因聚类基础上,利用基因灵敏度信息滤除低灵敏度的基因;最后,将基因灵敏度信息编码进二进制微粒群优化算法作进一步基因选择。在两个公开的微阵列数据集上的实验结果表明,对比其他方法,由于充分考虑各个基因灵敏度信息,因此能够选出较少基因但
由于神经元模型和参数具有不确定性,加大了许多控制算法的应用难度,而迭代学习控制不需要精确的数学模型,因此适合神经元网络同步的控制。针对Hodgkin-Huxley(HH)神经元的同步控制问题,提出了基于PI型迭代学习控制算法。对四种不同情况下主从神经元同步控制进行仿真,结果表明,施加控制后从神经元能够迅速跟踪主神经元的动力学行为。研究结果证实了该控制算法的可行性和有效性。
现有互联网安全体系结构僵化且效率低下。基于"以可变的有限节点资源支持多样安全应用需求、以内置的安全结构提供多级安全保障"这一认识,避免单一追求高安全等级或高服务质量的简单模式,提供更高的灵活性和可扩展性,提出一种基于重构的安全业务—服务—构件模型,并在此基础上给出可重构网络安全体系的初步构想和具有多级安全保障的可重构安全承载网络结构,给出了可重构安全承载网络构建及重构算法。仿真结果验证了算法的有效
针对最少信道分配问题,提出一种改进的最小信道分配算法。该算法构造一棵根在任意节点的信道分配树,然后对网络中每个节点进行信道分配。对于普通节点的信道分配,将节点所在的平面区域划分为若干个边长相等的正方形区域,然后对各个正方形区域进行着色,最后从颜色相同的区域中任取一个节点,使之分配相同的通信信道。而对于非普通节点的信道分配,将节点所在的平面区域划分为若干个边长相等且互不重叠的块,然后采用四种颜色对各