数据要素流通与安全的研究范畴与未来发展趋势

针对数据从信息技术时代的受控共享向数据技术时代的数据要素泛在流通演化的趋势,分析了数据共享与数据要素流通的差异,阐述了什么样的数据才能成为数据要素,提出了数据成为数据要素所必须具有的6个属性,定义了数据要素流通模型及主要环节,明确了数据要素流通的研究范畴,梳理了数据要素流通研究范畴的相关概念,厘清了研究范畴所涵盖的关键核心技术,并对未来需要突破的关键技术进行了展望。

面向软件定义网络的异常流量检测研究综述

针对软件定义网络(SDN)较传统网络更易遭受网络攻击的现实,从技术原理和架构特点出发,对近年来面向软件定义网络的异常流量检测研究进展进行综述,分析了SDN可能遭受网络攻击的组织形式,讨论了当前SDN异常流量检测、异常流量溯源、异常流量缓解相关技术的特点、优势及不足;对当前研究中常用的数据集进行了对比分析,并梳理出一些通用的数据预处理方法;总结并展望了未来SDN环境下异常流量检测方法的研究方向。调研结果可以指导实际应用需求中适配方法的选取,提出待解决的问题和矛盾可为后续研究提供引导。

子连接有源可重构智能表面辅助的宽带无蜂窝网络能效优化

面对无蜂窝网络中超密集基站部署产生的高功耗问题,提出了一种基于子连接有源可重构智能表面辅助的宽带无蜂窝网络系统。考虑有源智能超表面最大功率约束、放大因子约束和基站端最大功率约束,构建了一个联合基站和可重构智能表面波束优化的能效最大化问题。由于所形成的优化问题非凸,提出了一种交替优化方案将原问题转化为多个子问题,进而利用块坐标下降、拉格朗日对偶变换、多维复二次变换等方法将每个子问题转化为凸优化问题,通过交替求解每个子问题最终获得原问题的解。仿真结果验证了所提方案的有效性。

基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法

为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,提出了一种基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法。首先对比基于LSTM和GRU的TimeGAN模型,选取性能更优的GRU网络作为TimeGAN模型的组成单元,然后采用Nadam优化算法对TimeGAN模型的各组件进行优化,即构建Nadam-TimeGAN模型用以数据扩充,最后构建一个平衡的数据集输入XGBoost集成学习模型进行分类训练。实验选取转辙机动作电流数据集进行验证性实验,选取MFPT轴承数据集和CWRU轴承数据集进行泛化性实验,并与8种方法进行对比,结果表明,所提方法在准确率、召回率以及F1-score这3种评价指标上均高于其他方法,从而验证了所提方法在不平衡数据故障诊断方面的有效性和泛化性。

低地球轨道卫星边缘计算场景中任务卸载与资源分配联合优化算法

针对低地球轨道(LEO)卫星边缘计算场景中地面用户计算任务的卸载需求,提出联合卸载与资源分配优化(JORAO)算法。考虑到LEO卫星的有限覆盖时间,以最小化所有地面用户的平均服务时延为目标,联合优化卸载策略、LEO卫星的通信和计算资源分配。将任务卸载与资源分配的联合优化问题分解为卸载决策和资源分配子问题,使用交替优化方法,获得原始优化问题的次优解。对于任务卸载决策子问题,将其建模为联盟博弈模型,当博弈达到纳什均衡时,获得最小化平均服务时延的地面用户卸载策略;对于资源分配子问题,使用拉格朗日乘子法获得最优的通信和计算资源分配结果。此外,还证明了所提算法的收敛性和稳定性。仿真结果表明,所提算法具有良好的收敛性,能显著降低地面用户的平均服务时延和提高任务卸载成功率。

ADAFT:SDN大规模流表的适应性深度聚合存储架构

为解决软件定义网络(SDN)数据平面中的三态内容可寻址存储器(TCAM)资源紧张问题,提出了一种基于内容表项树的SDN流表深度聚合方法,进而构建一种SDN大规模流表的适应性深度聚合存储架构ADAFT。该架构放宽了聚合表项之间的汉明距离要求,构建内容表项树聚合动作集不同的流表项,显著提高了流表聚合程度。设计了一种TCAM装载率感知的内容表项树动态限高机制,以降低流表查找开销。同时,提出了一种TCAM装载率感知的表项聚合适应性选择策略,以均衡流表聚合程度和查找开销。实验结果表明,ADAFT架构的流表压缩率明显高于现有方法,最高可达65.74%。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

语义通信的数学理论

自从1948年经典信息论诞生以来,在其指导下,现代通信技术已经逼近了理论性能极限,例如信息熵H(U)、信道容量C=max_(p(x))I(X;Y)以及率失真函数R(D)=min_(p(x|x):Ed(x,x)≤D)I(X;X)。长期以来,由于经典信息论只研究语法信息,限制了通信科学的进一步发展。近年来,研究语义信息处理与传输的通信技术获得了学术界的普遍关注,语义通信开辟了未来通信技术发展的新方向,但还缺乏一般性的数学指导理论。为了解决这一难题,构建了语义信息论的理论框架,对语义信息的度量体系与语义通信的理论极限进行了系统性阐述。首先,通过深入分析各类信源的数据特征,以及各种下游任务的需求,总结归纳出语义信息的普遍属性——同义性。由此指出语义信息是语法信息的上级概念,是许多等效或相似语法信息的抽象特征,表征隐藏在数据或消息背后的含义或内容。将语义信息与语法信息之间的关系命名为同义映射,这是一种“一对多”映射,即一个语义符号可以由许多不同的语法符号表示。基于同义映射f这一核心概念,引入语义熵H_(s)(U)作为语义信息的基本度量指标,表示为信源概率分布与同义映射的泛函。在此基础上,引入上/下语义互信息I^(s)(X;Y)(I_(s)(X;Y)),语义信道容量C_(s)=max_(f_(xy))max_(p_((x)))I^(s)(X;Y)以及语义率失真函数R_(s)(D)=min_({f_(x),f_(x)})min_(p(x|x):Ed_(s)(x,x)≤D)I_(s)(X;X),从而构建了完整的语义信息度量体系。这些语义信息度量是经典信息度量的自然延伸,都由同义映射约束,如果采用“一对一”映射,则可以退化为传统的信息度量。由此可见,语义信息度量体系包含语法信息度量,前者与后者具有兼容性。其次,证明了3个重要的语义编码定理,以揭示语义通信的性能优势。基于同义映射,引入新的数学工具——语义渐近均分(AEP),详细探讨了同义典型序列的数学性质,并应用随机编码和同义典型序列译码/编码,证明了语义无失真信源编码定理、语义信道编码定理和语义限失真信源编码定理。类似于经典信息论,这些基本编码定理也都是存在性定理,但它们指出了语义通信系统的性能极限,在语义信息论中起着关键作用。由同义映射和这些基本编码定理可以推断,语义通信系统的性能优于经典通信系统,即语义熵小于信息熵H_(s)(U)≤H(U),语义信道容量大于经典信道容量C_(s)≥C,以及语义率失真函数小于经典率失真函数R_(s)(D)≤R(D)。最后,讨论了连续条件下的语义信息度量。此时,同义映射转换为连续随机变量分布区间的划分方式。相应地,划分后的子区间被命名为同义区间,其平均长度定义为同义长度S。特别是对于限带高斯信道,得到了一个新的信道容量公式C_(s)=B log[S^(4)(1+P/N_(0)B)],其中,平均同义长度S表征了信息的辨识能力。这一容量公式是经典信道容量的重要扩展,当S=1时,该公式退化为著名的香农信道容量公式。综上所述,语义信息论依据同义映射这一语义信息的本质特征,构建了语义信息的度量体系,引入新的数学工具,证明了语义编码的基本定理,论证了语义通信系统的性能极限,揭示了未来语义通信的巨大性能潜力。

可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面(RIS)辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波(KR-HBKF)算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5 dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。

基于改进YOLOv3-SPP算法的道路车辆检测

针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力。为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野。实验结果表明,所提算法在检测车辆目标时m AP提高了1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象。

基于超图Transformer的APT攻击威胁狩猎网络模型

针对物联网环境中高级持续性威胁(APT)具有隐蔽性强、持续时间长、更新迭代快等特点,传统被动检测模型难以对其进行有效搜寻的问题,提出了一种基于超图Transformer的APT攻击威胁狩猎(HTTN)模型,能够在时间跨度长、信息隐蔽复杂的物联网系统中快速定位和发现APT攻击痕迹。该模型首先将输入的网络威胁情报(CTI)日志图和物联网系统内核审计日志图编码为超图,经超图神经网络(HGNN)层计算日志图的全局信息和节点特征;然后由Transformer编码器提取超边位置特征;最后对超边进行匹配计算相似度分数,从而实现物联网系统网络环境下APT攻击的威胁狩猎。在物联网仿真环境下的实验结果表明,提出的HTTN模型与目前主流的图匹配神经网络相比均方误差降低约20%,Spearman等级相关系数提升约0.8%,匹配精度提升约1.2%。

基于拟牛顿法的深度强化学习在车联网边缘计算中的研究

为了解决车联网中由于多任务和资源限制导致的任务卸载决策不理想的问题,提出了拟牛顿法的深度强化学习双阶段在线卸载(QNRLO)算法。该算法首先引入批归一化技术优化深度神经网络的训练过程,随后采用拟牛顿法进行优化,有效逼近最优解。通过此双阶段优化,算法显著提升了在多任务和动态无线信道条件下的性能,提高了计算效率。通过引入拉格朗日算子和重构的对偶函数,将非凸优化问题转化为对偶函数的凸优化问题,确保算法的全局最优性。此外,算法考虑了车联网模型中的系统传输时间分配,增强了模型的实用性。与现有算法相比,所提算法显著提高了任务卸载的收敛性和稳定性,并能有效处理车联网中的任务卸载问题,具有较高的实用性和可靠性。

基于溯源图和注意力机制的APT攻击检测模型构建

针对现有攻击检测方法难以应对持续时间长、攻击手段复杂隐蔽的高级持续威胁的问题,构建了基于注意力机制和溯源图的APT攻击检测模型。首先,基于系统的审计日志构建能够描述系统行为的溯源图;其次,设计优化算法,确保在不牺牲关键语义的前提下缩减溯源图规模;再次,利用深度神经网络(DNN)将原始攻击序列转换为语义增强的特征向量序列;最后,设计并实现了APT攻击检测模型DAGCN,该模型将注意力机制应用于溯源图序列,利用该机制对输入序列的不同位置分配不同的权重并进行权值计算,能够提取较长时间内的持续攻击的序列特征信息,从而有效地识别恶意节点,还原攻击过程。该模型在识别精确率等多个指标上均优于现有模型,在公开的APT攻击数据集上的实验结果表明,该模型在APT攻击检测中的精确率达到93.18%,优于现有主流检测模型。

具有系数相关性的可变分数时延滤波器设计方法

针对可变分数时延滤波器设计中的复杂度问题提出一种设计方法,将时域插值与泰勒级数展开相结合对Farrow结构进行系数配置,推导出相应的滤波器系数相关公式。该方法设计出的滤波器具有系数相关性,可使近一半滤波器系数独立,并得到低复杂度的滤波器实现结构。从复杂度、幅频响应及群时延、误差方面进行理论推导和仿真验证,分析结果表明,所提方法能有效降低可变分数时延滤波器的复杂度和计算成本。

M-APSK鉴相算法与并行载波同步方法

为实现M进制幅相调制(M-APSK)体制下高阶调制信号的相位精细校正,将DVB-S2标准推荐的16APSK和32APSK的Q次方无数据辅助鉴相算法进行了扩展,以应用于64APSK、128APSK和256APSK等高阶调制。针对高阶调制的有效鉴相星座点占比较低时环路工作不稳定的问题提出了改进算法,通过对功率归一化后接收符号的幅值进行阈值判决,仅在高于阈值时进行鉴相,低于阈值时则不改变滤波器状态和相位补偿值,以提高星座点的鉴相有效性和可靠性,从而降低入锁门限。针对高速数传的符号速率非常高,而处理器的工作时钟频率相对较低的问题,提出了一种适用于M-APSK的并行载波同步方法,可以满足接收机工作时钟处理需要。相对于传统固定编码调制(CCM)的载波同步环路,该并行方法还可应用于可变编码调制(VCM)体制的频率跟踪。

基于全光混沌注入双环电光相位反馈环的混沌保密通信系统研究

针对现有混沌保密光通信系统时延特征隐藏所需反馈增益系数较大这一问题,设计了一种基于全光混沌注入双环电光相位反馈环的混沌保密通信系统。首先,由全光反馈产生光混沌并将其耦合至2个电光相位混沌反馈环中。然后,通过相位调制的方式实现信息与混沌载波的非线性耦合并参与混沌载波的生成。最后,在检测端通过光混沌同步实现信号的解密。借助MATLAB软件仿真分析了系统中混沌信号的复杂度、时延特征隐藏、同步性、鲁棒性和通信性能。仿真结果表明,所设计的混沌保密通信系统在较小的反馈系数时具有较高的复杂度且时延特征得到较好的隐藏。

无人机辅助MEC系统中基于最优SIC顺序的能耗优化方案

在基于上行非正交多址接入(NOMA)的无人机(UAV)辅助移动边缘计算(MEC)系统中,NOMA的连续干扰消除(SIC)顺序已成为限制上行任务卸载链路传输性能的瓶颈,为降低系统能耗,对SIC顺序进行了讨论,提出了联合信道增益与任务时延约束的最优SIC顺序。在满足设备给定任务时延、设备最大发射功率约束以及UAV轨迹的约束下,基于最优SIC顺序提出了最小化系统能耗的问题。由于该问题是个复杂的非凸问题,采取交替优化的方法求解该优化问题,以实现功率分配和UAV轨迹的优化;利用匹配理论,提出了低复杂度算法来得到不同时隙的最优设备分组。仿真结果表明,与其他SIC顺序相比,最优SIC顺序能够在相同的任务时延约束下实现更小的系统能耗;所提的低复杂度设备分组算法能够得到最优设备分组。

面向云存储的属性基双边访问控制方案

针对目前云存储中细粒度双边访问控制机制安全模型较弱且外包解密结果缺乏验证的问题,提出了一种面向云存储数据的属性基双边访问控制方案。首先,提出了自适应安全可验证外包双边CP-ABE的形式化定义和安全模型;其次,以此为基础并结合批量可验证技术在合数阶群上设计了双边访问控制方案,支持数据拥有者与数据使用者同时为对方定义访问策略;最后,安全性分析表明,所提方案在自适应安全模型下针对选择明文攻击与选择消息攻击是不可区分的和存在性不可伪造的。实验结果显示,所提方案减轻了用户端的匹配、解密以及验证阶段的计算开销。

基于身份认证的BACnet/IP分析与改进

为了解决BACnet/IP身份认证存在多种可攻击漏洞和密钥泄露带来的安全问题,提出了一种安全增强的BACnet/IP-SA协议认证方案。研究协议身份认证消息流模型,基于着色Petri网理论和CPNTools对身份认证消息流建模,采用Dolev-Yao攻击者模型和形式化分析方法对BACnet/IP进行安全性分析,发现协议漏洞并提出改进方案。BACnet/IP-SA协议使用设备的伪身份来保护真实身份信息,使用PUF响应进行认证,通过多信息集合的验证值来验证端身份的真实性并生成会话密钥。结合BAN逻辑和非形式化方法,对协议的安全性进行了证明。实验结果表明,所提方案能有效抵抗多类攻击和密钥泄露带来的安全威胁,在减少计算开销的同时增强了协议身份认证的安全性。

支持访问策略部分隐藏的CP-ABE方案

针对现有支持外包解密的基于密文策略的属性加密(CP-ABE)方案大多未考虑对密文访问策略的隐私保护,而部分支持策略隐藏的方案又存在访问策略匹配效率低的问题,提出一种支持访问策略隐藏且访问策略匹配效率较高的CP-ABE方案。该方案对属性值进行盲化处理并构造隐藏策略访问树,实现了访问策略的隐私保护;采用布隆过滤器对属性进行过滤与成员认证,从而快速找到满足访问策略的最小属性集,减少解密测试中的大量无效计算;利用强算力的云服务器进行外包计算,减少本地的解密开销。理论分析和实验结果分析均表明,所提方案可兼顾计算效率与策略隐私保护,访问策略匹配效率和加解密速度显著提升,本地解密时间被减少至常数级。安全性分析表明,所提方案不仅保护了外包访问策略的隐私性,还能抵御选择明文攻击。