星载6G核心网架构与网元功能设计及验证

为全面提升卫星的在轨服务能力,将6G核心网与卫星融合。针对6G核心网在低轨卫星部署的迫切需求,设计星载6G核心网体系架构,包括分布式架构、离线自治、网元智能化等功能。对星载6G核心网主要网元进行了优化设计,包括接入与移动性管理、会话管理、分布式服务注册与发现等。通过在轨部署和仿真试验,验证了所提星载6G核心网体系架构的有效性。仿真结果表明,集中式星载5G核心网网元之间的平均通信时延为109.3 ms,而分布式星载6G核心网的平均通信时延为60.3 ms,相较而言降低了44.8%;此外,5G集中式服务注册和服务发现的平均时延分别为40.53 ms和40.04 ms,而6G分布式服务注册和服务发现的平均时延分别为35.18 ms和34.91 ms,分别降低13.2%和12.8%。

边缘辅助实时应用中信息年龄感知的任务调度

针对无线设备资源受限导致状态提取滞后难以满足实时应用对信息新鲜度需求的问题,考虑到边缘节点处理容量的有限性,提出了一种联合考虑信息新鲜度与调度实时性的调度方法。该方法首先利用队列的系统时间和信息年龄分别刻画任务在计算之前的时延和计算之后的信息新鲜度,同时给每个卸载任务合理的截止期限,来保证任务进入计算过程之前的有效性。然后,采用最小处理速率约束方法对任务调度过程中的处理速率进行约束,保证任务调度的实时性。最后,基于Lyapunov优化技术实现优化长期任务调度决策的目的。仿真结果表明,所提方法在调度实时性和系统信息新鲜度方面均具有较好的性能。

基于云模型的不确定性QoS感知的Skyline服务选择

由于传统QoS感知的Web服务选择方法无法保证服务选择的可靠性和实时性,提出了一种基于云模型的不确定性QoS感知的Skyline服务选择方法.该方法首先通过云模型计算QoS的不确定性,然后采用Skyline计算提取Web服务中的Skyline服务,剔除冗余服务,最后采用混合整数规划在Skyline服务中进行服务选择.在公共有效数据集和合成数据集上的实验结果表明,所提出的方法能够为用户提供可靠、快速的服务选择.

基于全局QoS约束分解的Web服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.

Web服务选择中信誉度评估方法

在开放的Web服务环境中,由于无法保证用户使用服务后给出的反馈等级是真实可靠的,导致服务的信誉度评估结果与实际值存在较大偏差,进而服务选择失败率较高.为了克服上述问题,提出了一种用于Web服务选择的信誉度评估方法.该方法的主要思想是,通过反馈核查、校正和检测这3个信誉度评估模块对服务的信誉度进行评估.仿真结果表明,所提出的方法不仅有效提高了信誉度评估的客观性,还显著减小了服务选择的偏离度.

IMS网络中的SIP洪泛攻击检测

为了检测针对3G核心网中IP多媒体子系统的SIP(session initiation protocol)洪泛攻击,提出了一种双抽样多点检测方法.该方法在使用计数式布鲁姆过滤器统计检测特征信息的基础上,将检测空间划分为5个范围,即正常范围、关注范围、检测范围、精检测范围和攻击范围,然后对落在不同范围内的统计信息给予相应的检测.仿真实验结果表明,该方法具有较好的检测性能.

浅谈入侵检测技术

在介绍入侵检测技术的基础上对其进行了分类,并分析了该技术目前存在的问题,最后对其发展趋势进行了展望。

一种综合考虑主客观权重的Web服务QoS度量算法

已有的Web服务Qo S(quality of service)度量方法由于无法对用户偏好的模糊性予以准确量化,以及对候选服务Qo S属性数据分布特征的忽视,导致其度量结果不准确.为此,提出了一种综合考虑主客观权重的Web服务Qo S度量算法.该算法利用自适应用户偏好的主观权重计算方法和服务潜能保障的客观权重计算方法,从主观和客观两个角度进行Qo S度量,以保障度量结果在符合用户偏好的基础上能够准确地反映服务的整体性能.理论分析和基于QWS真实数据集的实验结果表明,所提出的方法能够准确地获得Web服务Qo S的度量结果.

基于认知自选择决策树的垂直切换方法研究

在异构无线网络环境下高速移动的终端用户需要随时随地接入网络,然而,在垂直切换过程中,由于终端用户对网络选择的偏好不同以及切换之后网络连接时间和状态难以得到保障,无法满足用户的切换需求。因此,提出了一种支持终端用户高速移动的基于认知自选择决策树的垂直切换方法。该方法首先根据网络属性和终端运动趋势建立相应的切换概率分布,然后根据用户偏好选择相应的决策树进行决策,最后通过对切换后终端的业务类型和运动状态进行反馈分析,提出了反馈认知决策方法。仿真结果表明,所提的方法不仅能够保证高速移动终端在异构无线网络下的切换质量,而且减少了不必要的切换,保证了网络的及时更新。

车联网中基于贝叶斯决策的垂直切换方法研究

车辆需要在车联网的异构无线网络环境下进行垂直切换,针对垂直切换技术普遍不能支持WAVE,WiMAX和3G cellular间的垂直切换这一问题,提出了一种基于贝叶斯决策的垂直切换算法。首先,根据接入网络的信号强度、传输速率、误码率和网络阻塞率以及车辆终端的速度和运动趋势建立多条件相关的切换概率分布,计算出切换先验概率;然后通过贝叶斯决策算法计算后验概率并进行决策分类,从而选取最优网络接入。仿真实验结果表明,该算法不仅有效地实现WAVE,WiMAX和3G cellular无线接入技术之间的垂直切换,而且避免了乒乓效应,保证了网络及时更新。

基于轻量云模型的WSN不确定性信任表示方法

参考云模型定性定量不确定性转换特性,设计了适用于WSN的轻量云模型,使用此模型对直接信任、间接信任、推荐行为的信任进行全面的不确定性表示。轻量云模型计算简单,每一个WSN节点均可独立建立轻量云模型,并对邻居节点信任情况进行全面的评估,从而发现WSN应用中的安全问题。实验结果表明,该方法克服了传统信任管理框架中敏感度与容忍度之间的矛盾,既保证了多种异常情况的高容忍度,又具备较敏感的攻击识别能力。

基于群体信任的WSN异常数据过滤方法

以节点数据的时空相关性为理论依据,通过定量数据与定性知识之间的不确定性转换,在知识层面上比较节点间数据的相似程度,实现对单节点数据的群体信任评估,进而设计了一种实时的WSN异常数据过滤方法,在节点数据采集过程中实时发现可疑数据。仿真实验验证了此方法不但能够实时过滤异常数据,提升WSN的入侵容忍能力,还有较低的通信及计算开销。

基于能量监测的传感器信任评估方法研究

目前解决无线传感网节点安全的方式多种多样,无线传感器也将随着物联网的发展而呈现多样化.根据物联网传感层的特点和其特有的安全问题,本文提出了一种基于能量监测的信任评估方法来解决无线传感网节点的信任问题.该方法首先针对无线传感器能耗情况,创建了传感器能量监测机制;然后,根据监测能量机制中的监测信息,通过互相关系数方法分析计算,得出传感器所处的几种信任度;最后,对传感器进行信任评估,并给出评估结果.仿真对比结果表明,本文提出的方法具有较高的准确性.

基于时间窗的多无人机联盟任务分配方法研究

该文针对异构类型多目标多无人机任务分配问题,提出一种基于时间窗的多无人机联盟组任务分配方法。其核心是以空闲时间窗为调度依据进行高效且实时的任务分配。该算法首先利用冲突消解机制避免实时任务分配过程中的多机资源死锁;然后采用两阶段任务联盟组成算法形成任务联盟,实时处理突发任务,提高无人机任务分配的实时性和有效性。仿真结果表明,算法提高了无人机联盟的组成率和总体任务完成率,降低了任务执行时间,并维持了较低的计算开销。

车联网下基于网络编码的高吞吐量多径路由算法

在车联网中,由于车辆节点间无线链路的频繁中断易导致数据重传,使整个车辆组网性能急剧下降。为此,面向车联网提出了一种增强吞吐量的多径路由算法,其核心是使车辆节点分簇算法支持网络编码,从而达到对乱序和丢失报文恢复的目的。该算法首先采用协同编码通信模型来实现分簇后同簇车辆节点互相协同的多路径传输,然后采用网络编码对源端车辆和中间车辆节点发送的数据进行线性编码操作,最后在目的端节点予以解码。在基于QualNet仿真平台上的实验结果表明,该算法能够有效地提升车联网中多径路由的吞吐量。

一种联合时延和能耗的依赖性任务卸载方法

边缘计算通过在靠近用户的网络边缘侧部署计算和存储资源,使用户可将高延迟、高耗能应用程序卸载到网络边缘侧执行,从而降低应用延迟和本地能耗.已有的卸载研究通常假设卸载的任务之间相互独立,且边缘服务器缓存有执行任务所需的所有服务.然而,在真实场景中,任务之间往往存在依赖关系,且边缘服务器因其有限的存储资源只能缓存有限的服务.为此,提出一种在边缘服务器计算资源和服务缓存有限的约束下,权衡时延和能耗(即成本)的依赖性任务卸载方法.首先,松弛研究问题中的约束将其转换为凸优化问题;采用凸优化工具求最优解,并用解计算卸载任务的优先级.然后,按照优先级将任务卸载到成本最小的边缘服务器,若多个依赖任务卸载到不同的边缘服务器,为了使总成本最小,则采用改进粒子群算法求解边缘服务器的最佳传输功率.最后,为了验证所提方法的有效性,基于真实数据集进行了充分的实验.实验结果表明,所提方法与其他方法相比能够降低总成本8%~23%.

一种高精度、低开销的单包溯源方法

混合拒绝服务攻击是当前互联网面临的主要威胁之一,针对它的单包溯源技术已成为网络安全领域研究的重点和热点.鉴于已有的单包溯源研究存在处理开销大、溯源精度低等问题,提出一种高精度、低开销的基于标签交换的单包溯源方法,简称S3T.该方法的基本思想是借鉴MPLS网络的交换路径生成原理,在溯源路由器上建立面向反向路由的追踪痕迹,降低溯源存储开销.然后,通过并行化建立追踪痕迹、灵活配置溯源路由器存储容量和自适应调整追踪痕迹存储时间等手段加快溯源路由器处理IP包速率,同时提高溯源精度.通过理论分析和基于大规模真实互联网拓扑的仿真实验,其结果表明,相比以往方案,S3T在溯源开销和溯源精度方面确实有了很大的改善.

面向边缘智能计算的数据场分类算法

针对聚类算法研究中普遍存在不能充分利用历史信息、参数优化过程慢的问题,结合边缘智能计算提出了一种基于数据场的分布式自适应分类算法,算法部署于边缘计算(EC)节点,提供本地的智能分类服务。该算法通过引入监督信息改造传统数据场聚类模型的结构,使其能够应用于分类问题,扩展了数据场理论可应用的领域。基于数据场思想,该算法将数据的域值空间转化为数据势场空间,依据空间势值将数据分为无标签的多个类簇结果,再将类簇结果与历史监督信息进行云相似度比较,并将其归属于与其最相似的类中;同时,提出了一种基于滑动步长的参数搜索策略以提高算法参数的优化速度。在此算法基础上还提出了一种基于分布式的数据处理方案,通过云中心与边缘设备的协作,将分类任务切割分配到不同层次的节点,实现模块化、低耦合。仿真结果表明,所提算法的查准率和查全率均保持在96%以上,且汉明损失均低于0.022。实验结果表明,所提算法可以准确分类并提高参数优化速度,整体性能优于逻辑回归(LR)算法与随机森林(RF)算法。

可动态扩展的高效单包溯源方法

由于能够隐藏攻击位置、避开攻击过滤、窃取用户隐私和增强攻击危害,IP匿名已被各类网络攻击广泛使用并造成极大的危害.为此,研究者们提出了IP溯源——一种能够在匿名攻击发生后揭露攻击主机身份的追踪技术.鉴于已有的IP溯源研究在面对大规模网络时存在扩展性差、处理开销大、拓扑隐私泄露等问题,提出了一种可动态扩展的高效单包溯源方法,简称SEE.该方法采用域间和域内相分离的层次化系统架构模型来弱化自治域之间的溯源联系、避免拓扑隐私泄露,并通过域内溯源网络构建、域内溯源地址分配、域内路径指纹建立和提取、域间反匿名联盟构建和域内到域间的平稳过渡等策略来改善系统的扩展性和处理开销.通过理论分析和基于大规模真实和人工互联网拓扑的仿真实验,结果表明,相对于以往方案,SEE在高效性和扩展性方面确实有了很大的改善.

层次化反匿名联盟构建方法

IP 匿名是当前互联网协议中最具威胁的安全漏洞,它会引发一系列安全、管理和计费问题.基于对等过滤的域间源地址验证方法通过构建反匿名联盟,能够利用当前已广泛实现、轻量的 Egress Filtering 有选择性地将流向联盟成员的匿名包清理掉,在保证高效的同时兼具部署激励性.然而,现有方法存在以下问题:过于扁平化、单一化的联盟体系结构,使得其过滤器需求量和成员更新传播范围随联盟规模的扩张而急剧增大;过于随机的非成员判定方式和低效的数据处理方式,使得其过滤规则优化算法的计算开销和精度都有待完善.对此,提出了一种层次化的基于对等过滤的反匿名联盟构建方法.通过理论分析和基于大规模真实互联网拓扑的仿真实验结果表明:相比以往同类典型方案,该方法在继承其优势的同时改善了过滤器开销、通信开销、计算开销和优化精度.