云、边缘和雾计算安全性研究综述

随着云计算技术在学术界与工业界的快速发展和广泛应用,云计算领域中的信息安全和隐私问题成为当前研究的热点。从云计算到边缘计算再到雾计算,不同的计算范式形成各自独特的计算生态系统,这些系统具有不同体系结构、信息存储和处理能力。由于不同的计算生态系统具有一定的异质性,使得多样性计算在信息安全和隐私保护方面仍面临着诸多挑战性的问题。介绍了云、边缘和雾计算3种范式的背景知识以及它们之间的相似性与差异性,3种范式各自在信息安全和隐私保护方面的相关技术及其特征;综述了3种范式在信息安全以及隐私威胁方面所面临的挑战,总结了不同的安全部署与隐私机制以解决此类挑战。确定了信息安全与隐私机制的部署缺陷是由多样性计算的异质性所导致,融合不同的信息安全部署技术可以进一步加强信息的安全性与隐私性。

双一流背景下硕士博士学位授权建设机理与实现途径研究

通过对目前高等学校硕博士立项建设项目进程的总结与分析,将高校学科建设、办学定位与硕博士学位点授权建设相联系,从学科方向、导师队伍建设、搭建学科基地、培养拔尖人才4方面介绍硕博士点学科建设的主要做法;从外部环境、内部环境和主观价值选择3大侧重点分析影响高校办学定位的重要因素,从政府和高校2个层面对高等学校办学定位提出了优化措施,对目前高等学校硕博士立项建设工作具有重要的指导价值。

一种构建物联网产业生态圈的发展战略分析方法

构建物联网产业生态圈在城市聚集资源要素和发挥特色优势中有着举足轻重的作用。通过对目前国内外物联网产业发展现状的总结与分析,从产业、技术、应用层面对物联网产业趋势进行预测,提出优势、劣势、机会和威胁层次分析过程(Strengths,Weaknesses,Opportunities,and Threats-Analytic Hierarchy Process,SWOT-AHP)模型,计算成都市物联网产业生态圈发展因素的权重。根据总体思路、目标、定位及重点四个方面提出成都市构建物联网产业生态圈的发展战略,从政府和企业两个侧重点提出可行的建议,为加快建设智慧城市、提升城市可持续发展能力、优化城市产业结构具有重要的现实意义。

一种车联网辅助积极性感知的空间众包任务分配框架

针对大多数空间众包(Spatial Crowdsourcing, SC)中任务分配算法缺乏考虑工人主观积极性的影响,提出了一种利用车联网(Internet of Vehicles, IoV)技术辅助积极性感知的SC任务分配框架(Task Allocation Framework in Spatial Crowdsourcing Based on Internet of Vehicles Assisted Positivity Sensing, IOV-SCA)来甄别消极工人并进行任务分配。IOV-SCA模型分为2个阶段:第1阶段利用部署在路侧单元上的Bi-PSM模型(Positivity Sensing Model Based on BiLSTM)来挖掘消极工人,旨在利用加入注意力机制的BiLSTM模型计算工作停滞时间并与给定阈值比较,从而辨别工人的积极性;第2阶段利用部署在云服务器上的PS-TAA算法(Task Allocation Algorithm Based on Positivity Sensing)进行任务分配,旨在激励工人的同时满足系统效用最大化。在真实数据集上进行大量对比实验,结果表明,IOV-SCA模型有效提高了任务分配的效率并且较其他代表性算法可提供更优的分配结果。

一种基于区块链的无人机集群协作监测框架设计

提出了一个新型无人机(Unmanned Aerial Vehicle,UAV)集群协作监测公共卫生事件的监测框架,并讨论了该框架中UAV执行的任务类型与流程。针对UAV集群通信面临的复杂度高、资源消耗大以及安全性低等挑战,引入区块链技术来提升其高效性与安全性,提出了一种改进的拜占庭容错(Improved Byzantine Fault Tolerant,IBFT)算法,该算法具有最小的成本和资源并具备可扩展性和普适性。在正常情况下使用f+1个节点,在通信故障情况下使用2f+1个节点,而拜占庭容错算法使用3f+1个节点。实验结果表明,所提算法相比于其他对比算法,具有更高的吞吐量和更低的共识时延,能有效保证UAV集群协作监测紧急公共卫生事件,为疫情防控提供一种新手段。

人工智能在疫情防控中的应用综述

由SARS-CoV-2病毒引发的新冠肺炎造成了全球范围内的疫情爆发,政府、企业和科研机构都致力于遏制新冠肺炎疫情的蔓延。人工智能作为一种大数据驱动的知识学习技术,被广泛应用于疫情防控的诸多方面,如疾病检测、药物和疫苗研究以及疫情传播预测等。基于人工智能方法的模型有助于改进病毒在人群中的传播模式,识别并预测疫情在不同地理位置的爆发情况。首先,对用于抗击新冠肺炎的人工智能算法进行综述,包括机器学习算法和深度学习算法;总结了人工智能技术在后疫情时代中的各项应用;最后,讨论了人工智能技术在传染病疫情防控中所面临的主要挑战和潜在的发展方向。