面向车联网通勤的双阶段认证密钥协商协议

针对通勤车辆在车联网中向路边单元(RSU)获取服务的安全与效率问题,提出了一种双阶段的认证密钥协商协议。在初始认证阶段,利用车辆、RSU和可信机构(TA)间协商的3个独立会话密钥,保障2个实体间传输的隐私不被第三方实体窃取。在快速认证阶段,车辆和RSU间利用车辆旅行时间表高效地完成相互认证。协议支持车辆匿名与匿名追溯,且能防止通勤路线等隐私泄露。此外,通过随机预言机证明了协议的安全性。仿真结果表明,在典型通勤场景下,所提方案比同类方案降低了59.35%的计算开销和44.21%的通信开销。

区块链下基于蛛网模型的新能源汽车能源交易机制研究

针对在新能源汽车有限的车载能源资源约束条件下,如何解决行驶时效性不足的问题,该文提出一种区块链下的分布式能源交易机制。首先基于区块链构建新能源汽车能源交易网络,并通过信誉值共识(PoR)机制确保能源交易的隐私性。然后,基于收敛型蛛网设计了非线性定价协商算法,联合区块链技术分布式存储车辆信誉值数据库,确保能源交易双方至少能在满足弱帕累托效应的情况下获得最优定价。最后通过仿真,验证了所提算法在区块链下的有效性和收敛性,并求出该算法的最优步长及其系数。

超密集网络中基于移动边缘计算的任务卸载和资源优化

移动边缘计算(MEC)通过在无线网络边缘为用户提供计算能力,来提高用户的体验质量。然而,MEC的计算卸载仍面临着许多问题。该文针对超密集组网(UDN)的MEC场景下的计算卸载,考虑系统总能耗,提出卸载决策和资源分配的联合优化问题。首先采用坐标下降法制定了卸载决定的优化方案。同时,在满足用户时延约束下采用基于改进的匈牙利算法和贪婪算法来进行子信道分配。然后,将能耗最小化问题转化为功率最小化问题,并将其转化为一个凸优化问题得到用户最优的发送功率。仿真结果表明,所提出的卸载方案可以在满足用户不同时延的要求下最小化系统能耗,有效地提升了系统性能。

基于移动边缘计算的V2X任务卸载方案

移动边缘计算(MEC)通过在移动网络边缘提供IT服务环境和云计算能力带来高带宽、低时延优势,从而在下一代移动网络的研究中引起了广泛的关注。该文研究车载网络中车辆卸载请求任务时搜寻服务节点为其服务的匹配问题,构建一个基于MEC的卸载框架,任务既可以卸载到MEC服务器以车辆到基础设施(V2I)形式通信,也可以卸载到邻近车辆进行车辆到车辆(V2V)通信。考虑到资源有限性、异构性,任务多样性,建模该框架为组合拍卖模式,提出一种多轮顺序组合拍卖机制,由层次分析法(AHP)排序、任务投标、获胜者决策3个阶段组成。仿真结果表明,所提机制可以在时延和容量约束下,使请求车辆效益提高的同时最大化服务节点的效益。

D2D网络中基于分簇的无线资源分配机制

针对用户设备电池寿命有限的问题,提出了一种基于分簇的资源分配机制。该机制结合图着色原理对D2D用户分簇;随后根据分簇结果,采用拍卖算法为D2D簇分配信道;利用非合作博弈论模型对完成信道分配的用户进行功率分配。仿真结果表明,该机制有效地延长了电池寿命,提升了用户的能量效率,同时满足了用户传输速率的需求,保证了用户获得更高的QoS。

区块链辅助的VANET中车辆声誉管理方法

车载自组网是一种以车辆为节点的特殊的移动自组织网络,其节点存在高度移动性。车辆间通过网络交互实现海量的数据共享,以此来提高智能交通系统的运输效率和安全性。然而恶意车辆的存在给车载自组网乃至整个交通运输系统带来了严重的安全隐患。针对该问题,提出一种改进的三值主观逻辑算法来评估车辆的声誉值,利用声誉阈值识别恶意车辆,利用信任路线搜索算法提高计算准确率。该方法使用区块链技术分布式存储信任数据库,同时保障了数据的不可篡改性。声誉评估算法联合车辆节点的历史周期声誉值、历史交互信息以及交互频率等因素周期化更新车辆声誉值。此外,通过结合深度优先搜索算法更精准地确定车辆间的信任路径,利用六度空间分离理论来解决信任路径过长导致的信息量较低问题,设置声誉阈值过滤信息量较低的信任路径,进一步提高了计算精确度。实验结果表明,相较于传统算法,该算法对于恶意车辆的识别效率有显著提高,在面对群组串通攻击和On-off等攻击时表现出良好的抗攻击性能。

车联网中一种基于软件定义网络与移动边缘计算的卸载策略

在新兴的车联网络中,汽车终端请求卸载的任务对网络带宽、卸载时延等有着更加严苛的需求,而新型通信网络研究中移动边缘计算(MEC)的提出更好地解决了这一挑战。该文着重解决的是汽车终端进行任务卸载时卸载对象的匹配问题。文中引入了软件定义车载网络(SDN-V)对全局变量统一调度,实现了资源控制管理、设备信息采集以及任务信息分析。基于用户任务的差异化性质,定义了重要度的模型,在此基础上,通过设计任务卸载优先级机制算法,实现任务优先级划分。针对多目标优化模型,采用乘子法对非凸优化模型进行求解。仿真结果表明,与其他卸载策略相比,该文所提卸载机制对时延和能耗优化效果明显,能够最大程度地保证用户的效益。

SDN和MEC架构下V2X卸载与资源分配

针对车到万物(V2X)场景下复杂的网络状态与海量的计算数据为车载网络带来的时延能耗增加和服务质量下降的严峻问题,构建了移动边缘计算(MEC)和软件定义网络(SDN)相结合的车载网络框架。MEC将云服务下沉至无线网络边缘从而弥补了远程云计算所带来时延抖动,SDN控制器可从全局角度感知网络信息,灵活地调度资源,控制卸载流量。为了进一步降低系统开销,提出一种联合任务卸载与资源分配机制,对基于MEC的V2X卸载与资源分配进行建模,给出了最优卸载决策、通信和计算资源分配方案。考虑到问题的NP-hard属性,利用Agglomerative Clustering匹配初始卸载节点,并采用Q-learning进行资源分配;将卸载决策建模为完全势博弈,通过势函数构造证明纳什均衡。仿真结果表明,相比于其他机制,该机制能有效降低系统开销。

车联网中整合移动边缘计算与内容分发网络的移动性管理策略

由于车载应用的普及和车辆数量的增加,路边基础设施的物理资源有限,当大量车辆接入车联网时能耗与时延同时增加,通过整合内容分发网络(CDN)和移动边缘计算(MEC)的框架可以降低时延与能耗。在车联网中,车辆移动性对云服务的连续性提出了重大挑战。因此,该文提出了移动性管理(MM)来处理该问题。采用开销选择的动态信道分配(ODCA)算法避免乒乓效应且减少车辆在小区间的切换时间。采用基于路边单元(RSU)调度的合作博弈算法进行虚拟机迁移并开发基于学习的价格控制机制,以有效地处理MEC的计算资源。仿真结果表明,所提算法相比于现有的算法能够提高资源利用率且减少开销。

车联网中基于NOMA-MEC的卸载策略研究

随着车联网(IoV)的迅猛发展,请求进行任务卸载的汽车终端用户也逐渐增长,而基于移动边缘计算(MEC)的通信网络能够有效地解决任务卸载在上行传输时延较高的挑战,但是该网络模型同时也面临着信道资源不足的问题。该文引入的非正交多址(NOMA)技术相较于正交多址(OMA)能够在相同的信道资源条件下为更多的用户提供任务卸载,同时考虑到任务卸载过程中多方面的影响因子,提出了混合NOMA-MEC卸载策略。该文设计了一种基于深度学习网络(DQN)的博弈算法,帮助车辆用户进行信道选择,并通过神经网络多次迭代学习,为用户提供最优的功率分配策略。仿真结果表明,该文所提出的混合NOMA-MEC卸载策略能够有效地优化多用户卸载的时延以及能耗,最大限度保证用户效益。

车联网中可证安全的匿名可追溯快速组认证协议

身份认证是车辆接入车联网(IoV)的第一道防线。然而现有方案还不能满足IoV的高效认证需求,也不能实现快速的匿名追溯。鉴于此,提出了一种IoV中双向匿名可追溯组认证协议。该协议先将多个路侧单元(RSU)进行快速动态的分组,并对进入RSU组的车辆利用切比雪夫混沌映射的单向陷门性和半群特性进行接入认证,当车辆在组内的RSU之间切换时采用反向哈希链进行快速切换认证。另外,组内RSU可以对恶意车辆进行身份的匿名追溯,并利用区块链对其身份进行快速撤销,还可以对泄露真实身份的用户进行ID的自由变更。同时运用随机预言机模型证明了协议的语义安全性。最后,通过仿真验证了该方案具有良好的安全性和有效性。

VANET系统中基于中国剩余定理的群内相互认证密钥协商协议

针对车载自组网(VANET)系统中车辆在公开网络上相互通信容易受到恶意攻击的问题,提出一种VANET系统中群内相互认证密钥协商协议。利用中国剩余定理建立动态车辆群,以适应VANET拓扑的快速变化。通信双方利用签名信息快速认证消息发送方的身份,并通过切比雪夫混沌映射的半群性进行密钥协商。采用假名更新和私钥更新机制,保护车辆的身份隐私安全。对于恶意车辆的身份,利用签名信息进行准确追溯,并通过修改公钥信息实现快速撤销。此外,使用BAN逻辑模型证明了协议的语义安全。仿真结果表明,所提协议相较于现有同类方案,能有效降低通信消耗,并显著降低计算消耗。

效率的误解与分析

机械效率是物理教学中的一个重点.它涉及到"有用功""额外功""总功".解题中常出现误解.本文就一些问题进行分析.以便在解机械效率问题时思路清晰.

西帕依麦孜彼子口服液的质量标准提高研究

目的:提高西帕依麦孜彼子口服液的质量标准。方法:采用薄层色谱法(TLC)对制剂中栀子、芡实、绵萆薢、金樱子和桑椹药材进行定性鉴别。采用高效液相色谱法测定制剂中栀子苷的含量,色谱柱为Waters Cosmosil C_(18),流动相为甲醇-水(梯度洗脱),流速为1.0 mL/min,检测波长为240 nm,柱温为30℃,进样量为10μL。结果:栀子、芡实、绵萆薢、金樱子和桑椹药材的TLC图斑点清晰,分离度好,阴性对照无干扰。栀子苷检测质量浓度线性范围为9.9~198.0μg/mL(r=0.999 9);定量限为9.9μg/mL;加样回收率为97.30%~101.09%(RSD=1.35%,n=6);中间精密度、稳定性、重复性试验的RSD均小于2%;耐用性试验的RSD均小于2%。结论:该研究所建标准可用于西帕依麦孜彼子口服液的质量控制。

关于火电厂特种设备安全管理的分析

随着我国经济的迅速发展,火电厂向着高效率大容量的大机组方向发展,而火电厂机组中的设备在长期的运行中难免会出现问题,这将会给火电厂造成严重的经济损失。火电厂特种设备的定期检修是火电厂监督工作的重中之重,其主要是通过检测诊断受监部件而及时了解设备金属部件的健康状况,避免因为材质不佳、选材不当、焊接缺陷以及运行工况不良等问题而引起的事故,从而减少非计划的停运次数并保证人身安全,最终提高设备运行可靠性并延长使用寿命。

基于能效的用户选择协作频谱感知

提出了一种基于能效的用户选择协作频谱感知方案.该方案中只有一个认知用户将其本地检测结果进行广播,其他具有不同决策的认知用户上报给融合中心,而同意的认知用户将保持静默;因此,融合中心将得到所有认知用户的感知结果,并做出全局决策.本研究的融合中心也具有感知能力,让其进行初步决策从而避免不必要的感知过程,并通过结合感知历史信息改进了广播用户的选择,使能量效率最大化.仿真和分析结果表明：本文方案在不影响检测概率的情况下提高了能量效率,并减少系统平均检测时间.