基于深度强化学习的股市操盘手模型研究

股票市场具有变化快、干扰因素多、周期数据不足等特点,股票交易是一种不完全信息下的博弈过程,单目标的监督学习模型很难处理这类序列化决策问题。强化学习是解决该类问题的有效途径之一。提出了基于深度强化学习的智能股市操盘手模型ISTG(Intelligent Stock Trader and Gym),融合历史行情数据、技术指标、宏观经济指标等多数据类型,分析评判标准和优秀控制策略,加工长周期数据,实现可增量扩展不同类型数据的复盘模型,自动计算回报标签,训练智能操盘手,并提出直接利用行情数据计算单步确定性动作值的方法。采用中国股市1400多支的有10年以上数据的股票进行多种对比实验,ISTG的总体收益达到13%,优于买入持有总体−7%的表现。

微服务架构和安全体系设计方案

课题分析了现在流行的分布式处理模型特点,总结适合银行业务的高可靠性、高安全性的特性要求的相关机制。设计针对性的构建服务容器平台,实现自主可控、低成本、可扩展的新一代面向微服务架构。设计创新的分布式服务注册中心、负载均衡组件,开发与部署解耦、服务方式调用各类语言组件,提出可消除中心瓶颈节点的虚拟化服务总线模型,逐步替换现有服务代理调用模型,最终实现服务可持续治理的目标。研究在云部署环境下,如何贯通定义基础设施、服务容器、应用服务的资源关系,控制变更流程,集中式、自动化、一键化部署和运营管理。原来大量存在的单点热备的系统部署架构,平滑升级到云部署模式下。

基于多阶段博弈的轻量化物联网区块链模型研究

“云-边-端”新架构物联网中,数据安全问题凸显。而区块链技术被视为极具潜力的候选方案,在开放的互联网实现了数据的多方共识、隐私保护。但是,其高损耗的无序竞争模式,低效率的无信任机制,导致其无法在物联网资源受限环境下应用。本文提出一种多阶段博弈优化模型,通过物联网节点状态感知和排序过程避免恶性竞争,异步验证过程积累可信度,轻量化激励和优选节点。基于端边云协同优化,实现数据块循环再生机制,减少验证工作量,并且基于博弈论的效用函数,设计多角色智能协同机制,进入相对稳定的动态平衡状态。最后,开展仿真实验验证,并构建物联网区块链原型系统。实验结果表明,轻量化的共识和验证处理提高了效能和适应性。

基于零知识证明的物联网单向增强验证模型

面向物联网的大量端对端相互访问、综合性密码保护、多因素验证保护等需求,提出了基于零知识证明的单向增强验证模型。该模型由单向一次性计算类型任务组成,融合五种共识验证技术形成多因素的链式共识验证方法,通过区块链架构分布式共识机制,实现多因素的一次性难题任务链式增强处理,以及高性能的本地并发验证,支撑端到本地中心授权、点对点离线认证等应用。同时,通过动态设置令牌中零知识证据的种类,实现了弹性的访问控制和隐私保护。实验结果表明,该模型实现了动态难度策略的简明点对点验证,展示出毫秒级高性能和灵活性,并提升了物联网认证方法的安全性。

物联网中基于iBeacon的防碰撞广播方案

针对密集物联网环境下的信号碰撞问题,提出了一种分组及时应答多个节点、降低碰撞率的广播协议.通过多周期迭代分析碰撞概率,建立了理论模型,有效地解决了大规模传感器节点并发广播信道碰撞严重的问题.使用蒙特卡洛法仿真评估延迟、容量指标,分析了影响性能的关键参数,模型计算结果与仿真结果一致.与无应答式的广播协议相比,所采用的广播应答机制可以高效确认,降低了23%的网络延迟和90%的广播碰撞,并使系统容量提升1倍.