无线传感器网络混合恶意节点检测方法研究

无线传感器网络(wireless sensor networks,WSN)在环境监测、医疗保健等多个领域的应用越来越广泛.然而,WSN中的传感器节点易受安全威胁,尤其是恶意节点发起的不诚实推荐攻击,可能会破坏通信完整性.因此,对WSN中的恶意节点进行检测显得尤为重要.尽管近年来基于信任管理的恶意节点检测方法不断涌现,以增强WSN的安全性,但现有研究往往忽视了数据一致性及信任评估中对参与节点的持续评估,这在一定程度上限制了检测方法的有效性.针对这些问题,提出了一种融合了模糊信任模型(fuzzy trust model,FTM)算法和贝叶斯信念估计(Bayesian belief estimation,BBE)方法的WSN恶意节点检测新技术.其核心在于通过FTM算法考量数据随时间的关联性确定直接信任值,并通过BBE方法基于推荐节点的先验信任概率评估间接信任值的可信性.通过模拟实验对所提方法的有效性进行了验证,结果证明,该模型在检测WSN中的恶意节点方面相较于现有技术,具有更高的检测率和更低的误报率.

Evidential method to identify influential nodes in complex networks

Identifying influential nodes in complex networks is still an open issue. In this paper, a new comprehensive centrality mea- sure is proposed based on the Dempster-Shafer evidence theory. The existing measures of degree centrality, betweenness centra- lity and closeness centrality are taken into consideration in the proposed method. Numerical examples are used to illustrate the effectiveness of the proposed method.

基于贝叶斯推理的攻击路径预测研究

针对攻击路径预测方法中存在的因路径冗余而导致的节点置信度错误计算问题,提出了攻击可行性概念,并改进了基于贝叶斯推理的似然加权法。通过对子攻击路径进行成本—收益分析,提出了基于攻击可行性的攻击路径生成算法,尽可能消除路径冗余;并在此基础上对似然加权法进行了改进,以支持上述算法,有效地避免计算节点置信度的错误计算。实验结果表明,该方法能有效地消除路径冗余,提高节点置信度的准确性,提升对攻击路径的有效预测。

WSN中一种目标追踪在线节点调度算法

针对目标追踪无线传感器网络节点能量有限、感知信息存在不确定性等问题,提出一种基于部分可观察马尔可夫决策过程的在线节点调度算法。通过状态转移函数和观察函数描述移动目标的不确定性,根据奖赏函数平衡追踪性能和节点能量消耗,并构造有限深度的可达信念与或树降低运算复杂度,实现调度策略在线求解。实验结果表明,该算法能平衡目标追踪质量与节点能量消耗,且满足实时性要求。

改进的基于剩余度置信度传播的LDPC解码算法

低密度奇偶校验(LDPC,Low-Density Parity-Check)码的剩余度置信度传播(RBP,Residual Belief-Propagation)和基于行的剩余度置信度传播(NWRBP,Node-Wise RBP)解码算法的性能提升非常有限且计算复杂度较高.提出改进的RBP(ERBP,Enhanced RBP)算法,在一个子迭代中,仅更新一个消息,然后设置被更新消息所在行的所有节点的剩余度值为0,使得ERBP解码算法在每个子迭代中使用不同行的消息进行计算,以加速迭代收敛.不同的LDPC码用于对所提出的算法进行性能仿真.仿真结果表明,与其他算法相比,ERBP算法降低了误帧率(FER,Frame Error Ratio),并加快了迭代收敛速度.

LDPC码基于双修正因子的剩余度置信传播译码算法

通过对LDPC码的RBP和NWRBP译码算法进行研究,针对算法在译码过程中运算量过大,不利于在硬件上实现的问题,提出一种改进型的RBP和NWRBP译码算法。该算法在更新从检验节点到变量节点的信息时,采用最小和算法得出近似值,以此降低译码复杂度。同时,为了弥补近似值所带来的译码性能损失,引入乘性修正因子和加性修正因子来提高译码性能。

移动传感网节点位置预测方法研究

针对现有稀疏传感网中移动节点位置预测精度较低,提出一种基于深度信念网络的移动未知节点位置预测方法。首先利用深度信念网络强大的特征学习能力,分析不同信号强度向量样本集;其次在深度信念网络的最后一层级联一层支持向量机,将所学习到的信号强度分布特征作为顶层支持向量机的输入,构建距离预测模型;最后预测未知节点与其相邻节点之间的距离,判断其可能位置所在区域,计算得出未知节点的预测位置。仿真实验结果表明,文中所提出的位置预测方法与RBF神经网络位置预测方法相比,预测精度提高了19.3%;与支持向量机预测方法相比,预测精度提高了23%;与改进的MCL相比,预测精度提高了33.4%,且有较强的鲁棒性,适用于稀疏传感网络节点位置预测。

一种改进的5层深度学习结构与优化方法

已有研究针对5层神经网络结构中各隐层节点数的选取并不明确。为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法。将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点数分别等于第一隐层和输入层的节点数,然后采用样条插值方法优化选择第一隐层、第二隐层节点数。该结构特征只需预训练前2层权重,简化了DBN的受限玻尔兹曼机预训练方法。MNINST数据集上的实验结果验证了该网络结构的高效性与高准确率。

一种基于改进置信度传播的个性化推荐算法

基于RWR的方法作为一种TOP-N推荐解决了传统推荐算法遇到的大多数问题,但它只考虑了均匀结点,并且在矩阵分解时需要极大的空间代价。若将置信度传播算法引入则不会存在这些问题,然而传统置信度传播算法用全局结点来计算目标结点置信度,时间复杂度较大,因此,提出将置信度传播算法改进优化后应用于个性化推荐算法中,以用户和项目为两个结点集合,通过自适应大小区域内的结点计算目标结点的置信度,根据最终结点置信度推荐相应项目给目标用户。通过与传统置信度传播算法的对比实验,得到了在最优精度下的相应参数设置,然后与基于RWR的方法和基于项目的协同过滤算法进行比较,实验结果表明,提出的算法要优于上述算法。

论河南作为闽台民间信仰发源的旅游开发

民间信仰在闽台地区的地位极其重要,影响着人们的生活方式与思维方式。从历史地理学的角度分析闽台民间信仰的根源与中原的联系,以文脉为切入点,以历史发生学为基础,对起源于河南的闽台民间信仰进行分类。从分布图上可以看出闽台民间信仰的根源在河南省呈"三角形"排列分布。运用当今最有效的区域开发理论——"点—轴渐进扩散"理论,指导闽台民间信仰发源地在河南的旅游开发。根据闽台民间信仰发源地的集聚程度,分为4个核心以及围绕核心形成的4个片区,通过重要的交通道路连成一体,使河南的寻根游产品得以优化升级,提升内涵。

信度函数在复杂网络节点重要性评价中的应用

针对复杂网络中重要节点的识别问题,提出了一种基于信度函数复杂网络中识别节点重要度的方法;回顾了信度函数、复杂网络相关理论知识及节点重要度相关算法,建立了基于信度函数的节点重要度识别模型;通过建立辨识框架,把节点相关属性转换为信度函数,利用证据理论组合规则进行融合,得到节点的综合属性信度函数值并将其转换为单一数值,进而提到节点的排序结果;实例分析表明,所建立模型有效克服了相关单一节点重要度算法的局限性问题,具有合理性与有效性,可进一步推广。

一种基于信度函数的复杂网络重要节点识别方法

识别重要节点是复杂网络研究领域的热门话题之一,在网络的管理、维护和优化等领域有着广泛的应用价值。为了提高识别结果的准确性与全面性,本文提出一种基于信度函数的节点重要度识别方法,将节点的度、紧密度和结构洞等属性视为不同的信度函数,并运用Dempster组合规则进行融合,最终得到节点的综合评价指标值。新提出的方法不仅考虑了节点在网络中的位置,还考虑了节点的邻居数量及邻居的影响力等。实例验证表明,该方法能综合利用单一算法的优点,克服单一算法的不足,具有可行性。

基于现场可编程门阵列的新型纠错码实现方案

低密度奇偶校验码(LDPC)是一种具有稀疏校验矩阵的线性分组纠错码,它具有逼近香农限的性能,其译码采用迭代译码算法。提出了利用现场可编程门阵列FPGA技术实现数字信号处理可以很好地解决并行性、可配置性和速度问题。给出了一种基于LDPC译码器的FPGA硬件实现方案,其算法的关键是变量节点和校验节点间的信息传递。

无线传感器网络电量损耗异常节点识别

为解决当前无线传感器网络异常节点检测算法复杂度高且影响网络寿命的问题,提出一种基于压缩感知的无线传感器网络电量损耗异常节点识别方法。对存在异常节点的无线传感器网络建模,得到满足稀疏特性的节点电量损耗向量,用压缩感知方式通过数据整理、线性计算、重构与判决3个步骤完成对网络中异常节点的检测与定位。仿真实验通过模拟存在异常节点的无线传感器网络场景,在不同参数下验证了该算法的有效性。