基于生成对抗网络的UWSNs恶意节点检测方法

水下无线传感器网络(Underwater Wireless Sensor Networks,UWSNs)节点通常部署于无人值守的恶劣环境中,恶意节点的存在对网络的安全构成了极大威胁。为了在缺乏节点行为证据的情况下有效检测恶意节点,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的恶意节点检测方法。首先,构建了基于GAN的异常预测模型;其次,收集数据、链路、能量等多维信任证据,构建出训练数据集;最后,训练异常预测模型,并通过信任决策检测恶意节点。仿真结果表明,该方法可以在不需要大量信任证据的情况下有效地进行恶意节点检测,并且与同类型方法相比,所提方法具有较高的恶意节点检测率、通信成功率及较低的假阳率。

虚拟计算环境下信任驱动的资源交易模型

针对虚拟计算环境下资源交易的欺骗性和风险性,本文提出一种信任驱动的资源交易模型.首先基于Dempster-Shafer理论,给出一种信任度评估方法,然后对资源交易进行合理划分,在执行每步交易前评估双方信任度,依据其变化动态设定交易额,并确保每步资源的提供与支付同步进行,从而建立信任驱动的支持"边用边支付"策略的交易模型.仿真实验表明该模型能以一定的交易时间为代价,有效确保资源交易的公平性及安全性.

基于演化博弈的大数据信息泄漏风险访问控制模型设计

大数据信息泄漏会导致网络主机所承担的运行风险增加,严重时下级网络终端会出现无法访问大数据信息服务器的情况;针对上述问题,设计了基于演化博弈的大数据信息泄漏风险访问控制模型;以演化博弈模型为基础,完成对大数据信息均衡点的演化处理,求解信息博弈概率,推导演化博弈模型表达式,从而完善基于演化博弈的大数据信息模糊化处理流程;计算大数据信息泄漏行为的信任度标准,参考信息监控器设置条件,实现对大数据信息泄漏风险的评估;针对风险评估结果,完成大数据信息的访问证据取样,计算访问控制阈值,实现对信息泄漏风险访问的控制,完成基于演化博弈的大数据信息泄漏风险访问控制模型的设计;实验结果表明,所提方法的大数据信息瞬时泄漏量始终小于2.3×10^(11)MB,网络主机所承担的运行风险得到有效控制,下级网络终端不会出现无法访问大数据信息服务器的情况。

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效。Y ager等学者对此作了改进,但是改进后合成公式又存在着新的问题。考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。

考虑决策者时序偏好的时域证据融合方法

针对时域不确定信息的融合难题,为充分体现时域信息融合的动态性特点和时间因素对融合的影响,在证据理论的基础上,提出一种考虑决策者时序偏好的时域证据融合方法。首先将决策者对时序的偏好融入时域证据融合,通过分析时域证据序列的特点,在定义时序记忆因子的基础上,对决策者的时序偏好进行度量;然后通过构建优化模型求解时序权重,再结合证据信任度的概念,对证据源进行修正;最后利用Dempster组合规则对修正后的证据进行融合。数值算例表明,与没有考虑时间因素的融合方法相比,考虑决策者时序偏好的证据融合方法可以有效处理时域信息序列中的冲突信息,得到合理的融合结果;同时,所提方法充分考虑了时域证据序列的信任度和决策者的主观偏好,可以反映决策者主观因素对时域证据融合的影响,较好地体现了时域证据融合的动态性特点。

基于情感特征分类的语音情感识别研究

针对语音信号的实时性和不确定性,提出证据信任度信息熵和动态先验权重的方法,对传统D-S证据理论的基本概率分配函数进行改进;针对情感特征在语音情感识别中对不同的情感状态具有不同的识别效果,提出对语音情感特征进行分类。利用各类情感特征的识别结果,应用改进的D-S证据理论进行决策级数据融合,实现基于多类情感特征的语音情感识别,以达到细粒度的语音情感识别。最后通过算例验证了改进算法的迅速收敛和抗干扰性,对比实验结果证明了分类情感特征语音情感识别方法的有效性和稳定性。

基于改进D-S证据理论的鸡舍环境控制决策模型研究

由于鸡舍环境是多环境因子相互耦合作用的复杂非线性时变系统,其环境质量影响蛋鸡健康水平、生产性能。针对鸡舍内环境因子复杂且难以精准控制的问题,本试验构建基于改进D-S证据理论的鸡舍环境控制决策模型,首先采用箱线图法和基于专家系统的自适应修正算法,对传感器采集的环境参数异常值进行检测修复,再利用自适应方差加权距离算法实现同类传感器采集数据进行一级融合,最后结合改进的D-S证据理论算法,根据证据间距离矩阵确定相似度矩阵和证据信任因子,得到期望证据的基本概率分配函数并进行迭代合成,实现全局融合决策。结果表明:相对于传统的D-S证据理论算法,改进算法可有效避免因冲突证据带来的融合决策误差,可以实现鸡舍环境控制精准决策,具有推广应用价值。