自治网络中信任信誉模型的安全现状研究

随着P2P网络、Ad hoc、无线传感器网络的深入研究,信任和信誉成为保障这类自治网络安全的一个重要手段。虽然信任信誉系统在自治网络中起到了重要的作用,但其采用了间接推荐等技术,给信任信誉带来很多安全问题。介绍了信任信誉模型的相关概念,总结了目前对信任信誉模型的新攻击手段,并针对这些攻击,比较分析了在自治网络环境中具备一定防御能力的典型信任信誉模型的各自防御方法、防御效果以及性能情况。最后,在分析了现有研究存在的主要问题的基础上,展望了今后提高信任信誉模型安全性研究的主要方向。

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.

一类自治网络的全局稳定性及其应用

该文研究了一类具有分布式并行处理特征的非线性自治网络的全局稳定性，给出了全局渐近稳定及全局指数稳定的实用判据，并以连续Ｈｏｐｆｉｅｌｄ神经网络为例讨论了其应用．该文的结果可适用于含有非互易及局部有源电阻元件的自治网络．

自治网络管理——网络管理发展的新方向

自治网络管理不需要人为干预和控制,可以大大提高网络管理人员的工作效率,增强网络管理的安全性、可靠性和可控性。文章简要说明网络管理的发展历程和自治网络管理的提出背景,在概述传统网络管理一般方法的基础上,详细论述了自治网络管理的基本概念、相关技术手段和实现方法。

面向5G,自治网络势在必行

随着5G网络在全球多个国家实施和落地,5G网络的管理和治理日渐成为业界主要参与者的关注点。5G相对于之前的网络(4G等),其网络特征大幅度提升能否带来网络管理和治理的颠覆性改变,成为亟需解答并验证的问题。自治网络渐成共识结合网络智能化探索、大数据及人工智能的快速试验和优化,5G网络的相关参与方针对5G网络管理和治理的举措逐渐清晰。

自治网络系统可信保护机制研究与实现

本文在TCG可信计算的规范和可信链的基础之上,提出了自治网络环境下的可信保护机制的网络拓扑结构,设计了自治网络系统中应用的完整性的可信保护机制,实现了一个基于TPM的可信自治网络系统。针对自治网络中的应用,对所实现的系统如何解决自治网络系统中的可信安全问题作了探讨和研究。

5G网络自动化:从人工运维到全自治

通过数字化和智能化实现自动化管理已成为千行百业削减运维成本的关键技术。作为数字化和智能化的“赋能者”,5G移动通信系统已经从早期的人工运维网络演进到人工协助的自动运维网络。在研究5G网络自动化技术的基础上,重点分析了3GPP提出的L0~L5自治网络等级,深入探讨了包含意图全生命周期维护和意图冲突管理等若干意图驱动的5G自治网络关键技术。最后,提出了一个意图驱动的5G自治网络落地实践方案:意图驱动的业务体验保障方案。

知识定义的意图网络自治

通信网络的复杂性决定了意图网络自治是无法一蹴而就的,关键在于以全局视角,打通多个网络管控问题域,将网络规律、机理、策略凝练为知识,构建全场景资源调配的知识空间,最终实现意图网络的泛在智能化。围绕6G意图网络,将知识定义智能作为关键使能技术,以提高意图网络的感知和决策闭环能力,构建自学习、自运维的意图网络。实现完全的6G网络自治是一个长期目标,需要分步实现,从提供重复执行操作的替代方案,到执行网络环境和网络设备状态的感知和监控,根据多种因素和策略做出决策,以及有效感知最终用户体验,直到最后网络能够感知运营商和用户的意图,自我优化和演进。

基于自治布尔网络的高速物理随机数发生器研究

利用确定性的数学算法可产生快速伪随机数,然而其具有可预测性,难以确保信息安全。从混沌物理熵源中提取的物理随机数具有统计无偏和不可预测性,但是受限于传统混沌电路的带宽瓶颈,随机数的实时产生速率无法有效提高,为此,设计实现一种基于自治布尔网络的宽带混沌振荡器。研究结果表明:利用该装置可产生速率达10 Gbit/s的物理随机数序列;所产生的物理随机数序列具有良好的随机统计特性;该装置可便捷地应用于数据加密、高速保密通信等领域。

非自治时滞神经网络的全局指数稳定性分析

利用微分不等式,并结合均值不等式以及Young不等式研究了一类具有时变时滞的非自治神经网络系统的全局指数稳定性,给出了一系列系统全局指数稳定的充分条件。由于去掉了激励函数单调有界、时变时滞函数连续可微等限制条件,因此结论具有更低的保守性,推广并改进了相关文献的结果。举例说明了方法的有效性。

一类多轴突非自治神经网络的全局指数稳定性分析

在激励函数全局Lipschitz连续的条件下,通过构造恰当的Lyapunov泛函并结合不等式技巧研究了一类具有时变时滞,以及同时具有时变时滞和无穷分布时滞的多轴突非自治神经网络的全局指数稳定性.得到一系列系统全局指数稳定的充分条件,并举例验证了方法的有效性,推广了相关文献的结果.

具有变时滞非自治递归神经网络有界性和全局指数稳定性

目的研究变时滞的非自治递归神经网络的有界性和全局指数稳定性。方法利用广义的Halanay不等式和Lyapunov泛函方法。结果给出了保证变时滞非自治递归神经网络的全局指数稳定性的充分条件。结论文中无需考查模型平衡点的数目,也不要求激活函数可导或是单调,同时也摆脱时滞项可导的要求,所得结果具有一般特性和新颖性,改善了相关文献的理论结果。2个实例及其相应的数值仿真进一步验证了所得结果的有效性。

变时滞非自治神经网络的有界性和全局指数稳定性

主要研究了一类变时滞的非自治神经网络的一致有界性、最终一致有界性和全局指数稳定性.通过构造恰当的Lyapunov泛函并应用广义泛函微分方程的有界性原理和Young不等式给出了多变时滞非自治神经网络解的有界性和稳定性的新的充分条件.文中无需考查模型平衡点的数目,同时也不要求激活函数可导、单调或是有界,所得结果更具有一般特性和新颖性,改善了相关文献的理论结果.通过举例进一步验证了所得结果的有效性.

基于逻辑器件响应特性的自治布尔网络调控

自治布尔网络已成功应用于随机数产生、基因调控、储备池计算等领域.为了在应用中合理选择器件使输出更好地满足各应用的需求,本文研究了自治布尔网络中的逻辑器件响应特性变化时,自治布尔网络输出状态随之变化的规律,结果显示逻辑器件响应特性变化可以调控自治布尔网络输出在周期和混沌之间转变,且能改变自治布尔网络输出序列的复杂程度.进一步观察了逻辑器件响应特性和链路延时二维参数空间中输出序列复杂程度的分布,结果显示快的逻辑门响应特性可以增强高复杂序列在链路延时参数空间的分布范围.同时研究了自治布尔网络中任意逻辑器件的响应特性单独变化对网络输出状态的影响,结果显示不同节点的器件响应特性对序列复杂程度的调控能力有差异.研究表明,逻辑器件响应特性可以调控网络输出序列复杂程度,快的响应特性有利于高复杂混沌的稳定产生.

基于数字孪生网络的6G无线网络自治

基于数字孪生网络的网络自治是解决因部署规模日益庞大和多网并存所导致的网络运维难的有效手段。6G需要从网络架构设计之初就以内生的形式引入网络的数字孪生,保证高效的数据获取和对不同场景的建模、验证能力,并结合AI的应用实现高度的网络自治。数字孪生网络有望实现针对各种潜在的新能力与新服务,高效地进行功能性能的虚拟化预验证,降低现网验证的风险和成本。

一种高吞吐率自治布尔网络真随机数发生器

真随机数发生器在硬件与信息安全领域具有广泛的应用前景。为提高真随机数发生器的吞吐率与降低硬件开销,以相互耦合的基本逻辑单元构成自治布尔网络做熵源,利用一阶高频振荡环增强网络刷新频率和多级非线性放大,从而获得高熵值混沌信号,结合DFF和XOR组成的后处理电路,设计构成真随机数发生器并在FPGA平台上实现。通过数据的采样和实时提取,然后对数据执行NIST SP800-22和SP800-90B随机性测试,并对其偏移度、自相关性及最大李雅普诺夫指数等性能进行评估。结果表明,真随机数发生器能够以600 Mbit/s的吞吐率产生熵值0.994847 bit/sample的随机数序列,而且具有低的偏移度和自相关性及较低的硬件开销。

无线传感器网络的路由协议设计研究

集成了传感、计算和通信技术的无线传感器网络是普适计算模式的一种典型应用。简要地介绍了无线传感器节点及其网络的体系结构 ,分析了无线传感器网络不同于传统网络的特点 ,重点阐述了在无线传感器网络的路由协议设计中需要考虑的重点与难点 ,并结合应用需求提出了几点设想。

网络治理的三种模式:比较与选择

网络治理具有三种模式:新威权模式、网络自治模式和法治模式。新威权模式具有一定的合理性、必要性、时效性。新威权治理因其具有倒转人治代替法治的可能性和现实性,其风险不可低估。网络自治模式与网络他治相对立,减少他治是网络自治的必然要求。法治模式具有新威权治理、网络自治不可取代的优势,终归取代新威权治理模式。网络自治模式也需要法治保障。目前,三种模式应齐头并进,形成网络立体治理框架。三种模式并用才能取得网络治理的最佳效果。

实现人工神经网络知识增殖能力的一种方法

具有知识增殖能力的神经学习系统是人工神经网络发展的一个重要方向 ,备受研究人员的关注 传统上对神经学习系统知识的增殖或重用研究偏重于对个体网络的改造 ,根据知识积累和继承的思想 ,引入自治神经网络 (au tonomousartificialneuralnetwork ,AANN)的理念 ,以此作为构造知识可增殖神经学习系统的基础 ,利用群体网络的方法成功解决了神经学习系统的拓展和知识增殖问题 AANN和一般神经网络的区别在于其自治能力 ,采用AANN模块构造的神经学习系统 ,具有知识增殖能力 ,其可靠性、可拓展性和灵活性都得到提高 实验结果表明 。