基于关键简化集合的极化码SSRFSC翻转译码算法

为提高基于简化序列重复节点的快速串行抵消(SSRFSC)译码算法的译码性能,提出了基于关键简化集合(CSS)和简化序列重复(SSR)节点的CSS-SSR-Flip译码算法。所提算法首先选取SSR中最长重复(REP)节点的信息位作为候选比特(CB),从而构造了基于SSR的CSS;然后针对SSR节点的译码特点设计了相应的翻转度量和翻转准则,通过考虑SSR节点中重复序列和源节点对译码的影响来度量CB可靠性,在特定CB翻转时选择次优的重复序列完成SSR节点翻转操作。实验数据表明,当误帧率FER=10-3时,所提出的CSSSSR-Flip译码算法与传统的快速简化串行抵消翻转(Fast-SSC-Flip)译码算法相比能够获得超过0.1 dB的性能增益,且具有与新型Fast-SSC-Flip(New-Fast-SSC-Flip)译码算法相同的译码性能;与传统翻转集合大小K相比,CSS大小缩减最多达79.5%,与关键集合(CS)相比集合大小最多可缩减23.1%。

基于加性秘密共享的洗牌协议的设计

针对现有基于秘密共享的洗牌协议缺少流程实现的具体算法、解决方案多采用公钥、处理大规模数据集时效率低、适用性不足等问题,提出了一种单边洗牌协议,并在此基础上设计了一种基于加性秘密共享的洗牌协议。通过不经意传输协议构建份额转换算法,在不暴露原数据集的前提下完成了洗牌;利用Benes排列网络实现洗牌分解,将复杂的洗牌任务分解为多个子任务,提高了大规模数据集的处理效率;最终通过加性秘密共享,确保将洗牌份额安全地分配给参与方。对所提协议的正确性进行了严格分析,并运用理想-现实模拟范式对其安全性进行了评估。与现有文献相比,所提协议在安全性上能够达到当前安全标准,并在处理大规模数据集时有较高的效率。此外,所提协议的适用性得到了提升,进一步促进了其在当下环境中的应用。

基于决策性能评估的多波束低地球轨道卫星网络资源分配算法

为了解决多波束低地球轨道(LEO)卫星波束间同频干扰、频谱短缺、业务量分布不均等问题,针对单一决策网络缺乏自我修正能力、容易陷入局部最优解、无法充分考虑长期影响等弊端,提出了一种基于决策性能评估的资源分配算法。该算法引入不同用户的业务满足指数来衡量系统的公平性,在考虑公平性的前提下优化系统的吞吐量性能,并将该优化问题建模为多目标优化问题。将具有时间相关性的连续资源分配过程建模为马尔可夫过程,提出基于决策性能评估的网络资源分配算法来解决该问题。所提算法可以根据评估网络的评估结果调整决策网络参数,从而优化资源分配方案,同时更新评估网络自身参数。通过迭代优化的方式,实现决策网络的准确预测。仿真结果表明,所提算法在吞吐量性能和公平性方面优于传统资源分配算法。

基于感通算融合和信息年龄优化的车联网多节点协同感知

面向未来自动驾驶系统中的实时性业务需求(如高清地图更新),基于感知-通信-计算融合,引入信息年龄作为实时性度量,设计感通算融合的车联网多节点协同感知机制。在通信-计算资源和车辆能耗约束下,优化调度感知节点信息采集和传输处理,最小化感知信息的平均信息年龄;提出基于李雅普诺夫的在线调度算法,将复杂的长期随机优化问题转化为单时隙在线优化问题,并设计低复杂度算法求解。仿真表明,与现有仅考虑通信与计算融合的机制相比,所提机制信息实时性可提高9%~50%。

面向有人/无人协同的智能通信与组网关键技术:现状与趋势

系统总结了有人/无人协同的智能通信与组网领域的研究成果。首先,从有人/无人协同的应用场景出发,具体分析了其对通信组网的需求。然后,自底而上按照物理层、链路层、网络层的层次划分,深入阐述了通信信道建模、通信波形设计、组网架构与协议、智能协同等关键问题,分析了研究现状和代表性技术的特点。最后,面向更加智能、高效、灵活的有人/无人协同通信与组网,展望了可能的发展趋势和极具潜力的技术方向。

移动边缘计算中智能服务编排和算网资源分配联合优化方法

为了解决边缘网络环境中由于业务差异化、网络环境高度动态化以及算网资源部署去中心化造成的网络服务缓存和算网资源分配效率低等问题,研究并建立了一种去中心化的移动边缘计算服务编排和计算卸载模型;并在算力、存储、带宽等多维资源约束下,以最小化任务处理时延为目标,将服务缓存和算网资源分配联合优化问题抽象为部分可观测马尔可夫决策过程;考虑到服务请求时间依赖性及其与服务缓存间的耦合关系,引入长短时记忆网络来捕获时间相关的网络状态信息,进而提出基于循环多智能体深度强化学习的分布式服务编排和资源分配算法以自主决策服务缓存和算网资源分配策略。仿真结果表明,所提算法在缓存命中率、任务处理时延等方面具有显著的性能提升。

多模态语义通信研究综述

随着人工智能与通信的交叉融合,文本、图像、音频、视频等多模态数据处理技术蓬勃发展,模态语义的共享维度被深度挖掘,多模态语义信息的高度抽象、智能简约等特性被充分利用,为语义通信带来了全新的思路和手段。首先,介绍了语义通信的基础理论和分类,分别针对文本、图像、音频、视频综述了单模态语义通信的研究现状;然后,综述了多模态语义通信的研究现状,介绍了多模态数据融合技术和安全语义通信的研究;最后,总结了多模态语义通信面临的挑战。

面向Non-IID数据的拜占庭鲁棒联邦学习

面向数据分布特征为非独立同分布的联邦学习拜占庭节点恶意攻击问题进行研究,提出了一种隐私保护的鲁棒梯度聚合算法。该算法设计参考梯度用于识别模型训练中“质量较差”的共享梯度,并通过信誉度评估来降低数据分布异质对拜占庭节点识别的影响。同时,结合同态加密和随机噪声混淆技术来保护模型训练和拜占庭节点识别过程中的用户隐私。最后,在真实数据集中进行仿真测试,测试结果表明所提算法能够在保护用户隐私的条件下,准确、高效地识别拜占庭攻击节点,具有较好的收敛性和鲁棒性。

高速移动环境下基于RM-Net的大规模MIMO CSI反馈算法

针对高速移动环境信道特征复杂多变,同时存在加性噪声和非线性效应的影响,提出一种残差混合网络(RM-Net)的大规模MIMO CSI反馈算法。RM-Net通过学习高速移动信道的空间结构与时间相关性,具备去除大规模MIMO信道噪声的能力,能显著提高CSI压缩率与恢复质量。系统仿真结果表明,RM-Net可消除高速移动场景加性噪声的影响,学习并适应稀疏、双选衰落信道特征,在高压缩率与低信噪比条件下依然具有较好的性能表现,所提算法性能大幅优于其他基于压缩感知(CS)和深度学习(DL)的CSI反馈算法。

基于区块链的计算与无线通信资源联合管理双向拍卖模型

无线通信网络中,边缘侧的频谱、计算、存储等资源存量受限,传统分散、独占式资源分配造成资源复用能力弱且利用率低下。同时,在传统资源调度过程中由于归属方的主体间信任缺失,难以保障资源共享的公平性。首先提出了基于区块链的计算与无线通信资源联合管理双向拍卖模型,在模型中建立了一个资源市场,资源买方与卖方通过双向拍卖的方式进行资源分配;其次采用区块链存储各买家与卖家的资源信息,解决网络中各方的互信问题;最后进行实验仿真,验证所提模型有效提升了系统性能与资源利用效率。

基于地址重载的SDN分组转发验证

针对软件定义网络(SDN)中现有转发验证机制大多通过加入新的安全通信协议实现分组逐跳转发验证,出现通信与计算开销的问题,提出了一种基于地址重载的SDN分组转发验证机制。入口交换机通过重载分组地址信息将流运行时间划分为连续随机的时间间隔,各后继节点基于重载的地址信息转发分组;控制器采样间隔内流入口与出口交换机的转发分组,检测路径中的异常转发行为;最后,构建仿真网络实现了所提机制。实验结果表明,该机制以引入不超过8%的转发延迟,可有效检测异常。

基于深度学习的传感云sink节点最优能效SWIPT波束成形设计

为了解决传统基于最优化方法所设计的无线网络资源管理策略通常复杂度较高且实时性差,不利于在线决策制定的问题,针对基于SWIPT的传感云系统,建立汇聚(sink)节点能效最大化问题及其数学模型,然后引入深度学习方法,通过对最优化算法的学习实现更低复杂度与更高实时性的算法设计。为了实现深度学习算法在网络资源分配中的应用,首先将sink节点最优能效模型转化为高维可求解形式,设计具有迭代形式的SWIPT-WMMSE算法实现最优波束成形矢量的求解,同时证明了算法的收敛性。然后基于DNN逼近误差的传递过程推导了DNN设计准则,并通过对DNN的训练实现其对SWIPT-WMMSE算法的逼近。最后通过仿真实验分别验证了SWIPT-WMMSE算法与DNN算法的有效性,及DNN算法的逼近效果和在提升系统性能方面的优势。

基于NLP的文本相似度检测方法

针对当前的文本相似度检测方法忽略文档结构信息、缺乏语义关联性的问题,提出了面向文本的相似度检测方法。首先,采用层次分析法(AHP)计算词语位置权重以提取特征词。其次,引入Pearson相关系数度量词语间的语义关联,并将其作为广义Dice系数的权重计算相似度。实验表明,所提方法在提高特征词提取的精确度、相似度计算结果的准确率方面表现良好。

基于相对熵和K-means的形状相似差分隐私轨迹保护机制

为解决绝大多数研究未充分考虑位置对隐私预算的敏感程度以及轨迹形状带来的影响,使发布的轨迹可用性较差的问题,提出了基于相对熵和K-means的形状相似差分隐私轨迹保护机制。首先,根据地理空间的拓扑关系,利用相对熵计算真实位置对隐私预算的敏感程度,设计了位置敏感的隐私级别实时计算算法,并与差分隐私预算结合建立了一个新的隐私模型。其次,通过K-means算法对发布位置进行聚类,得到与真实位置方向最相似的发布位置集合,并引入Fréchet距离衡量发布轨迹与真实轨迹的相似性,提升发布轨迹的可用性。通过对真实数据集的实验表明,所提轨迹保护机制与其他方法相比在轨迹可用性方面有明显的优势。

卫星互联网路由技术现状及展望

卫星互联网作为空间信息传输网络,具备广域覆盖、可靠传输的特点,是重要的战略基础设施。信息的全球可达及空间资源的高效利用对路由技术提出了要求,因此对卫星互联网路由技术进行了详细阐述。由于路由策略受系统架构的影响,首先对单层、多层卫星星座体系下的路由技术分别进行了综述;其次考虑路由策略也往往涉及优化问题,因此从时延、带宽、数据分组丢失率、稳健性及资源利用等方面分别对已有研究进行了回顾和介绍;最后对进一步的研究方向进行了展望。

基于NTRU的多密钥同态代理重加密方案及其应用

为了提高同态加密算法在多用户云计算场景下的实用性,构造了一个基于NTRU的多密钥同态代理重加密方案。首先利用密文扩张思想提出了一种新的NTRU型多密钥同态密文形式,并基于此设计了相应的同态运算和重线性化过程,从而形成一个支持分布式解密的NTRU型多密钥同态加密方案;然后借助于密钥交换思想设计了重加密密钥和重加密过程,将代理重加密功能集成到该NTRU型多密钥同态加密方案中。所提方案保留了多密钥同态加密和代理重加密的特性,而且在用户端的计算开销较低。将所提方案应用于联邦学习中的隐私保护问题并进行了实验,结果表明,所提方案基本不影响联邦训练的准确率,加解密、同态运算和重加密等过程的计算开销也可接受。

基于ARIMA-RNN组合模型的云服务器老化预测方法

针对云服务器系统运行环境具有非线性、随机性和突发性的特点,提出了基于整合移动平均自回归和循环神经网络组合模型(ARIMA-RNN)的软件老化预测方法。首先,采用ARIMA模型对云服务器时间序列数据进行老化预测;然后,利用灰色关联度分析法计算时间序列数据的相关性,确定RNN模型的输入维度;最后,将ARIMA模型预测值和历史数据作为RNN模型的输入进行二次老化预测,从而克服了ARIMA模型对波动较大的时间序列数据预测精度较低的局限性。实验结果表明,ARIMA-RNN组合模型比ARIMA模型及RNN模型的预测精度高,且比RNN模型预测收敛速度快。

适用于再生编码分布式存储的轻量型隐私保护审计方案

为了降低面向再生编码分布式存储系统的外包数据审计机制的安全实现开销,提出了一种正交化代数编码方法,以此构造一类基于线性同态认证的轻量型隐私保护审计方案。利用文件编码数据与私有密钥向量的正交化构造外包存储向量的同态认证标签,并提出利用密钥特定分量的正交基向量组的随机化掩码来完成审计响应消息的隐私保护,实现代数编码、隐私保护和安全审计的高效融合。理论分析表明,所提方案在再生编码分布式存储应用中可实现信息理论意义下的安全性。与现有同类工作相比,该方案计算复杂度低,通信开销小,具有更好的性能优势。

面向多椭圆曲线的高速标量乘法器设计与实现

针对现有标量乘法器不能适用于多椭圆曲线且运算开销较大的问题,设计了一种能应用于两类素数域椭圆曲线的高速标量乘法器。首先,在标量乘算法上,对secp256r1曲线的基点采用Comb算法,对普通点采用Shamir算法,对Curve25519曲线使用蒙哥马利阶梯算法;然后,优化了点加和倍点运算的操作步骤,并对点加中Z=1的情况进行简化设计,有效减少计算周期数;最后,采用快速模约简实现模乘,设计了Curve25519的快速模约简算法。整个设计充分考虑复用,在55 nm CMOS工艺下需1022×10^3个等效门,在secp256r1和Curve25519上计算普通点标量乘,运算速度分别为15.3万次/秒和15.8万次/秒,其中secp256r1上的运算速度是现有设计的1.9倍。

基于样本增强的网络恶意流量智能检测方法

为解决现有网络流量异常检测方法需要投喂大量数据且泛化能力较差的问题,提出了基于样本增强的网络恶意流量智能检测方法。所提方法从训练集中提取关键词,且基于关键词回避策略对训练集进行样本增强,提高了方法提取文本特征的能力。实验结果表明,所提方法通过小型训练数据集即可提高网络流量异常检测模型的准确率与跨数据集检测能力,相较于其他方法,在显著降低计算复杂度的同时得到了更佳的检测能力。