【摘 要】
：
作为智慧交通的基础,车联网正成为新时代下技术创新与产业变革的新蓝海,以“软件定义”、“智能网联”为特征的新汽车产业形态正在加速形成。通过车联网中的信息共享与信息处理,可以有效地缓解交通压力,提升社会交通服务的智能化水平。然而,由于车联网通信通常运行在开放网络环境中,车联网环境中的用户隐私和数据安全受到了极大的威胁。与此同时,汽车的高移动性也使得车联网通信的实时性和高效性面临着新的挑战。本文基于密钥
论文部分内容阅读
作为智慧交通的基础,车联网正成为新时代下技术创新与产业变革的新蓝海,以“软件定义”、“智能网联”为特征的新汽车产业形态正在加速形成。通过车联网中的信息共享与信息处理,可以有效地缓解交通压力,提升社会交通服务的智能化水平。然而,由于车联网通信通常运行在开放网络环境中,车联网环境中的用户隐私和数据安全受到了极大的威胁。与此同时,汽车的高移动性也使得车联网通信的实时性和高效性面临着新的挑战。本文基于密钥动态更新算法和区块链技术,设计了两种车联网条件隐私保护认证方案。主要研究内容如下:（1）基于广播加密和区块链技术,设计了跨域情景下的条件隐私保护认证方案。该方案防止了非法车辆访问车辆通信系统,实现了车辆通信的“一次一密”,保障了消息的不可链接性,最终达到了车辆在不同区域下,进行快速、有效认证的效果。（2）融合打孔伪随机函数和区块链技术,设计了带标签的跨域认证方案。该方案解决了传统车联网通信中跨域认证的单点故障问题,实现了对旧密钥的打孔,最终达到了避免标签被重复使用的效果。（3）对于所提出的方案,进行了实验仿真和性能对比,分析表明,本文提出的方案在计算和通信开销方面相较于以往的方案有更好的性能。同时,NS-3仿真实验表明,提出的方案在消息验证时延和丢包率方面能满足车联网需求。
其他文献
社交媒体技术的快速发展给人们获取和传播信息带来了便利,但由于缺乏有效的自动化信息监管,导致谣言在社交网络中广泛传播,给网络空间安全和社会稳定带来了严峻挑战。如何实现有效的谣言自动检测,成为亟待解决的现实问题。早期谣言自动检测方法主要基于机器学习模型,严重依赖特征工程,费时费力且难以准确表示谣言的文本内容,因此,已逐步被基于深度学习模型的方法所取代。目前最新的基于深度学习的谣言检测方法主要是根据谣言
深度学习是人工智能领域的重要组成部分,其多层的非线性结构使它能够拟合复杂的样本空间并学习丰富的语义特征,因此深度学习已经广泛的应用于各种领域之中。然而随着深度学习的不断地发展,其“黑盒”特性为模型的使用埋下了安全隐患,对抗样本攻击算法即是其中之一。对抗攻击是一种通过在正常样本中添加精心构造的对抗扰动以欺骗目标网络模型的方法,其对抗扰动十分微小以至于肉眼无法正常识别,但当对抗扰动进入目标网络模型后,
图像融合是指利用技术手段将来自不同成像设备的多幅源图像进行有条件的合成,即通过互补操作,把各个传感器获取到的最有用信息融合到一张图像上。得到的融合图像相比单一传感器获取的图像更加准确、可靠和全面,它包含的丰富信息也有利于后续机器识别和目标追踪等工作的开展。目前,图像融合技术已在摄影、医疗、军事和监控安防等方面得到十分广泛的应用。因此,对于多源图像融合技术的研究具有非常重要的意义。本文主要的工作如下
动态阈值神经P（DTNP）系统和耦合神经P系统（CNP）是两种新型分布式和并行计算模型,它们启发于神经元的脉冲机制、动态阈值机制和耦合调制机制。DTNP系统和CNP系统在理论上已经被证明是与图灵通用的计算设备。本文主要研究DTNP系统与区域生长的结合在图像分割中的应用和CNP系统在行人检测上的应用,涉及彩色图像分割和红外热成像图像的行人检测。本文主要的工作和贡献如下:（1）提出了一个基于二维DTN
无线电通信是推动社会经济发展、维护社会秩序、保障国家安全的关键技术。高速发展的无线电技术和应用规模,给无线电监管带来极大的挑战。为了更好地维护无线电通信秩序,无线电监管技术也在朝着智能化和可视化方向发展。无线电信号的场强分布图可以直观展现无线电信号在不同位置的信号强度分布规律,信源定位则是无线电监管中必不可少的环节。本文的主要研究内容为利用带有地理位置信息的信号强度数据,进行场强分布图绘制和信源定
阿尔茨海默症（Alzheimer’s disease,AD）是一种常见的神经系统疾病,多发于60周岁以上的老年群体。其临床表现为记忆力、理解力和执行功能等多种认知功能障碍。目前没有针对此病症的特效药物,无法治愈阿尔茨海默症,全球约有75%的痴呆症患者在早期没有得到诊断,对AD进行早期诊断并提前进行预防或控制病情加重尤为重要。随着我国逐渐步入老龄化社会,对AD患者的早期预防和减缓病情加重刻不容缓。运
社区检测是复杂网络的一个研究热点,主要用于揭示网络聚集行为,在蛋白质结构分析、交通中枢规划、网络舆情监测、推荐算法设计等领域均具有重要的应用价值。随着网络中节点属性与连边关系不断朝多元化方向发展,网络社区结构的重叠率越来越高。如何稳定准确地检测复杂网络中的重叠社区,挖掘多元社会的深层组织结构,成为复杂网络研究的一个新挑战。重叠社区检测的主要内容是从网络中发现同时隶属于多个社区的重叠节点。本文以基于
随着时代的进步和中国的发展,智库在国家治理、科学决策中的地位作用愈发凸显,中国特色新型智库建设成为一项重大而紧迫的任务。智库建设发展走了上快车道,信息技术辅助智库建设发展也被提上了日程。现有系统文本查询算法在语义信息挖掘不足,传统软件架构应对大规模矢量数据的处理能力也不足,制约了已有智库成果的运用。为解决上述问题,本文主要开展了以下工作:（1）智库领域文本语义相似度计算研究。对智库文本相似度计算的
行为识别是计算机视觉研究领域中一个热点。其本质是通过设计的算法对视频样本进行训练和学习,以达到对不同动作进行分类的目的。在早期的研究阶段,行为识别主要依靠手工设计特征来提取动作信息。目前,深度学习方法在行为识别研究中取得了广泛的关注和长足的进步。基于深度学习的行为识别方法可以粗略分为两类。一类通过人体骨架序列来进行建模,时空图卷积网络（Spatial Temporal Graph Convolut
膜计算是自然启发的计算范式中一个活跃的分支,在膜计算框架中研究的所有计算模型都被命名为P系统。P系统是从生物细胞的功能和结构出发,从化学物质相互作用和跨膜的生物过程中被抽象出来。神经元是人体中最有趣的细胞类型之一,大量的神经元以合作的方式工作,能够执行复杂的任务。脉冲神经P系统是从神经元或脑细胞的行为中抽象出来的神经型膜计算系统。本文利用不同的生物机理与神经型P系统的特性相结合,提出了三种神经型P