【摘 要】
:
随着通信网络步入 5G(5th Generation Mobile Communication Technology,第五代移动通信技术)时代,作为智能网联基础设施的车联网已逐渐成为与人们生活出行密不可分的一种重要技术。车联网通过车辆采集并共享信息,形成一张巨大的数据网络,实现车与车之间的互联互通。然而车联网中仍存在着数据的安全共享问题:例如隐私容易泄露、存在不实信息等等。现有的成熟的商业模式往往
论文部分内容阅读
随着通信网络步入 5G(5th Generation Mobile Communication Technology,第五代移动通信技术)时代,作为智能网联基础设施的车联网已逐渐成为与人们生活出行密不可分的一种重要技术。车联网通过车辆采集并共享信息,形成一张巨大的数据网络,实现车与车之间的互联互通。然而车联网中仍存在着数据的安全共享问题:例如隐私容易泄露、存在不实信息等等。现有的成熟的商业模式往往采用集中式的数据管理方式,不能很好地解决大规模分布式的车联网系统的数据共享和安全问题,因此分布式去中心化的区块链技术成为研究的热点。面对车联网的需求,如何设计区块链中的共识机制是一个重点。传统的POW(Proof-Of-Work,工作量证明)共识机制由于对计算资源的需求过高导致在计算和通信资源有限的车联网系统中难以应用,而基于状态机的PBFT(Practical Byzantine Fault Tolerance,拜占庭容错)共识也存在通信开销高、主节点的选取过于随意的问题,同时车联网环境对共识的效率也有着较高要求。针对以上问题,本文从共识协议的安全性和共识效率两个方面针对PBFT机制展开研究,取得的成果如下:(1)在传统PBFT共识算法中,存在主节点的选取过于随意以及共识节点的恶意行为没有惩罚机制的弊端。针对这两种弊端,论文提出了一套共识节点的信任管理模型和共识机制主节点的选取方法。论文中给出了针对车联网环境的信任管理模型,确立了信任因子,给出了信任值计算方法,建立了对各共识节点的奖惩机制,并将节点周围车辆的信任水平纳入考量因素。最后,针对车联网特点,综合节点自身的信任程度、车辆的信任水平和节点繁忙程度多种因素共同选取主节点,有效提高了共识的容错性和效率。(2)针对传统PBFT共识算法在节点数量众多时的通信开销大、共识效率低的问题,论文提出了一种基于信任管理的双层PBFT共识算法,简称bPBFT。该共识算法采用层次结构,将节点分为上下两层,并使用基于动态门限的批量共识策略来设计,最后简化了上层的共识协议。最后,理论分析和实验仿真测试结果表明,bPBFT共识与现有的双层PBFT共识相比,可以有效减少下层与上层共识阻塞的概率,减少通信开销,并能够有效地提高大量节点环境下的吞吐量和共识效率,比现有双层PBFT共识方案具有更好的性能。
其他文献
边缘计算通过在网络边缘部署服务和执行计算任务以满足资源匮乏终端设备的时延敏感服务需求,合理的资源配置能够提升边缘计算资源利用率,提高边缘计算系统任务执行成功率。边缘计算中资源配置研究分为任务调度和服务放置两类,现有以任务执行时间预估为代表的任务调度方法,通过对任务执行过程进行精细建模,估计任务在不同边缘服务器执行的时间,将任务调度到预计耗时最短的服务器执行;现有以负载预测为代表的服务放置方法,通过
近年来随着雷达、声呐等领域对信号定位精度要求的提高,到达角(Directionof Arrivals,DOA)估计精度的提升方法越来越多,对非均匀阵列的应用也越来越广泛。为了提升非均匀阵列的定位精度,首先本文提出了基于空域信息及阵元位置差集生成虚拟阵元的改进非均匀阵列,然后提出了一种基于时空联合信息生成虚拟阵元的改进和差非均匀阵列,并在和差互质阵的基础上,提出了一种基于阵列运动的一维空洞填充算法,
传统的电子侦察设备中,一些复杂度较高的算法,如脉内调制识别算法,通常在DSP中实现。该做法实时性差,不能实现对脉冲的逐个识别,这样就不能把调制类型当作分选依据,会对后续的脉冲分选等算法产生影响。为了实现对脉内调制识别等算法的逐脉冲实时预处理,本文利用FPGA平台数据并行流水线处理的优势,研究了基于FPGA平台的电子侦察预处理技术。主要研究内容如下:1.针对电子侦察输入信号采样率极高,难以保证对小信
空天地一体化网络作为国家信息化建设的基础设施,保证空天地一体化网络的安全可靠传输,对维护国家安全具有重要意义。由于空天地一体化网络横跨空、天、地、海等多个领域,同时节点暴露、信道开放,使其极易受到干扰攻击。在面对固定的常规干扰时,经典的物理层和链路层抗干扰技术还能保持良好的抗干扰效果。然而随着电子攻击技术的不断进步,智能化、体系化的新型干扰对空天地一体化网络的可靠传输提出了新的挑战。智能化的干扰催
工作负载预测是指根据历史工作负载等信息确定未来某特定时刻的工作负载数据。精确的工作负载预测对云数据中心实现服务级别协议(Service-Level Agreement,SLA)至关重要。基于深度学习的工作负载预测算法是指使用深度学习方法解决云环境工作负载预测问题的算法,是目前工作负载预测的主流方法,但是难以平衡预测准确度和预测效率。跨场景的工作负载预测是指从一个特定的云数据中心场景的已知工作负载数
随着无线电技术的快速发展,用频设备数量、种类不断增加,如何采用频率资源指配技术提高频谱利用率是频谱管理中的重点问题。尤其是在电磁环境相当复杂的现代信息化作战体系中,如果缺乏有效、合理的频谱管理,轻则不同设备之间互相干扰,重则作战功能瘫痪,进而丧失作战能力。为确保信息化作战效能的最大化,就必须保证体系内各用频装备的正常运行。因此加强频谱管理,合理分配系统内频谱资源就显得尤为重要。现代战争中复杂的电磁
数字通信系统的快速发展使得高速数字I/O接口速率已经从Mbps级大幅度提高到Gbps级,但是数据速率的不断提升也给信号能否实现稳定的传输带来了一些挑战,例如,衰减、阻抗不连续、辐射和串扰噪声等会影响信号的传输。其中传输线自身的损耗使无源通道的衰减与频率有关,即对高频分量的衰减要比低频分量的衰减大的多,从而使经过互连通道的高速信号边沿变缓,幅值降低,进而导致接收端眼图闭合和误码率的显著提升。为了保证
随着信息化进程的不断推进,各行各业的信息化建设工作均取得了较大突破。设备管理系统由最初的人工管理到高度自动化,从单一设备管理发展到综合管理,也在不断适应互联网发展的新需求。光通信传输具有距离远,传输数据量大,抗干扰能力强的特点,在通信领域使用更为广泛。PTN(分组传送网,Packet Transport Network)光通信传输设备支持多种基于分组交换业务的双向点对点连接通道,具有适合各种粗细颗
近年来,随着电子信息技术的快速发展,无人机搭配的通信设备越来越智能化、集成化,无人机的性能正在稳步提高。当无人机在通信网络中作为中继平台使用时,相对于其他中继平台有着无可比拟的优势,因此,无人机中继在众多领域都有着十分积极的使用和发展前景。但无人机自身也非常容易受到干扰,因此本文首先对频谱感知技术进行了研究分析,构建了频谱地图;然后综合干扰机和无人机节点的位置以及数量,建立了无人机中继通信网络模型
近年来,深度学习和自然语言处理技术的进步已为人机对话深度赋能。各类对话产品已走进人们的生活,其中帮助人们完成各类任务的任务型对话产品应用空间广阔且备受欢迎。任务型对话中,目标任务的完成依赖系统对背景知识的利用。现有的任务型对话研究大都基于单一形式的知识,多种类型知识的混合利用还较少。其中,对非结构化知识的利用有句子相似度计算和单主题解码两种方式,后者对知识的检索准确度更高,但在基于非结构化知识的一