基于区块链的群智感知恶意节点检测系统设计与实现
这是一篇关于群智感知,恶意节点检测,信任模型,区块链的论文, 主要内容为随着智能设备的普及,群质感知作为新兴感知模式得到了快速发展。在保证数据收集的便捷性和广泛性的基础上,对物联网感知模式的安全要求也越来越高。目前针对群智感知的攻击手段主要为通过感知节点上传非法数据,如虚假信息上传、黑洞攻击等。此类攻击直接影响了群智感知系统的最终数据感知质量,对用户和平台造成了严重损失。因此,如何保护群智感知系统安全,及时对非法上传数据节点进行检测,对于保护群智感知系统安全十分重要。然而,现有的恶意节点检测系统节点可信度低,并且现有的针对恶意节点的检测验证方法无法在复杂环境下实现高效检测。针对不同应用及安全需求,本文设计并实现了基于区块链的群智感知恶意节点检测系统,该系统从节点行为和数据质量方面针对恶意节点的恶意行为展开研究以提升恶意节点检测率。本文主要研究工作如下:(1)针对群智感知恶意节点检测系统检测节点可信度低的问题,设计了基于用户行为的经验投票双元协同模型。该模型从节点间直接信任和间接信任出发,通过对检测节点参与的交互行为进行综合评价,保证了参与恶意节点检测节点的可信性。该模型由于其分布式的节点分布,可以在区块链环境中良好运行。实验结果表明,本文提出的经验投票双元协同信任模型可以提供更精确的检测节点信任值,并且在相同条件下能够提供更高数据质量,提升感知系统可信度,同时该模型具有更好的鲁棒性。(2)针对群智感知系统恶意节点检测率低的问题,提出了基于经验投票的群智感知网络恶意节点动态迭代检测方法。该检测方法中的动态迭代更新可实时更新至区块链账本,同时该机制通过动态更新的信任模型对用户提供数据进行信任评估,通过考虑检测结果中存在的假阳性和假阴性情况处理节点行为,提升恶意节点检测率。实验结果证实了本文设计方案可以对具有恶意行为的节点及时识别和隔离。方案中的自适应信任更新过程为智能恶意节点检测提供了有力支撑,该过程隐式地执行临时故障节点的信任恢复,并根据其行为为每个节点计算不同的信任更新因子。同时,本文所提出的方法同其他基于信任的检测模型相比具有较高的检测率和较低的误检测率,且误检测率仅随网络中节点数量规模的增加略有变化。(3)设计并实现了区块链环境下恶意节点检测系统。该系统将本研究提出的信任模型和检测模型通过区块链链码形式部署在区块链环境中,其分别对应评估模块和恶意节点检测模块。同时该系统利用了联盟链技术,在感知数据传输过程中建立单一信息通道,实现数据隔离,保护数据隐私,提高了数据安全性。系统测试表明,本文所设计的群智感知恶意节点检测系统可以有效检测恶意节点,保障系统的安全性。
基于区块链的群智感知系统的设计与实现
这是一篇关于群智感知,区块链,信任模型,激励机制的论文, 主要内容为在大数据环境下数据的重要性与日俱增,如何面向大量用户采集高质量可信数据成为当前研究的热点和难点。本文针对群智感知数据采集技术开展研究,设计并实现了基于区块链的群智感知系统,为了提高用户采集数据的质量,提出了多用户经验-信誉(Multi-user Experience-Reputation,ME-R)激励机制,选择可信用户提供高质量数据。本文主要研究工作如下4点。1.首先对区块链环境下群智感知方法进行了深入分析,根据国内外研究现状总结了当前群智感知方法存在的优点和不足。针对区块链环境下群智感知的主要问题,结合经典案例分析并给出了对应解决方案。2.考虑到知识评估需要数据提供者的各种信息,这些信息可能涉及用户的隐私,导致难以实现可靠的数据采集,本文提出了一种用于评估多用户平台中任意两个用户间的信任关系模型。将信誉-经验-知识(Reputation-Experience-Knowledge,REK)模型中的知识模块简化,基于简化的模块建立经验模型和信誉模型,通过融合经验模型和信誉模型构建多用户经验-信誉(Multi-user Experience-Reputation,ME-R)模型。当服务请求者经由多用户平台向数据提供者请求数据服务时,该模型将建立服务请求者与数据提供者的连接以进行交互数据,采用Qo S(Quality of Service,Qo S)模型评估用户提供的数据质量(Quality of Data,Qo D)。3.提出了基于ME-R信任模型的激励机制以选择最值得信赖的高质量用户。该机制通过ME-R模型对用户提供的数据进行信任评估,选择高信任值的数据提供者参与数据采集,利用Qo S模型对采集的用户数据进行质量评估,根据质量评估结果向数据提供者给与回报。实验结果表明,较其他同类方法,基于ME-R信任模型的激励机制能有效地选择可信用户提供高质量数据。4.设计并实现了基于区块链的群智感知系统,该系统包括感知任务模块、数据采集模块、信任评估模块、数据评估模块和激励模块。系统测试表明,该系统能有效地采集高质量可信数据,减少资源损耗,在群智感知领域具有广泛的前景。
移动终端智能引擎的研究与实现
这是一篇关于情境感知,群智感知,移动终端智能引擎的论文, 主要内容为移动互联网和智能终端的飞速发展改变了人们原有的生活方式。通过移动终端可以为人们提供购物、上网、社交等多样的服务。在社交应用中,用户面对大量的信息往往无法准确获取到符合自己社交需求的信息。因此本文从具体的社交需求出发,设计一种更为个性化的移动终端社交系统。本文实现的系统基于移动终端智能引擎的相关技术,文章通过分析国内外最新文献,对移动终端智能引擎中的情境感知技术以及群智感知技术进行了重点研究,分析比较了基于该类技术实现的现有平台和系统之间的优缺点,总结了其实现方法,为本系统的设计实现提供了技术支持。文章对系统的总体架构进行了设计,将系统的设计分为移动终端客户端、数据交互传输以及后台服务器三个部分。并对每一部分的功能模块进行了具体划分和详细设计。系统的具体实现按照总体架构的划分进行,移动终端客户端的实现基于谷歌的Android系统,在这部分完成了用户操作界面、情境信息采集以及响应用户操作等功能的实现。在后台服务器实现上采用了J2EE的分层架构,使用SSH框架进行具体的开发,并对数据处理进行了详细设计,包括情境数据处理以及数据本体建模。客户端和服务器通过HTTP协议进行可靠的信息传输,保证了系统的正常运行。最后通过对系统的功能进行了整体测试,结果表明了系统满足实际的社交需求,具有较强的实用性。
基于区块链的群智感知系统的设计与实现
这是一篇关于群智感知,区块链,信任模型,激励机制的论文, 主要内容为在大数据环境下数据的重要性与日俱增,如何面向大量用户采集高质量可信数据成为当前研究的热点和难点。本文针对群智感知数据采集技术开展研究,设计并实现了基于区块链的群智感知系统,为了提高用户采集数据的质量,提出了多用户经验-信誉(Multi-user Experience-Reputation,ME-R)激励机制,选择可信用户提供高质量数据。本文主要研究工作如下4点。1.首先对区块链环境下群智感知方法进行了深入分析,根据国内外研究现状总结了当前群智感知方法存在的优点和不足。针对区块链环境下群智感知的主要问题,结合经典案例分析并给出了对应解决方案。2.考虑到知识评估需要数据提供者的各种信息,这些信息可能涉及用户的隐私,导致难以实现可靠的数据采集,本文提出了一种用于评估多用户平台中任意两个用户间的信任关系模型。将信誉-经验-知识(Reputation-Experience-Knowledge,REK)模型中的知识模块简化,基于简化的模块建立经验模型和信誉模型,通过融合经验模型和信誉模型构建多用户经验-信誉(Multi-user Experience-Reputation,ME-R)模型。当服务请求者经由多用户平台向数据提供者请求数据服务时,该模型将建立服务请求者与数据提供者的连接以进行交互数据,采用Qo S(Quality of Service,Qo S)模型评估用户提供的数据质量(Quality of Data,Qo D)。3.提出了基于ME-R信任模型的激励机制以选择最值得信赖的高质量用户。该机制通过ME-R模型对用户提供的数据进行信任评估,选择高信任值的数据提供者参与数据采集,利用Qo S模型对采集的用户数据进行质量评估,根据质量评估结果向数据提供者给与回报。实验结果表明,较其他同类方法,基于ME-R信任模型的激励机制能有效地选择可信用户提供高质量数据。4.设计并实现了基于区块链的群智感知系统,该系统包括感知任务模块、数据采集模块、信任评估模块、数据评估模块和激励模块。系统测试表明,该系统能有效地采集高质量可信数据,减少资源损耗,在群智感知领域具有广泛的前景。
基于区块链的群智感知恶意节点检测系统设计与实现
这是一篇关于群智感知,恶意节点检测,信任模型,区块链的论文, 主要内容为随着智能设备的普及,群质感知作为新兴感知模式得到了快速发展。在保证数据收集的便捷性和广泛性的基础上,对物联网感知模式的安全要求也越来越高。目前针对群智感知的攻击手段主要为通过感知节点上传非法数据,如虚假信息上传、黑洞攻击等。此类攻击直接影响了群智感知系统的最终数据感知质量,对用户和平台造成了严重损失。因此,如何保护群智感知系统安全,及时对非法上传数据节点进行检测,对于保护群智感知系统安全十分重要。然而,现有的恶意节点检测系统节点可信度低,并且现有的针对恶意节点的检测验证方法无法在复杂环境下实现高效检测。针对不同应用及安全需求,本文设计并实现了基于区块链的群智感知恶意节点检测系统,该系统从节点行为和数据质量方面针对恶意节点的恶意行为展开研究以提升恶意节点检测率。本文主要研究工作如下:(1)针对群智感知恶意节点检测系统检测节点可信度低的问题,设计了基于用户行为的经验投票双元协同模型。该模型从节点间直接信任和间接信任出发,通过对检测节点参与的交互行为进行综合评价,保证了参与恶意节点检测节点的可信性。该模型由于其分布式的节点分布,可以在区块链环境中良好运行。实验结果表明,本文提出的经验投票双元协同信任模型可以提供更精确的检测节点信任值,并且在相同条件下能够提供更高数据质量,提升感知系统可信度,同时该模型具有更好的鲁棒性。(2)针对群智感知系统恶意节点检测率低的问题,提出了基于经验投票的群智感知网络恶意节点动态迭代检测方法。该检测方法中的动态迭代更新可实时更新至区块链账本,同时该机制通过动态更新的信任模型对用户提供数据进行信任评估,通过考虑检测结果中存在的假阳性和假阴性情况处理节点行为,提升恶意节点检测率。实验结果证实了本文设计方案可以对具有恶意行为的节点及时识别和隔离。方案中的自适应信任更新过程为智能恶意节点检测提供了有力支撑,该过程隐式地执行临时故障节点的信任恢复,并根据其行为为每个节点计算不同的信任更新因子。同时,本文所提出的方法同其他基于信任的检测模型相比具有较高的检测率和较低的误检测率,且误检测率仅随网络中节点数量规模的增加略有变化。(3)设计并实现了区块链环境下恶意节点检测系统。该系统将本研究提出的信任模型和检测模型通过区块链链码形式部署在区块链环境中,其分别对应评估模块和恶意节点检测模块。同时该系统利用了联盟链技术,在感知数据传输过程中建立单一信息通道,实现数据隔离,保护数据隐私,提高了数据安全性。系统测试表明,本文所设计的群智感知恶意节点检测系统可以有效检测恶意节点,保障系统的安全性。
移动终端智能引擎的研究与实现
这是一篇关于情境感知,群智感知,移动终端智能引擎的论文, 主要内容为移动互联网和智能终端的飞速发展改变了人们原有的生活方式。通过移动终端可以为人们提供购物、上网、社交等多样的服务。在社交应用中,用户面对大量的信息往往无法准确获取到符合自己社交需求的信息。因此本文从具体的社交需求出发,设计一种更为个性化的移动终端社交系统。本文实现的系统基于移动终端智能引擎的相关技术,文章通过分析国内外最新文献,对移动终端智能引擎中的情境感知技术以及群智感知技术进行了重点研究,分析比较了基于该类技术实现的现有平台和系统之间的优缺点,总结了其实现方法,为本系统的设计实现提供了技术支持。文章对系统的总体架构进行了设计,将系统的设计分为移动终端客户端、数据交互传输以及后台服务器三个部分。并对每一部分的功能模块进行了具体划分和详细设计。系统的具体实现按照总体架构的划分进行,移动终端客户端的实现基于谷歌的Android系统,在这部分完成了用户操作界面、情境信息采集以及响应用户操作等功能的实现。在后台服务器实现上采用了J2EE的分层架构,使用SSH框架进行具体的开发,并对数据处理进行了详细设计,包括情境数据处理以及数据本体建模。客户端和服务器通过HTTP协议进行可靠的信息传输,保证了系统的正常运行。最后通过对系统的功能进行了整体测试,结果表明了系统满足实际的社交需求,具有较强的实用性。
基于区块链的群智感知恶意节点检测系统设计与实现
这是一篇关于群智感知,恶意节点检测,信任模型,区块链的论文, 主要内容为随着智能设备的普及,群质感知作为新兴感知模式得到了快速发展。在保证数据收集的便捷性和广泛性的基础上,对物联网感知模式的安全要求也越来越高。目前针对群智感知的攻击手段主要为通过感知节点上传非法数据,如虚假信息上传、黑洞攻击等。此类攻击直接影响了群智感知系统的最终数据感知质量,对用户和平台造成了严重损失。因此,如何保护群智感知系统安全,及时对非法上传数据节点进行检测,对于保护群智感知系统安全十分重要。然而,现有的恶意节点检测系统节点可信度低,并且现有的针对恶意节点的检测验证方法无法在复杂环境下实现高效检测。针对不同应用及安全需求,本文设计并实现了基于区块链的群智感知恶意节点检测系统,该系统从节点行为和数据质量方面针对恶意节点的恶意行为展开研究以提升恶意节点检测率。本文主要研究工作如下:(1)针对群智感知恶意节点检测系统检测节点可信度低的问题,设计了基于用户行为的经验投票双元协同模型。该模型从节点间直接信任和间接信任出发,通过对检测节点参与的交互行为进行综合评价,保证了参与恶意节点检测节点的可信性。该模型由于其分布式的节点分布,可以在区块链环境中良好运行。实验结果表明,本文提出的经验投票双元协同信任模型可以提供更精确的检测节点信任值,并且在相同条件下能够提供更高数据质量,提升感知系统可信度,同时该模型具有更好的鲁棒性。(2)针对群智感知系统恶意节点检测率低的问题,提出了基于经验投票的群智感知网络恶意节点动态迭代检测方法。该检测方法中的动态迭代更新可实时更新至区块链账本,同时该机制通过动态更新的信任模型对用户提供数据进行信任评估,通过考虑检测结果中存在的假阳性和假阴性情况处理节点行为,提升恶意节点检测率。实验结果证实了本文设计方案可以对具有恶意行为的节点及时识别和隔离。方案中的自适应信任更新过程为智能恶意节点检测提供了有力支撑,该过程隐式地执行临时故障节点的信任恢复,并根据其行为为每个节点计算不同的信任更新因子。同时,本文所提出的方法同其他基于信任的检测模型相比具有较高的检测率和较低的误检测率,且误检测率仅随网络中节点数量规模的增加略有变化。(3)设计并实现了区块链环境下恶意节点检测系统。该系统将本研究提出的信任模型和检测模型通过区块链链码形式部署在区块链环境中,其分别对应评估模块和恶意节点检测模块。同时该系统利用了联盟链技术,在感知数据传输过程中建立单一信息通道,实现数据隔离,保护数据隐私,提高了数据安全性。系统测试表明,本文所设计的群智感知恶意节点检测系统可以有效检测恶意节点,保障系统的安全性。
基于群智感知的农业信息采集系统研究与开发
这是一篇关于农业信息采集,群智感知,时空覆盖率,任务分配,激励机制的论文, 主要内容为农业信息是农业信息化战略的重要载体,高效获取精准农业信息是实现农业信息化的必要条件。随着物联网和移动通信技术的发展,为农业信息采集注入了新的活力,基于智能终端设备感知能力的群智感知(Crowd Sensing)实现了一种新型的数据采集模式,相比于传统基于静态传感器的信息采集方法,群智感知具有灵活性强、可拓展性强、感知成本低等优点。为了提高农业信息采集的高效性、可拓展性以及降低人力成本,本文以农业信息为研究对象,将群智感知和农业信息采集的场景特征相结合,分别研究任务分配模型构建方法和激励机制设计方法,开发并实现基于群智感知的农业信息采集系统。主要研究内容如下:(1)基于混沌蜉蝣算法的任务分配机制模型构建。针对农业信息采集的场景下农业数据信息时空跨度大、周期性长以及时效性强的特征,导致任务分配效用低的问题,对农业信息采集任务分配问题进行建模,由于该问题具有NP-hard性,在确保感知数据质量的前提下,以最大化时空覆盖率为优化目标,采用基于精英反向学习和柯西变异的混沌蜉蝣算法求解任务分配问题。实验结果证明:基于混沌蜉蝣算法的任务分配机制的平均性能比其他方法提升17.12%。(2)基于多属性反向拍卖的激励机制设计。针对农业信息采集场景中用户的参与意愿不高的问题,采用多属性反向拍卖的方法选取优胜者,对于感知难度较大、时空跨度较大的边缘任务,设计了基于参与者感知成本的激励算法,参与者完成任务后可额外获得激励报酬。针对感知数据有效性较低的问题,在选取优胜者过程中引入了自适应阈值方法,当参与者的信誉值低于阈值时,感知平台将不为其分配任务,并设计基于感知平台与任务发布者的双重质量评价体系对感知数据进行评估,结合感知数据效用和参与者的任务贡献度给予参与者合理的报酬。实验结果说明:该激励机制的平均性能比其他方法提升16.14%。(3)基于群智感知的农业信息采集系统设计与实现。针对现阶段农业信息采集系统拓灵活性低、成本高等问题。研究基于群智感知的农业信息采集系统设计与实现,系统基于微信小程序,采用Spring Boot框架和We UI进行开发。通过小麦地面茎秆信息采集的案例分析,实验结果证明:在固定预算的前提下,所采集的数据合格率达到84.62%、任务空间覆盖率达到72.57%,进一步验证了基于群智感知的农业信息采集系统的有效性和可行性。
基于区块链的群智感知系统的设计与实现
这是一篇关于群智感知,区块链,信任模型,激励机制的论文, 主要内容为在大数据环境下数据的重要性与日俱增,如何面向大量用户采集高质量可信数据成为当前研究的热点和难点。本文针对群智感知数据采集技术开展研究,设计并实现了基于区块链的群智感知系统,为了提高用户采集数据的质量,提出了多用户经验-信誉(Multi-user Experience-Reputation,ME-R)激励机制,选择可信用户提供高质量数据。本文主要研究工作如下4点。1.首先对区块链环境下群智感知方法进行了深入分析,根据国内外研究现状总结了当前群智感知方法存在的优点和不足。针对区块链环境下群智感知的主要问题,结合经典案例分析并给出了对应解决方案。2.考虑到知识评估需要数据提供者的各种信息,这些信息可能涉及用户的隐私,导致难以实现可靠的数据采集,本文提出了一种用于评估多用户平台中任意两个用户间的信任关系模型。将信誉-经验-知识(Reputation-Experience-Knowledge,REK)模型中的知识模块简化,基于简化的模块建立经验模型和信誉模型,通过融合经验模型和信誉模型构建多用户经验-信誉(Multi-user Experience-Reputation,ME-R)模型。当服务请求者经由多用户平台向数据提供者请求数据服务时,该模型将建立服务请求者与数据提供者的连接以进行交互数据,采用Qo S(Quality of Service,Qo S)模型评估用户提供的数据质量(Quality of Data,Qo D)。3.提出了基于ME-R信任模型的激励机制以选择最值得信赖的高质量用户。该机制通过ME-R模型对用户提供的数据进行信任评估,选择高信任值的数据提供者参与数据采集,利用Qo S模型对采集的用户数据进行质量评估,根据质量评估结果向数据提供者给与回报。实验结果表明,较其他同类方法,基于ME-R信任模型的激励机制能有效地选择可信用户提供高质量数据。4.设计并实现了基于区块链的群智感知系统,该系统包括感知任务模块、数据采集模块、信任评估模块、数据评估模块和激励模块。系统测试表明,该系统能有效地采集高质量可信数据,减少资源损耗,在群智感知领域具有广泛的前景。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://bishedaima.com/lunwen/48169.html
