基于云边协同的终端接入可信评估机制

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:neoin123
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着网络应用的发展,服务响应速度与延迟的要求日益提升,传统的集中式云计算难以满足网络服务对服务响应、隐私性保护等需求。将云计算与边缘计算融合的云边协同计算日益成为满足网络服务响应速度和隐私保护的一种新型计算模式,受到业内广泛关注。然而,由于边缘计算环境自身的环境复杂性、实时变化性、接入终端多样性等因素,云边协同这一新型架构的安全性与性能开销问题变得日益突出。为能够确保云边协同架构的安全性,如何确保终端接入的可信性与安全性,成为当前研究热点。本文针对云边协同架构下的终端接入可信评估机制进行了探索,主要围绕以下两点进行了研究:首先,为了能够指导云边协同中的边缘端智能化调节安全严苛程度,本文设计了一种终端信用严苛度计算模型。我们通过搭建卷积神经网络与部署LightGBM算法,能够对多种接入终端评估算法进行学习。通过仿真实验构建数据集并充分训练后能够在中央云端以极快的速度对边缘网络部分终端接入的安全状况进行分析,并辅助过滤漏判的恶意攻击终端与低性能终端。在此基础上,通过分析漏判终端的数目设计安全威胁系数可以判别出边缘端受到恶意攻击的剧烈程度。该模型根据对不同剧烈程度的计算评判调用不同的严苛度调整策略实现信任程度的严苛度调整。此外,为保证面对突发安全情况的快速响应速度,整体的设计十分轻量,并能够适用于大规模的边缘网络侧环境。最后,通过仿真实验对模型设计进行了分析,证明了在部署严苛度计算模型后,恶意接入终端的识别准确率有效提高。其次,为了能够快速、实时地对接入终端进行评价,我们在边缘端设计了一种基于多元反馈机制的终端接入轻量级可信评估算法。我们从多种维度进行了信任影响因素分析,并根据信息熵理论进行建模设计出多种信任特征以刻画信任程度。在此基础上,我们通过熵权法对接入终端的可信程度进行综合评价,整体的算法设计十分轻量,能够为接入终端的评价提供可靠依据并有效保护数据隐私。最后,通过仿真分析得知,该算法具有占用资源少,响应速度快等优点,并在多种恶意攻击环境下表现良好。本文研究了云边协同架构下的接入终端是否可信与安全问题,旨在提升云边协同架构的安全性与可靠性,解决由于攻击者通过终端恶意接入这一安全问题。
其他文献
近年来,随着智慧交通的飞速发展,复杂城市环境下高精度定位的需求日趋旺盛。由惯性导航系统和全球卫星导航系统构成的INS/GNSS组合导航系统能够提供连续高精度的定位导航信息,弥补单一导航系统的不足。然而在实际的复杂城市环境中,GNSS信号极易受到高楼、林荫、隧道等遮挡,传统的组合导航系统会退化为纯惯性导航推算。由于受到微机械电子系统惯性测量单元量测噪声的影响,纯惯导系统的定位精度会随误差累积而发散。
肺癌是全球致死率较高的一种癌症,IASLC(国际肺癌研究协会)研究表明:随着肿瘤的不断增长,患者的死亡率会逐步上升。对肺癌患者来说,及时地诊断和治疗可以有效提高存活率。肺结节作为肺癌发病初期的临床表现,在肺癌早期的筛查中起到至关重要的作用。近些年,随着影像学成像技术的不断发展,更薄层的成像能够提高肺结节筛查的准确度,从而造成了肺部影像和诊断报告呈指数增长,大量的数据增加了医生诊断的难度。将深度学习
分类技术是数据挖掘中的热门,广泛应用于社会生活各个领域,通过学习得到一个分类模型,把每个属性集映射到一个预先定义的类标号。随着深度学习和神经网络的发展,分类任务也迎来了新的发展,但仍然面临着标注数据难获取、标注工作难度大等问题。面向少标签场景时,由于缺乏充足的标注数据,常规分类方法训练得到的模型分类效果不稳定、泛化性能差;而在一些特殊的领域,甚至无法获取到标注数据,这时由于缺乏标签信息监督模型训练