一、一个面向Internet数据管理的系统模型（论文文献综述）
杨维永,刘苇,崔恒志,魏兴慎,黄皓,廖鹏,钱柱中,王元强[1]（2022）在《SG-Edge:电力物联网可信边缘计算框架关键技术》文中指出随着国家电网电力物联网的逐步推进,作为其核心支撑技术的边缘计算框架逐渐成为研究热点.首先,总结了物联网和边缘计算框架方面的已有研究工作;其次,通过分析电力物联网在业务场景、边缘计算、信息安全等方面的关键技术难题,提出了一种适应于电力物联网的可信边缘计算框架SG-Edge;随后,结合边缘框架的可信防护关键难题,给出了硬件可信引导、软件行为动态度量等关键技术方法;最后,从业务适应性、安全性以及性能等方面对SG-Edge进行了全面评估,并对未来研究可能面临的挑战进行了展望.
赵鹏,蒲天骄,王新迎,韩笑[2]（2022）在《面向能源互联网数字孪生的电力物联网关键技术及展望》文中研究表明随着"碳达峰、碳中和"目标与以新能源为主体的新型电力系统的提出,能源技术与数字技术进一步深度融合,电网加速向能源互联网演进。构建能源互联网及其数字孪生系统对电力物联网技术提出了更高要求,也极大拓展了电力物联网的内涵和外延。该文主要围绕如何构建面向能源互联网数字孪生系统的电力物联网,分析其面临的两大科学问题:物理数字融合建模与电网资源协同互动,提出电力物联网体系架构和安全防御机制,研究"端–边–管–云–智"等多层级的关键支撑技术,包括精准感知与高效通信、高并发接入与海量数据管理、融合建模与趋优进化等技术,最后从设备、电网与用户三方面展望电力物联网支撑下的电网业务智能化典型应用。
张维庭[3]（2021）在《数据驱动工业互联网资源适配与隐私保护方法研究》文中指出数据及其全周期处理是工业智能化的核心要素,对于驱动工业互联网的应用部署发挥着至关重要的作用。然而,当前工业互联网在数据建模、数据驱动资源适配以及数据隐私保护方面仍面临诸多挑战。首先,传统数据分析方法灵活度低,难以满足多样化工业应用对海量数据实时、智能分析的需求。其次,传统静态、粗粒度的资源管理方式,使网络难以协同适配工业场景中的多维（频谱、缓存和计算）资源。最后,中心化的模型训练方法存在数据隐私泄露、保密性低等问题,难以兼顾数据共享与隐私保护的双重需求。近年来,工业互联网产业联盟提出了《工业互联网体系架构（版本2.0）》,旨在构建以“数据”、“网络”和“安全”为典型特征的新型互联网功能结构,为有效解决上述问题提供了新的技术路线。因此,本文基于工业互联网体系架构2.0的设计理念,针对数据驱动工业场景中的关键问题,围绕数据建模、资源适配以及隐私保护三方面展开研究。主要工作和创新点如下:1.针对工业互联网数据建模问题,提出一种基于深度学习的“端-云”协同数据建模方法。首先,针对真实场景中的高铁智能洗车装备,设计“端-云”协同的数据采集系统,形成支撑服务模型充分训练的大规模数据集。其次,建立基于自注意力深度神经网络（Deep Neural Network,DNN）的智能服务模型,通过注意力权值来表征工业运维数据中的全局依赖关系,从而为设备运维检修提供智能化的决策服务。然后,通过采用离线训练和在线推理的方式,使服务模型具备制定运维决策的能力,进而完成工业设备运行状态的即时、精准感知。最后,搭建原型系统平台,并在真实场景数据集上对所建立的模型进行性能测试。结果表明,该模型实现了较高的运维决策准确率,进而验证了所提方法的可行性和有效性。2.针对工业互联网资源适配问题,提出一种基于强化学习的多维资源动态适配方法。首先,设计了一种“端-边-云”协同的网络架构,可以在资源受限的工业场景中灵活支持服务模型部署和推理任务调度。其次,为保障工业场景中低时延、高准确率的DNN推理服务,针对频谱、缓存和计算资源进行系统建模,形成以最大化推理准确率为目标的多维资源优化问题。然后,将该问题转化为马尔可夫决策过程,并提出基于孪生延迟深度确定性策略梯度的资源适配算法,实现优化问题的高效求解。最后,通过仿真实验对所提算法的收敛性能、任务调度成功率以及缓存资源利用率进行评估。结果表明,相较于深度确定性策略梯度算法,所提算法在提升任务调度成功率和边缘缓存资源利用率方面均具有一定优势。3.针对工业互联网数据隐私保护问题,提出一种基于联邦学习的高效数据隐私保护方法。首先,设计了一种“多边”协同的层级联邦学习机制,通过多个边缘服务器与端节点、云服务器的交互协作,来完成DNN模型的参数迭代,进而有效满足端节点数据隐私保护需求。其次,为保障联邦学习机制的高效运行,建立分布式训练的时延和能耗数学模型,形成以最小化评估损失为目标的随机优化问题。然后,考虑到多个边缘控制器之间的信息不透明性,将所形成的问题转化为部分可观马尔可夫决策过程,并提出基于多智能体柔性策略梯度的资源适配算法来求解该问题。最后,搭建原型系统并进行实验评估。结果表明,所提方法能够在满足端节点数据隐私保护需求的同时,有效降低能量消耗、节省时间开销。
张宇明[4]（2021）在《面向边缘计算的智慧标识网络资源协同与适配机制研究》文中认为随着网络设备数量与流量规模的持续增长,边缘计算已成为当今网络环境下提升服务质量、增强用户体验的关键技术。然而,传统网络技术“静态、僵化”的原始设计弊端,导致其在跨网资源利用、差异化服务保障等方面的能力不足,进而难以为边缘计算提供高效的支撑。为此,设计基于新型网络架构与技术的边缘计算网络已成为国内外相关研究领域的共识。智慧标识网络作为新型网络架构的一种,在资源适配、网络管控等方面具有显着优势,为边缘计算的高效运行提供了良好的架构基础。为此,本文依托于智慧标识网络的设计理念,就网络资源的协同与适配开展研究,重点解决边缘计算所面临的任务卸载性能评估、传输与存储资源协同、差异化服务资源提供等问题。本文的主要工作和创新点如下:（1）针对终端设备与边缘服务器之间的任务卸载问题,设计了基于智慧标识网络的管控框架,构建了基于端-边协同的任务卸载性能评估模型。首先,将任务卸载问题描述为一个多队列系统;随后,使用马尔可夫链对两种卸载策略（本地优先策略和基于概率的策略）进行分析,并推导出任务平均响应时间与系统平均能耗的闭式解;在此基础上,构建了一个基于优化的资源适配方法,同时考虑终端需求、计算资源与传输资源;最后,实验结果显示,所提评估模型能够准确反映卸载策略的性能,所提资源适配方法可以动态调整资源的适配策略,满足不同终端的需求。（2）针对边缘网络之间的传输资源协同问题,设计了基于智慧标识网络的传输组件功能模型,提出了基于随机优化的边缘资源协同传输调度机制。首先,使用队列调度模型对基于资源协同的传输调度问题进行描述,并构建了一个随机优化问题;随后,将上述问题进行转化和分解,提出了一种低复杂度的控制算法,可以实现基于即时网络状态的传输策略制定;最后,通过仿真实验,验证了所提算法能够在不损失吞吐量的前提下,有效降低数据包的队列等待时间。（3）针对边缘网络之间的存储资源协作问题,设计了基于智慧标识网络的缓存组件功能模型,提出了基于多代理强化学习的边缘协作缓存方法。首先,构建了协作缓存的优化问题,并证明该问题是NP-hard;随后,将强化学习与所提缓存组件相结合,设计了一个协作缓存框架;在此基础上,提出了一种基于多代理强化学习的协作缓存算法,并将其输出定义为低复杂度的缓存策略,在降低学习模型复杂度的同时,为每个缓存节点提供一定的性能保障;最后,通过仿真实验,验证了所提算法能够从全局的角度出发,牺牲单个节点的本地命中率,提升整体的命中率。（4）针对边缘服务器与云服务器之间的任务卸载和服务资源适配问题,设计了基于智慧标识网络的资源适配框架,提出了基于服务功能切换的云-边资源协同适配机制。首先,构建了一个随机优化模型,对基于服务功能切换的资源适配问题进行描述,旨在最大化任务处理收益与最小化服务切换代价;随后,利用虚拟队列技术,将任务需求与服务资源进行关联,并提出了一个低复杂度的任务卸载与资源适配算法;在此基础上,引入任务的主动拒绝机制,对上述算法进行改进,使其能够提供确定的时延保障;最后,通过仿真实验,验证了所提算法均能有效降低任务的等待时间,并且可以提供基于服务功能切换的差异化资源适配策略。
张庆阳[5]（2021）在《基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究》文中研究表明近年来基于云计算的物联网行业蓬勃发展,物联网的应用、单节点数据、总数据量均呈爆炸式增长,海量设备产生的数据给云中心带来了巨大的负担。基于边缘计算的物联网采用云边端协同的方式将计算推至靠近数据产生的地方,就近完成数据处理,降低了云中心的数据通信和计算代价,带来了更高质量的服务。然而边缘计算也给物联网应用带来了诸多安全问题。边缘协同中边缘节点和物联网设备具有高度异构性,无法获得同云中心相同等级的安全防护,易受攻击,应用数据的安全无法得到保障。如何保障边缘协同中物联网应用数据的安全是基于边缘计算的物联网发展必须要解决的问题。为此,本文提出基于虚拟边缘节点的数据协同计算架构（Virtual Edge based Collaborative Architecture,VECA）。该架构利用虚拟边缘节点建立对物联网节点在数据访问管理层、数据安全传输层、数据协同计算层统一的抽象规则,进而实现一个贯穿数据访问、数据计算和数据传输三个维度的物联网应用数据防护体系,为解决物联网异构节点数据交互及数据计算中的安全问题提供统一的架构基础。基于该体系架构,本文在数据访问安全管理、数据传输安全高效、数据计算安全协同等三个方面提出解决方案:（1）提出基于虚拟边缘节点的数据访问管理框架（Virtual Edge based Data Access Management Framework,VEDAM）,为物联网中异构节点间数据访问提供一致性的安全管理方案。VEDAM框架利用虚拟边缘节点管理物联网节点上的数据访问。通过对访问请求、访问鉴权和控制模型进行分层抽象,提出新颖的三层抽象法则,将管理规则层建立于虚拟边缘节点的请求窗口层和请求鉴权层之外,从而解决不同访问模式和不同访问控制模型的支持问题,同时支持访问控制模型和策略的动态调整。此外,所提出的VEDAM框架通过拓展接口可应用于不同的物联网场景实例,实现大规模物联网中多数据访问模式、多访问控制模型和动态访问控制需求下数据访问的安全管理。（2）提出VECA下数据端到端安全传输方案（Virtual Edge based Secure End-to-end Data Transmission Scheme,VESET）,有效解决节点半可信和数据传输模式不一导致的数据传输方案无法兼顾高效性和安全性的问题。对符合VEDAM管理规则的数据,首先基于广播加密技术,VESET方案兼容单播、多播、组播等多种数据传输模式。其次,在广播加密的基础上,设计基于代理重加密技术的安全数据转发方法,让具有好奇心的半可信节点在转发消息时,无法获得加密数据的信息内容,从而保证传输过程中的数据安全性。最后,VESET方案支持密文的多次重加密和双向转换,提高方案在复杂边缘协同场景下的普适性和密钥管理的效率。（3）提出基于虚拟边缘架构的动态协同计算安全支撑方法（Virtual Edge based Dynamic Collaborative Computing,VEDCC）,为跨安全域物联网数据的协同计算的可靠可信提供具有普适性的解决方案。VEDCC在可信执行环境技术的支持下,设计基于函数即服务架构的安全协同计算方法,其利用虚拟边缘节点管理数据计算服务及基于函数的通信,从而实现动态、多维的边缘协同,有效解决物联网数据计算中节点之间的资源协同及可信支撑问题。此外,VEDAM和VESET为VEDCC提供数据访问与数据迁移安全问题的解决方案,从而实现VECA下物联网数据的多维安全防护。
师玉龙[6]（2020）在《面向SDN的物联网服务中间件关键技术研究》文中研究表明物联网服务是指在物联网场景中为用户提供无处不在的、实时的、安全的和智能化的服务。近几年来,随着智能设备的普及和传感技术的进步,物联网设备和服务爆炸性增长。面对海量数据、异构网络和多样化的服务需求,如何设计和实现物联网服务变成了一个亟待解决的问题。发布/订阅中间件常被用来构建物联网服务的通信基础设施,旨在建立一个物联网平台对下层网络统一消息格式、互联异构网络,对上层应用提供统一的抽象,并为物联网服务高效地交付事件。新兴的软件定义网络因其逻辑上中心化的控制器和控制与转发分离等特性为网络带来了良好的可编程性和灵活性。SDN可用于解决物联网服务中从发布者到订阅者间交付事件的服务质量保证难题。发布/订阅中间件与SDN结合,形成了面向SDN的发布/订阅中间件,更进一步地推动了物联网时代的到来。本文的研究工作和创新点如下:（1）针对如何利用SDN和发布/订阅中间件提供物联网服务的问题,提出了似SDN的发布/订阅中间件架构和实现框架,并详细阐述了如何使用该架构去实现似SDN的面向主题的发布/订阅中间件原型作为物联网的通信基础设施。本文还描述了如何利用SDN网络的可编程性通过SDN控制器编码事件主题优先级和授权策略到SDN交换机流表项的匹配字段去实现区分化的物联网服务和用户访问控制,提高了物联网事件交付的效率和安全性。（2）针对物联网服务中QoS的保证难题,设计了支持跨层QoS的控制框架去提高物联网服务中似SDN的发布/订阅中间件交付事件的QoS。跨层意味着在不同的管理层面控制QoS。一层在控制层,利用SDN集中化控制的特性从局部角度提高SDN控制器自治域内的QoS,另一层在全局管理层,从管理员的角度提高全局网络的QoS。并用区分化服务和访问控制两个应用场景验证了跨层QoS控制框架设计的合理性。（3）针对物联网服务中海量时延敏感数据实时交付的问题,设计了一个改进最短路的面向主题的Steiner树多播路由算法,去为多个主题构建发布/订阅覆盖网络,最大程度地减少了事件传输的总链路时延并减少了 SDN交换机中的流表项数,提高了事件交付的效率,形成了快速多播路由。还设计了一个面向主题的基于桶的多播转发算法去提高事件转发的效率,并考虑了主题间的订阅覆盖关系去减少交换机的流表项数,提高了交换机的匹配能力。这两个算法和似SDN的设计一起构成了物联网中似SDN的面向主题基于桶的快速多播路由。（4）针对物联网服务中用户需求多样化定制化的特点,提出了如何使用似SDN的发布/订阅中间件架构和在SDN交换机的出端口上配置优先级队列来提供区分化的物联网服务。本文从两个角度设计了基于用户需求的两层队列管理机制去保证区分化服务的可靠性:一个是SDN控制器中关于单个交换机的本地队列带宽调整算法。另一个是管理员中关于从发布者到订阅者路径上所有交换机的全局QoS控制策略。这样,利用SDN集中化的控制去获得全网拓扑,从系统角度动态配置交换机的时延约束,更合理地分配队列带宽,保证了物联网区分化服务的可靠性。
教育部[7]（2020）在《教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知》文中研究指明教材[2020]3号各省、自治区、直辖市教育厅（教委）,新疆生产建设兵团教育局:为深入贯彻党的十九届四中全会精神和全国教育大会精神,落实立德树人根本任务,完善中小学课程体系,我部组织对普通高中课程方案和语文等学科课程标准（2017年版）进行了修订。普通高中课程方案以及思想政治、语文、
郭非[8]（2020）在《物联网中若干关键安全问题研究》文中认为随着信息通信技术和先进制造水平的不断发展和提升,物联网（Internet of Things,Io T）在经济社会发展和生产生活等各方面的应用越来越广泛,在深度重塑社会生产方式、变革传统产业形态的过程中,极大地提高了社会运转效能和日常生活质量。但是,由于物联网应用场景的不断丰富,其面临的安全风险和威胁也在持续增大,安全形势愈发严峻。越来越多针对物联网的攻击案例表明,现行的物联网安全架构并不能很好解决其自身安全漏洞所带来的风险,在实际应用场景中部署的安全模型和方案往往也没有适应物联网的特点。这除了会对物联网的系统稳定和信息安全等形成威胁外,还不可避免会对用户的使用体验和信心造成影响,甚至可能成为限制物联网未来健康发展和广泛部署的关键因素。因此,迫切需要研究部署更加符合物联网实际需要的安全机制、模型和方案,进一步确保其安全性和可靠性。基于上述介绍和考虑,本文概述了物联网的基本概念、发展历程、主要特点、体系架构和典型应用,阐述了物联网安全与互联网中传统信息安全的异同点,梳理了当前关于物联网安全的研究现状,对物联网的通用安全挑战、安全需求与目标以及安全架构进行了研究,并聚焦隐私保护、认证追溯和异常检测等关键安全问题,重点在智能电网（Smart Grid,SG）和车联网（Internet of Vehicles,IOV）这两个物联网典型应用场景中,针对实际安全需求和具体安全问题,设计构造了更加安全高效的系统模型和解决方案,同时进行了相应的安全性分析、性能评估和实验验证,具体包括:一是围绕物联网安全理论和机制研究,在总结物联网安全现状的基础上,从整体性、系统性和协同性的角度出发,梳理了当前物联网面临的安全挑战及其影响因素,研究了物联网的安全需求、安全目标和安全架构等,分析了物联网中常见的攻击手段。同时,从四层体系架构的角度出发,分别研究了物联网中不同架构层次存在的主要安全威胁和具体安全问题。此外,还对隐私保护、认证追溯和异常检测等物联网中的关键安全问题进行了探讨。二是聚焦物联网中的隐私保护问题,以物联网中的一个典型应用场景——智能电网为研究对象,具体研究智能电网中多用户隐私数据保护问题。针对智能电网中用户节点计算能力较弱和资源受限的特点,摒弃传统的公钥全同态加密技术,利用支持隐私保护的数据聚合方法,建立了多用户隐私保护数据聚合的形式化安全模型,并基于单向陷门置换、安全多方计算、全同态映射和加法同态映射等方法,具体构造了智能电网中三个不同的高效多用户隐私保护数据聚合方案。安全性分析和性能评估表明,上述三个方案实现了智能电网中多用户场景下密文域上的区域隐私信息统计分析,有效降低了智能电网中计算能力较弱和资源受限的用户节点的计算复杂度。三是聚焦物联网中移动用户的隐私保护和认证问题,同样以智能电网为研究对象,具体研究满足移动用户用电需求的智能电网隐私保护数据聚合和认证问题。针对智能电网中移动用户的实际需求和用电特点,提出了一种满足智能电网中移动用户户外用电需求的系统思路,设计构造了一个智能电网中移动用户隐私保护数据聚合和认证方案;在移动用户提供自身用电量数据承诺的前提下,将聚合计算阶段外包给不需要权威认证甚至可以是不可信的但具有强大计算能力的第三方。安全性分析和性能评估表明,相比使用传统公钥同态加密算法的聚合和认证方案,上述方案在有效降低计算和通信开销的同时实现了不可区分选择明文攻击下安全,能够同时实现对内外部敌手的攻击抵抗,保证移动用户的用电量数据等关键信息的隐私性、认证性和完整性,并且可以实现对篡改用电量数据等非法行为的来源追踪和确认。四是聚焦物联网中的异常检测问题,以物联网中另一个非常典型的应用场景——车联网为研究对象,具体研究车联网中“端-管-云”架构下智能汽车的异常实时检测问题。针对智能汽车面临的多种信息安全风险,采用数据融合方法,利用汽车多源传感器数据在异常状态下相关性突降的特点,基于边缘计算技术和多源传感器数据的相关性分析,设计提出了一个计算复杂度和空间复杂度均较低的轻量级汽车异常实时检测算法,并在此基础上具体构造了一个汽车异常实时检测系统。实验验证和性能分析表明,上述算法和系统在不增加汽车冗余传感器的情况下实现了较好的异常检测效果,既符合智能汽车安全服务对实时性的高要求,也避免了大规模占用原本就很紧缺的汽车控制器局域网络总线的通信资源,具有较高的准确性、可靠性和可行性。综上所述,本文对物联网的基本概念和相关基础知识进行了梳理,围绕物联网安全理论、机制和若干关键安全问题进行了研究和分析;重点针对智能电网、车联网等物联网典型应用场景中的实际安全问题提出了解决思路,设计构造了系统模型和具体方案,同时分别进行了相应的安全性分析、性能评估和实验验证。结果表明,本文针对隐私保护、认证追溯和异常检测等物联网中关键安全问题提出的解决思路、模型和方案,不仅符合智能电网、车联网等应用场景的实际安全需要,而且在更广泛的物联网应用场景中也具有一定的应用和推广价值。
李小鹏[9]（2019）在《能源互联网电力信息融合风险传递模型与仿真系统研究》文中提出能源互联网被认为是解决电力系统清洁能源兼容和深度高效控制的未来电力系统发展方向,针对能源互联网的研究和实践目前还处于发展起步阶段,其发展路径愈发共识、建设标准逐步制定、科技攻关分步开展。电力信息融合是能源互联网发展必然趋势,但在电力信息融合过程中,多元设备、异构网络、实时共享以及开放协议等将在结构演化、电力信息交互及信息空间安全等方面带来更多的风险和挑战。本文前瞻性的思考了耦合能源互联网发展方向的电力系统结构演化路径,并从拓扑结构、交互风险和系统运行等层面对其可能面临的动态风险进行识别和传递仿真,提出能源互联网电力信息融合风险传递仿真平台规划设计思路。本文主要研究内容如下:（1）考虑到电力系统建设的连续性和经济性,依托现有网架结构,研究能源互联网宏观拓扑结构仿真演化机制及网络特征。首先,对目前能源互联网宏观拓扑结构研究现状和国外先进电网的典型拓扑特征进行对比分析;在此基础上构建依托现有网架结构的能源互联网“双环骨架、分层环网、微网互联”宏观拓扑结构演化模型;最后,以北京电网为例,进行分层分区网格化,并分析演化的能源互联网骨干网络和完全网络宏观拓扑特征。（2）面向能源互联网电力信息融合趋势,构建电力CPS典型二元网络结构并分析网络的脆弱性特征。首先,分析典型电力CPS结构电力侧和信息侧网络拓扑分型以及节点对应依靠策略;在此基础上,以北京市220KV网络为蓝本构建典型电力CPS结构,并分析其复杂网络特征;最后,从节点交互系数、网络结构熵、节点中心性等3个不同侧面分析典型电力CPS网络静态脆弱性特征,构建网络动态脆弱性分析流程,分析不同电力CPS网络的动态脆弱性。（3）构建电力系统事故案例库和风险扰动关系分析专家库,分析电力信息融合系统风险扰动关系。首先,对传统电力系统国内外运行事故进行统计形成案例库,分析大停电事故的一般触发演化过程,分析大停电事故演化中电力和信息交互趋势;在此基础上,从环境扰动、部件失效、交互紊乱、适应性衰退和管理认知缺乏等方面建立电力CPS运行风险体系;最后,构建面向能源互联网的电力CPS事故系统,采用DEMATEL-ISM模型分析电力CPS运行风险扰动关系和层次结构。（4）以网络攻击风险为例,对面向能源互联网的电力CPS风险传递演化过程进行仿真。首先,分析面向能源互联网的电力CPS风险传递交互点及路径,在此基础上建立电力CPS运行风险传递仿真流程;其次,基于元胞自动机构建风险传递仿真架构,并对电力CPS运行和风险传递过程进行数学解析;最后,以传统但也是未来将普遍面临的网络攻击风险为例,采用元胞自动机仿真模型,运行于构建的“分层自治、二元依存”局域网络结构,对不同攻防策略、不同节点自愈率和不同超限阈值下的风险传递情况进行仿真。（5）在模型研究基础上,提出能源互联网电力信息融合风险传递仿真平台规划设计思路。从平台建设的原则和目标等宏观问题出发,结合研究需要对平台进行中长期规划展望,在此基础上分析平台实施需求,并对框架结构、数据模型库、接口等核心部分进行设计分析,将研究成果逐步结合电网真实数据进行仿真,为能源互联网科学发展提供仿真论证、决策支持。本文的开展,丰富了能源互联网信息物理融合和风险传递相关理论研究成果,对于指导能源互联网架构的科学、有序发展,前瞻能源互联网电力信息融合的动态风险,提升能源互联网风险提前、主动防控水平具有一定实践指导意义。
王小洁[10]（2019）在《车联网环境下的高效数据分发机制研究》文中研究说明随着道路交通管理系统安全和效率提升的迫切需求,以及不断增长的车辆用户移动数据,车联网已经成为研究热点。高效数据分发机制是基于车联网实现智慧出行及车载社交的基础。在本文中,高效数据分发机制的目标是最小化传输延迟同时最大化网络有效吞吐量,从而保证系统的响应时间和数据传输效率。然而,目前车联网高效数据分发机制的研究面临一系列重大挑战和困难,如数据传输的实时性、计算任务执行的高效性、用户个人隐私的安全性及网络能量利用的有效性等关键问题。现有工作对于时延受限、计算资源受限、功率受限等环境下高效数据分发机制的研究远远不足。本文围绕实时高效传输、资源受限服务和用户隐私安全等科学问题,结合车联网环境下的高动态性、通信时间有限性及节点快速移动性等特点,对车联网中的高效数据分发机制进行了深入研究,主要贡献如下:1.针对车联网实时高效传输问题,第二章提出了一个基于群智感知的时延敏感数据传输机制。首先,构建了一种基于群智感知的交通管理系统进行事件收集和报告,显着缩短了交通管理服务器的响应时间并减少了通信开销。其次,将所研究的实时交通管理问题建模成一个优化问题,并同时考虑了全局目标和个人效用。最后,提出了一个延迟敏感的路由算法缩短传输时延。该算法在保证消息传输效率的同时,显着降低了系统的响应时间。2.针对计算资源受限影响高效数据分发机制性能,造成高网络延迟的问题,第三章提出了一种面向高效数据分发的动态计算任务卸载机制。该机制在现有研究中率先对车载雾计算系统设计进行详细阐述。本章详细阐述了如何利用停靠和移动车辆作为雾节点对云基础设施进行扩展,并对系统任务调度进行最优化建模,采用低复杂度近似方法来求解所提出的优化问题。该算法不仅提高了系统的资源利用率,降低了雾节点的安装及维护成本,同时保证了任务时延约束限制。3.针对网络安全隐患影响高效数据分发机制性能,造成低传输效率的问题,第四章提出了一种高效数据分发中的隐私保护机制。该机制将基于安全的移动预测方案与路由决策过程相结合,在相遇节点未知对方信息的具体内容时,仍然可以进行协同计算。此外,本章还设计了一种基于属性的加密机制来保证传输数据的隐私。该机制在保证用户隐私的前提下,保证了数据的传输效率。4.针对路侧单元高耗能影响高效数据分发机制性能,导致高数据传输延迟甚至传输中断的问题,第五章提出了两种车联网中面向高效数据分发的能量管理机制。首先,设计了一种面向高效数据分发的智能能量采集机制,路侧单元可以智能地作出能量获取决策来满足所需服务的任务请求。其次,设计了一种面向高效数据分发的节能任务调度机制,通过在雾节点之间进行任务调度来实现能量消耗和任务处理延迟的平衡。综上,本文针对车联网高效数据分发的多个研究问题,从不同研究内容进行了深入地分析并提出相应的解决策略。与现有研究方案相比,本文所提出的研究方案和算法具有更好的网络性能。
二、一个面向Internet数据管理的系统模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一个面向Internet数据管理的系统模型（论文提纲范文）
（1）SG-Edge:电力物联网可信边缘计算框架关键技术（论文提纲范文）
| 1 前言 |
| 1.1 电力物联网的建立与进展 |
| 1.2 电力物联网边缘计算框架 |
| 1.3 面向边缘的安全可信技术 |
| 2 SG-Edge总体框架 |
| 2.1 智慧物联体系框架 |
| 2.2 可信边缘技术架构 |
| 3 可信保障关键技术 |
| 3.1 硬件可信启动及信任链构建 |
| 3.1.1 基于硬件可信技术设计思路 |
| 3.1.2 基于硬件安全特性的可信软件基保护方法研究 |
| 3.2 软件行为动态可信度量 |
| 3.2.1 动态可信度量设计思路 |
| 3.2.2 基于云边协同的可信判定技术研究 |
| 3.3 可靠性保障措施 |
| 3.3.1 业务故障隔离技术 |
| 3.3.2 基于边边协同的任务保障机制 |
| 3.3.3 实时可靠性保障方法 |
| 4 实验与分析 |
| 4.1 功能测试 |
| 4.2 安全性测试 |
| 4.3 性能测试 |
| 4.3.1 可信性能测试 |
| 4.3.2 边边协同性能 |
| 5 结论 |
（2）面向能源互联网数字孪生的电力物联网关键技术及展望（论文提纲范文）
| 0 引言 |
| 1 面向能源互联网数字孪生的电力物联网核心科学问题 |
| 1）深度精准感知。 |
| 2）海量接入管理。 |
| 3）智能辅助决策。 |
| 2 面向能源互联网数字孪生的电力物联网技术架构 |
| 3 面向能源互联网的电力物联网关键技术 |
| 3.1 精准感知与高效通信技术 |
| 3.1.1 精准感知技术 |
| 1）新型传感机理。 |
| 2）微纳器件制备。 |
| 3）高效供电方法。 |
| 4）边缘计算技术。 |
| 5）自主可控人工智能芯片。 |
| 3.1.2 多跳自组织网络技术 |
| 1）宽带高可靠超多跳自组网技术。 |
| 2）窄带多层次大规模自组网技术。 |
| 3.2 高并发接入与海量数据管理技术 |
| 3.2.1 高并发异构物联终端接入管控技术 |
| 1）软件定义终端模型技术。 |
| 2）异构通信网络技术。 |
| 3）终端代理服务。 |
| 3.2.2 海量数据存储共享技术 |
| 1）分布式数据立方体技术。 |
| 2）“物联网一张图”技术。 |
| 3）多元数据融合共享技术。 |
| 3.3 融合建模与趋优进化技术 |
| 3.3.1 电网物理数字融合建模技术 |
| 3.3.2 电网资源协同趋优技术 |
| 1）计算机视觉理解感知。 |
| 2）知识图谱多模认知推理。 |
| 3）混合增强智能。 |
| 4）群体智能。 |
| 4 基于电力物联网的电力业务场景智能应用 |
| 4.1 电力设备故障智能感知与诊断 |
| 4.2 源网荷储自主智能调控 |
| 4.3 综合能源自治协同与多元服务 |
| 5 结论与展望 |
| 1）全景感知方面： |
| 2）高效传输方面： |
| 3）融合平台方面： |
| 4）智能应用方面： |
（3）数据驱动工业互联网资源适配与隐私保护方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.2.1 工业互联网定义及标准体系 |
| 1.2.2 工业互联网功能结构 |
| 1.3 研究现状 |
| 1.4 研究问题及意义 |
| 1.5 论文主要工作与创新点 |
| 1.6 论文组织结构 |
| 2 基于深度学习的工业互联网数据建模方法 |
| 2.1 引言 |
| 2.1.1 研究背景 |
| 2.1.2 相关工作 |
| 2.2 端-云协同工业运维数据采集系统设计 |
| 2.2.1 工业运维数据采集系统架构 |
| 2.2.2 工业运维数据采集流程 |
| 2.2.3 工业运维数据集构建 |
| 2.3 自注意力即时工业运维服务模型设计 |
| 2.3.1 总体框架及其功能模块 |
| 2.3.2 状态感知服务模型 |
| 2.3.3 序列预测服务模型 |
| 2.3.4 服务模型运行机制 |
| 2.4 实验与性能评估 |
| 2.4.1 实验数据集描述 |
| 2.4.2 实验及参数设置 |
| 2.4.3 实验结果分析 |
| 2.5 本章小结 |
| 3 基于强化学习的工业互联网资源适配方法 |
| 3.1 引言 |
| 3.1.1 研究背景 |
| 3.1.2 相关工作 |
| 3.2 网络架构与系统模型建立 |
| 3.2.1 端边云协同推理网络架构 |
| 3.2.2 通信模型 |
| 3.2.3 缓存模型 |
| 3.2.4 计算模型 |
| 3.2.5 系统运行机制 |
| 3.3 优化问题描述与转化 |
| 3.3.1 多维资源优化问题 |
| 3.3.2 马尔可夫决策过程 |
| 3.4 资源适配算法设计 |
| 3.4.1 TD3 算法核心技术 |
| 3.4.2 TD3 多维资源动态适配算法 |
| 3.5 DNN缓存池状态更新机制设计 |
| 3.6 实验与性能评估 |
| 3.6.1 实验及参数设置 |
| 3.6.2 算法收敛性分析 |
| 3.6.3 任务调度成功率比较 |
| 3.6.4 缓存资源利用率比较 |
| 3.7 本章小结 |
| 4 基于联邦学习的工业互联网数据隐私保护方法 |
| 4.1 引言 |
| 4.1.1 研究背景 |
| 4.1.2 相关工作 |
| 4.2 数据隐私保护联邦学习机制设计 |
| 4.2.1 多边协同训练网络架构 |
| 4.2.2 参数分级聚合算法 |
| 4.3 系统模型建立 |
| 4.3.1 时延模型 |
| 4.3.2 能耗模型 |
| 4.3.3 层级联邦学习评估损失 |
| 4.4 优化问题描述与转化 |
| 4.4.1 多约束资源优化问题 |
| 4.4.2 部分可观马尔可夫决策过程 |
| 4.5 多智能体资源适配算法设计 |
| 4.5.1 算法核心技术 |
| 4.5.2 MASAC资源适配算法 |
| 4.5.3 端节点能量资源保护机制 |
| 4.5.4 算法计算复杂度分析 |
| 4.6 实验与性能评估 |
| 4.6.1 实验及参数设置 |
| 4.6.2 隐私保护联邦学习收敛性分析 |
| 4.6.3 频谱和计算资源利用效率比较 |
| 4.6.4 能耗和时间开销评估 |
| 4.7 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）面向边缘计算的智慧标识网络资源协同与适配机制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 主要缩略语对照表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 研究背景与现状 |
| 1.2.1 边缘计算架构 |
| 1.2.2 资源适配架构 |
| 1.2.3 相关研究工作 |
| 1.3 面向边缘计算的SINET架构 |
| 1.4 主要问题及意义 |
| 1.5 主要工作与创新点 |
| 1.6 论文组织架构 |
| 2 基于端-边协同的任务卸载性能评估模型 |
| 2.1 引言 |
| 2.1.1 研究背景 |
| 2.1.2 相关工作 |
| 2.2 任务卸载模型描述 |
| 2.2.1 应用场景简介 |
| 2.2.2 队列模型描述 |
| 2.2.3 卸载策略分析 |
| 2.3 平均响应时间分析 |
| 2.3.1 终端平均响应时间 |
| 2.3.2 服务器平均响应时间 |
| 2.3.3 整体平均响应时间 |
| 2.4 任务卸载能耗分析 |
| 2.4.1 终端设备能耗 |
| 2.4.2 边缘服务器能耗 |
| 2.5 多终端资源适配方法 |
| 2.6 性能评估 |
| 2.6.1 实验场景与参数 |
| 2.6.2 实验结果与分析 |
| 2.7 本章小结 |
| 3 基于随机优化的边缘资源协同传输调度机制 |
| 3.1 引言 |
| 3.1.1 背景介绍 |
| 3.1.2 相关工作 |
| 3.2 协同传输模型描述 |
| 3.2.1 应用场景简介 |
| 3.2.2 队列模型描述 |
| 3.3 动态传输调度方法 |
| 3.3.1 辅助变量与问题转化 |
| 3.3.2 问题解耦与子问题求解 |
| 3.3.3 动态传输调度算法描述 |
| 3.3.4 算法性能与复杂度分析 |
| 3.4 算法性能评估 |
| 3.4.1 实验场景与参数 |
| 3.4.2 实验结果与分析 |
| 3.5 本章小结 |
| 4 基于多代理强化学习的边缘协作缓存方法 |
| 4.1 引言 |
| 4.1.1 背景介绍 |
| 4.1.2 相关工作 |
| 4.2 协作缓存模型描述 |
| 4.2.1 应用场景简介 |
| 4.2.2 缓存优化模型 |
| 4.3 基于强化学习的协作缓存方法 |
| 4.3.1 强化学习协作缓存框架 |
| 4.3.2 特征定义与动作选择 |
| 4.3.3 边缘协作缓存算法描述 |
| 4.4 算法性能评估 |
| 4.4.1 实验场景与参数 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 5 基于服务功能切换的云-边资源协同适配机制 |
| 5.1 引言 |
| 5.1.1 背景介绍 |
| 5.1.2 相关工作 |
| 5.2 服务切换模型描述 |
| 5.2.1 应用场景简介 |
| 5.2.2 队列模型描述 |
| 5.3 资源适配算法设计 |
| 5.3.1 虚拟队列与问题解耦 |
| 5.3.2 资源适配算法的描述 |
| 5.3.3 算法性能与复杂度分析 |
| 5.4 基于任务拒绝的算法改进 |
| 5.4.1 拒绝机制与时延队列 |
| 5.4.2 改进后的算法描述 |
| 5.4.3 改进算法的性能分析 |
| 5.5 算法性能评估 |
| 5.5.1 实验场景与参数 |
| 5.5.2 实验结果与分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来工作展望 |
| 附录 A |
| 附录 B |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（5）基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 物联网的发展 |
| 1.2 物联网与边缘计算 |
| 1.2.1 边缘计算 |
| 1.2.2 基于边缘计算的物联网应用 |
| 1.2.3 物联网边缘计算中的安全问题 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第二章 国内外研究现状 |
| 2.1 物联网数据应用 |
| 2.1.1 感知数据实时应用 |
| 2.1.2 外包数据与云应用 |
| 2.1.3 边缘计算模式下的数据应用 |
| 2.2 边缘计算体系下物联网数据的安全问题 |
| 2.2.1 数据访问安全需求 |
| 2.2.2 数据传输安全问题 |
| 2.2.3 数据计算的安全挑战 |
| 2.3 边缘计算体系下物联网数据的安全技术 |
| 2.3.1 数据访问的安全模型 |
| 2.3.2 数据安全传输技术 |
| 2.3.3 数据协同计算及其安全技术 |
| 2.4 研究现状总结 |
| 2.5 本章小结 |
| 第三章 基于虚拟边缘节点的数据协同计算架构 |
| 3.1 云边端协同物联网结构及其安全模型 |
| 3.2 基于虚拟边缘节点的物联网计算架构 |
| 3.2.1 物联网节点的新变化 |
| 3.2.2 物联网结构的新变化 |
| 3.2.3 面向边缘协同物联网的架构VECA及其形式化 |
| 3.3 VECA下数据安全立体防护及安全分析 |
| 3.3.1 VECA下数据安全防护 |
| 3.3.2 VECA下数据安全问题分析 |
| 3.4 本章小结 |
| 第四章 VECA下基于虚拟边缘节点的数据访问管理框架 |
| 4.1 VECA下数据访问管理模型 |
| 4.1.1 模型抽象 |
| 4.1.2 实例分析 |
| 4.2 VECA下数据访问管理的ROW架构 |
| 4.2.1 ROW架构 |
| 4.2.2 VEDAM框架 |
| 4.3 VECA下数据访问管理框架实现方法 |
| 4.3.1 数据及应用抽象方法 |
| 4.3.2 原型系统实现 |
| 4.3.3 访问控制模型 |
| 4.4 VEDAM框架性能分析 |
| 4.4.1 框架功能对比 |
| 4.4.2 实验设置 |
| 4.4.3 VEDAM框架性能测试 |
| 4.4.4 智能网联车视频分析案例性能测试 |
| 4.5 本章小结 |
| 第五章 VECA下基于代理广播重加密的数据安全传输方案 |
| 5.1 VECA下数据传输模型 |
| 5.1.1 数据传输模式抽象 |
| 5.1.2 实例分析 |
| 5.2 VECA下数据传输系统模型与安全假设 |
| 5.2.1 VECA下数据传输系统模型 |
| 5.2.2 安全假设与相关背景知识 |
| 5.3 VECA下数据端到端安全传输方案 |
| 5.3.1 VESET方案架构 |
| 5.3.2 VESET方案介绍 |
| 5.3.3 VESET方案优化 |
| 5.4 VESET方案安全性及性能分析 |
| 5.4.1 正确性和安全性分析 |
| 5.4.2 功能对比 |
| 5.4.3 实验设置 |
| 5.4.4 通信代价和存储代价分析 |
| 5.4.5 计算代价分析 |
| 5.5 本章小结 |
| 第六章 VECA下动态协同计算安全支撑方法 |
| 6.1 VECA下协同计算模式 |
| 6.1.1 VECA下协同计算抽象 |
| 6.1.2 实例分析 |
| 6.2 VECA下动态协同计算方法及其可信实现 |
| 6.2.1 VECA下动态协同计算方法 |
| 6.2.2 VECA下动态协同计算安全支撑框架 |
| 6.2.3 框架组件介绍 |
| 6.3 VEDCC方法实现实例 |
| 6.3.1 系统模块实现 |
| 6.3.2 数据安全传输方案集成及改进 |
| 6.3.3 访问控制框架集成 |
| 6.3.4 编程支持 |
| 6.4 安全性及性能分析 |
| 6.4.1 安全性分析 |
| 6.4.2 功能对比 |
| 6.4.3 实验设置 |
| 6.4.4 性能测试 |
| 6.4.5 智能网联车安全协同计算性能测试 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 攻读博士学位期间取得的学术成果 |
| 攻读博士学位期间参与的主要科研项目 |
| 致谢 |
| 作者简介 |
（6）面向SDN的物联网服务中间件关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 主要研究内容及创新点 |
| 1.3 本文的组织结构 |
| 参考文献 |
| 第二章 相关研究综述 |
| 2.1 本章引言 |
| 2.2 软件定义网络SDN |
| 2.2.1 SDN的起源和定义 |
| 2.2.2 SDN分层架构 |
| 2.2.3 SDN开放接口 |
| 2.2.4 SDN控制器 |
| 2.2.5 SDN开发工具 |
| 2.2.6 SDN的机遇与挑战 |
| 2.3 SDN中的QoS研究 |
| 2.3.1 SDN中的QoS研究概述 |
| 2.3.2 SDN中的QoS研究实例 |
| 2.4 发布/订阅中间件 |
| 2.4.1 发布/订阅交互机制 |
| 2.4.2 发布/订阅系统架构 |
| 2.4.3 发布/订阅类型 |
| 2.4.4 发布/订阅路由 |
| 2.4.5 发布/订阅实现挑战 |
| 2.5 发布/订阅原型 |
| 2.5.1 VCube-PS |
| 2.5.2 RTDDS |
| 2.5.3 Lamps |
| 2.5.4 Bayeux |
| 2.5.5 PADRES |
| 2.5.6 Hermes |
| 2.6 面向SDN的发布/订阅设计 |
| 2.6.1 PLEROMA |
| 2.6.2 SDN-Like |
| 2.6.3 Ride |
| 2.7 面向SDN的发布/订阅QoS研究 |
| 2.7.1 跨层QoS支持 |
| 2.7.2 多播路由研究 |
| 2.7.3 队列管理机制 |
| 2.8 面向物联网的数据分发服务 |
| 2.9 本章小结 |
| 参考文献 |
| 第三章 面向SDN的支持跨层QoS的物联网发布/订阅通信基础设施 |
| 3.1 本章引言 |
| 3.2 相关工作 |
| 3.3 物联网及服务 |
| 3.3.1 物联网与物联网服务 |
| 3.3.2 服务计算架构SOA与EDSOA |
| 3.3.3 面向SDN的新型物联网架构 |
| 3.3.4 物联网面临的挑战 |
| 3.4 面向SDN的物联网发布/订阅中间件架构设计 |
| 3.4.1 面向SDN的发布/订阅中间件架构 |
| 3.4.2 跨层QoS控制框架 |
| 3.5 面向SDN的基于主题的发布/订阅系统原型设计 |
| 3.5.1 总体设计 |
| 3.5.2 主题设计 |
| 3.5.3 拓扑维护 |
| 3.5.4 事件路由 |
| 3.5.5 策略管理 |
| 3.6 面向SDN的基于主题的发布/订阅系统应用实例 |
| 3.6.1 跨层区分化服务 |
| 3.6.2 跨层访问控制 |
| 3.7 实验评价 |
| 3.7.1 区分化服务实验 |
| 3.7.2 访问控制实验 |
| 3.8 本章小结 |
| 参考文献 |
| 第四章 面向SDN的发布/订阅多播路由机制研究 |
| 4.1 本章引言 |
| 4.2 相关工作 |
| 4.3 面向SDN的基于主题的发布/订阅实现框架 |
| 4.4 面向SDN的基于主题的斯坦纳树多播路由 |
| 4.4.1 问题描述 |
| 4.4.2 解决MCMN-TC-SDN |
| 4.5 面向SDN的主题式基于Bucket的多播转发 |
| 4.5.1 OpenFlow组表 |
| 4.5.2 基于Bucket的多播 |
| 4.5.3 面向主题的基于Bucket的多播转发算法 |
| 4.6 实验评价 |
| 4.6.1 发布/订阅拓扑构造 |
| 4.6.2 斯坦纳树构造时间开销 |
| 4.6.3 多播树代价比较 |
| 4.6.4 多播树构造时间比较 |
| 4.6.5 端到端时延 |
| 4.6.6 流表大小 |
| 4.7 本章小结 |
| 参考文献 |
| 第五章 面向SDN的可靠的区分化服务提供机制研究 |
| 5.1 本章引言 |
| 5.2 相关工作 |
| 5.3 模型方法 |
| 5.3.1 XGBoost模型 |
| 5.3.2 ARIMA模型 |
| 5.3.3 RED方法 |
| 5.3.4 增量差法 |
| 5.4 排队时延预测 |
| 5.4.1 数据预处理 |
| 5.4.2 特征选择 |
| 5.4.3 模型训练与参数调整 |
| 5.5 可靠的区分化服务提供机制 |
| 5.5.1 似SDN的发布/订阅系统架构 |
| 5.5.2 主题编码 |
| 5.5.3 优先级队列 |
| 5.5.4 可靠的区分化服务提供框架 |
| 5.6 可靠的区分化服务保证机制 |
| 5.6.1 本地队列带宽调整算法 |
| 5.6.2 全局QoS控制策略 |
| 5.7 实验评价 |
| 5.7.1 实验环境 |
| 5.7.2 排队时延预测方法比较 |
| 5.7.3 本地队列带宽调整算法验证 |
| 5.7.4 本地队列带宽调整算法整体测试 |
| 5.7.5 全局QoS控制策略验证 |
| 5.7.6 恒定比特率流量实验 |
| 5.7.7 可变比特率流量实验 |
| 5.7.8 实验讨论 |
| 5.8 本章小结 |
| 参考文献 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.2 进一步工作 |
| 附录 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 博士在读期间完成和参与的项目 |
（8）物联网中若干关键安全问题研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 研究内容和主要成果 |
| 1.4 论文组成结构 |
| 第二章 基础知识 |
| 2.1 引言 |
| 2.2 物联网概述 |
| 2.2.1 物联网发展历程 |
| 2.2.2 物联网体系架构 |
| 2.2.3 物联网典型应用 |
| 2.3 密码技术基础 |
| 2.3.1 密码学概述 |
| 2.3.2 对称密码学 |
| 2.3.3 公钥密码学 |
| 2.3.4 认证与数字签名 |
| 2.3.5 轻量级密码方案 |
| 2.4 本章小结 |
| 第三章 物联网安全架构与关键问题 |
| 3.1 引言 |
| 3.2 物联网安全挑战 |
| 3.3 物联网安全需求与目标 |
| 3.4 物联网安全架构 |
| 3.5 物联网安全关键问题 |
| 3.5.1 隐私保护 |
| 3.5.2 认证追溯 |
| 3.5.3 异常检测 |
| 3.6 主要贡献 |
| 3.7 本章小结 |
| 第四章 物联网中隐私保护问题研究 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 安全多方计算 |
| 4.2.2 全同态加密 |
| 4.2.3 Paillier公钥加法同态加密 |
| 4.3 物联网中多用户隐私保护数据聚合方案 |
| 4.3.1 应用背景 |
| 4.3.2 方案构造 |
| 4.3.3 安全性分析 |
| 4.3.4 性能分析 |
| 4.4 主要贡献和创新点 |
| 4.5 本章小结 |
| 第五章 物联网中面向移动用户的隐私保护与认证问题研究 |
| 5.1 引言 |
| 5.2 预备知识 |
| 5.2.1 半平滑的SRSA子群模 |
| 5.2.2 基于SRSA子群模的密码系统 |
| 5.3 物联网中面向移动用户的隐私保护数据聚合与认证方案 |
| 5.3.1 应用背景 |
| 5.3.2 系统模型 |
| 5.3.3 安全模型 |
| 5.3.4 方案构造 |
| 5.3.5 安全性分析 |
| 5.3.6 性能分析 |
| 5.4 主要贡献和创新点 |
| 5.5 本章小结 |
| 第六章 物联网中异常检测问题研究 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 控制器局域网络 |
| 6.2.2 传感器数据特性 |
| 6.2.3 边缘计算技术 |
| 6.3 物联网中基于边缘计算技术的异常检测系统 |
| 6.3.1 应用背景 |
| 6.3.2 系统构造 |
| 6.3.3 实验验证 |
| 6.3.4 性能分析 |
| 6.4 主要贡献和创新点 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要工作与结论 |
| 7.2 研究展望 |
| 7.3 本章小结 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
（9）能源互联网电力信息融合风险传递模型与仿真系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 能源互联网国内外研究综述 |
| 1.2.2 电力信息融合国内外研究综述 |
| 1.2.3 电力系统连锁故障国内外研究综述 |
| 1.2.4 电力信息安全风险管理研究国内外研究综述 |
| 1.2.5 电力信息融合风险传递国内外研究综述 |
| 1.2.6 风险传递理论国内外研究现状综述 |
| 1.3 论文主要内容及结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 主要技术路线 |
| 1.4 本文主要创新点 |
| 第2章 能源互联网电力信息融合风险传递基础 |
| 2.1 能源互联网电力信息融合及其挑战 |
| 2.1.1 能源互联网架构及特征 |
| 2.1.2 能源互联网电力信息融合发展趋势 |
| 2.1.3 能源互联网信息物理融合面临的挑战 |
| 2.2 能源互联网电力信息融合风险传递研究架构 |
| 2.2.1 对象解析维 |
| 2.2.2 传递路径维 |
| 2.2.3 分析方法维 |
| 2.3 本章小结 |
| 第3章 能源互联网宏观拓扑结构演化模型构建 |
| 3.1 能源互联网宏观拓扑结构演化模型及先进网架对比分析 |
| 3.1.1 宏观拓扑结构演化模型对比分析 |
| 3.1.2 国际先进网架结构特征分析 |
| 3.2 能源互联网DRF-LRN-MNI宏观拓扑结构构建 |
| 3.2.1 能源互联网分层分区结构 |
| 3.2.2 能源互联网DRF-LRN-MNI宏观拓扑结构 |
| 3.2.3 能源互联网DRF-LRN-MNI宏观拓扑构建流程 |
| 3.3 能源互联网DRF-LRN-MNI拓扑演化机制 |
| 3.3.1 电网分层网格化 |
| 3.3.2 节点及参数设置 |
| 3.3.3 骨干网络生成 |
| 3.3.4 底层微网互联 |
| 3.3.5 复杂网络特征计算 |
| 3.4 以北京电网为例的能源互联网宏观拓扑结构演化分析 |
| 3.4.1 以北京电网为例的仿真参数设置 |
| 3.4.2 北京能源互联网骨干网络宏观结构分析 |
| 3.4.3 北京能源互联网完全网络宏观结构分析 |
| 3.5 本章小结 |
| 第4章 能源互联网电力CPS网络结构脆弱性分析 |
| 4.1 电力信息网络拓扑分型及节点对应机制分析 |
| 4.1.1 电力信息节点对应机制 |
| 4.1.2 典型电力CPS拓扑分型 |
| 4.2 电力CPS典型网络构建及特征分析 |
| 4.2.1 电力CPS典型结构构建 |
| 4.2.2 电力CPS典型结构复杂网络特征分析 |
| 4.3 电力CPS结构脆弱性评估模型 |
| 4.3.1 节点交互系数 |
| 4.3.2 网络结构熵 |
| 4.3.3 节点中心性 |
| 4.3.4 结构动态脆弱性 |
| 4.4 典型电力CPS网络脆弱性分析 |
| 4.4.1 节点交互系数结果分析 |
| 4.4.2 网络结构熵结果分析 |
| 4.4.3 节点中心性结果分析 |
| 4.4.4 动态脆弱性结果分析 |
| 4.5 本章小结 |
| 第5章 能源互联网电力CPS运行风险扰动关系分析 |
| 5.1 电力系统运行风险触发演化分析 |
| 5.1.1 电力系统运行事故触发风险分析 |
| 5.1.2 电力系统运行事故风险演化过程分析 |
| 5.1.3 电力事故风险演化中电力信息交互分析 |
| 5.2 基于DEMATEL-ISM模型的电力CPS运行风险扰动分析 |
| 5.2.1 电力CPS事故系统构建 |
| 5.2.2 电力CPS事故系统致因因素提取 |
| 5.2.3 DEMATEL-ISM方法步骤 |
| 5.3 模型结果分析 |
| 5.3.1 计算过程 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 第6章 能源互联网电力CPS风险传递建模及仿真 |
| 6.1 电力CPS风险传递仿真基础分析 |
| 6.1.1 电力信息交互融合作用点 |
| 6.1.2 电力CPS风险传递路径 |
| 6.1.3 电力CPS风险传递仿真流程 |
| 6.2 基于元胞自动机的电力CPS网络攻击风险传递仿真模型 |
| 6.2.1 元胞自动机概述 |
| 6.2.2 元胞及其状态转换 |
| 6.2.3 元胞空间及邻接矩阵 |
| 6.2.4 状态转换规则 |
| 6.3 电力CPS运行及风险传递的数学解析 |
| 6.3.1 电力节点切除机制 |
| 6.3.2 感染与防御模式分析 |
| 6.3.3 仿真分析指标 |
| 6.4 仿真步骤及案例构建 |
| 6.4.1 仿真步骤 |
| 6.4.2 仿真案例 |
| 6.4.3 仿真参数设置 |
| 6.5 仿真过程及结果分析 |
| 6.5.1 风险的传递和演化仿真过程 |
| 6.5.2 不同攻防御策略下仿真结果分析 |
| 6.5.3 不同节点自愈率下仿真结果分析 |
| 6.5.4 不同功率超限阈值下仿真结果分析 |
| 6.6 本章小结 |
| 第7章 能源互联网电力信息融合风险传递仿真系统需求分析与设计 |
| 7.1 能源互联网电力信息融合风险传递仿真平台概述 |
| 7.1.1 平台设计原则 |
| 7.1.2 平台设计目标 |
| 7.1.3 平台中远期设计规划 |
| 7.2 能源互联网电力信息融合风险传递仿真平台需求分析 |
| 7.2.1 平台业务流程需求 |
| 7.2.2 业务功能模块需求 |
| 7.2.3 非功能模块需求 |
| 7.3 能源互联网电力信息融合风险传递仿真平台架构设计 |
| 7.3.1 J2EE/SOA架构设计 |
| 7.3.2 资源数据库设计 |
| 7.3.3 平台接口设计 |
| 7.3.4 可视化展示设计 |
| 7.4 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）车联网环境下的高效数据分发机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 基于车联网的数据传输 |
| 1.2.2 车载雾计算的发展现状 |
| 1.2.3 车联网中用户隐私保护 |
| 1.2.4 基于车联网的能量管理 |
| 1.3 本文研究内容及创新点摘要 |
| 1.3.1 当前研究存在问题 |
| 1.3.2 研究内容及创新点 |
| 2 基于群智感知的时延敏感数据传输机制 |
| 2.1 引言 |
| 2.2 相关工作 |
| 2.3 系统模型及问题描述 |
| 2.3.1 系统框架 |
| 2.3.2 应用场景 |
| 2.4 基于群智感知的交通管理机制 |
| 2.4.1 全局目标 |
| 2.4.2 局部目标 |
| 2.4.3 激励机制 |
| 2.5 基于簇群的数据采集机制 |
| 2.5.1 数据采集 |
| 2.5.2 数据上传 |
| 2.5.3 服务响应 |
| 2.6 延迟感知的路由机制 |
| 2.6.1 移动模型 |
| 2.6.2 延迟预测 |
| 2.6.3 路由决策 |
| 2.7 实验分析 |
| 2.7.1 实验设置 |
| 2.7.2 对比算法 |
| 2.7.3 结果分析 |
| 2.8 本章小结 |
| 3 面向高效数据分发的动态计算任务卸载机制 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 系统模型及问题描述 |
| 3.3.1 系统模型 |
| 3.3.2 微云模型 |
| 3.3.3 雾计算模型 |
| 3.3.4 流量卸载模型 |
| 3.3.5 问题描述 |
| 3.4 基于响应时间最小化的计算任务卸载算法 |
| 3.4.1 子优化问题描述 |
| 3.4.2 雾计算延迟最小化 |
| 3.4.3 微云延迟最小化 |
| 3.4.4 计算任务卸载算法 |
| 3.5 实验分析 |
| 3.5.1 实验设置 |
| 3.5.2 对比算法 |
| 3.5.3 结果分析 |
| 3.6 本章小结 |
| 4 高效数据分发中的隐私保护机制 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 系统及攻击模型 |
| 4.3.1 系统模型 |
| 4.3.2 攻击模型 |
| 4.4 基于用户隐私保护的系统设计 |
| 4.4.1 系统设计 |
| 4.4.2 详细设计 |
| 4.5 数据转发机制 |
| 4.5.1 移动预测 |
| 4.5.2 消息处理 |
| 4.5.3 节点激励保护机制 |
| 4.6 安全分析 |
| 4.6.1 基本思想 |
| 4.6.2 隐私保护 |
| 4.6.3 攻击抵御 |
| 4.7 实验分析 |
| 4.7.1 实验设置 |
| 4.7.2 对比算法 |
| 4.7.3 结果分析 |
| 4.8 本章小结 |
| 5 面向高效数据分发的协同能量管理机制 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.2.1 车联网中能量管理机制 |
| 5.2.2 车联网中雾计算方案 |
| 5.3 面向高效数据分发的智能能量采集机制 |
| 5.3.1 系统模型及问题描述 |
| 5.3.2 智能能量采集策略 |
| 5.3.3 实验分析 |
| 5.4 面向高效数据分发的节能任务调度机制 |
| 5.4.1 系统模型及问题描述 |
| 5.4.2 节能任务调度算法 |
| 5.4.3 实验分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 本文工作总结 |
| 6.2 创新点摘要 |
| 6.3 工作展望 |
| 参考文献 |
| 攻读博士学位期间主要科研成果 |
| 致谢 |
| 作者简介 |
四、一个面向Internet数据管理的系统模型（论文参考文献）
- [1]SG-Edge:电力物联网可信边缘计算框架关键技术[J]. 杨维永,刘苇,崔恒志,魏兴慎,黄皓,廖鹏,钱柱中,王元强. 软件学报, 2022
- [2]面向能源互联网数字孪生的电力物联网关键技术及展望[J]. 赵鹏,蒲天骄,王新迎,韩笑. 中国电机工程学报, 2022(02)
- [3]数据驱动工业互联网资源适配与隐私保护方法研究[D]. 张维庭. 北京交通大学, 2021
- [4]面向边缘计算的智慧标识网络资源协同与适配机制研究[D]. 张宇明. 北京交通大学, 2021(02)
- [5]基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究[D]. 张庆阳. 安徽大学, 2021(02)
- [6]面向SDN的物联网服务中间件关键技术研究[D]. 师玉龙. 北京邮电大学, 2020
- [7]教育部关于印发普通高中课程方案和语文等学科课程标准（2017年版2020年修订）的通知[J]. 教育部. 中华人民共和国教育部公报, 2020(06)
- [8]物联网中若干关键安全问题研究[D]. 郭非. 上海交通大学, 2020(01)
- [9]能源互联网电力信息融合风险传递模型与仿真系统研究[D]. 李小鹏. 华北电力大学(北京), 2019(01)
- [10]车联网环境下的高效数据分发机制研究[D]. 王小洁. 大连理工大学, 2019(01)