期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于改进PBFT的车联网抗攻击信誉管理方案
1
作者 罗瑞涵 蔡英 +1 位作者 范艳芳 李志博 《北京信息科技大学学报(自然科学版)》 2024年第6期38-44,110,共8页
为了提高车联网中车辆数据共享的安全性和效率,提出了一种基于改进实用拜占庭容错(practical Byzantine fault tolerance,PBFT)的抗攻击信誉管理方案,包括用于检测虚假信息的信誉模型和存储车辆信誉值的管理机制。基于贝叶斯推理的信誉... 为了提高车联网中车辆数据共享的安全性和效率,提出了一种基于改进实用拜占庭容错(practical Byzantine fault tolerance,PBFT)的抗攻击信誉管理方案,包括用于检测虚假信息的信誉模型和存储车辆信誉值的管理机制。基于贝叶斯推理的信誉模型,采用广义极端学生化偏差(generalized extreme studentized deviate,GESD)设计异常值过滤算法,过滤恶意车辆发送的异常间接信任,提高模型准确率;在基于区块链的管理机制中,采用优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS)改进PBFT共识算法,减少共识节点的数量,并降低拜占庭节点成为主节点的概率,以保证共识效率。仿真实验表明,在混合恶意车辆占比50%的情况下,信誉方案仍具有0.74的准确率,且对开关攻击和诽谤攻击的防御效果更好;共识算法具有更高的吞吐量和更低的交易确认时延。 展开更多
关键词 车联网 区块链 信誉管理 实用拜占庭容错
在线阅读 下载PDF
面向云边端分层联邦学习中有针对性投毒攻击的鲁棒性防御方案
2
作者 李志博 蔡英 +1 位作者 范艳芳 罗瑞涵 《北京信息科技大学学报(自然科学版)》 2024年第6期53-61,共9页
针对云边端分层联邦学习中多个边缘服务器上存在恶意客户端发起投毒攻击,导致全局模型收敛困难的问题,提出了具有鲁棒性的云边端分层联邦学习框架。设计了针对恶意客户端分布不均时,能抵御标签翻转攻击和后门攻击的双端检测算法,通过主... 针对云边端分层联邦学习中多个边缘服务器上存在恶意客户端发起投毒攻击,导致全局模型收敛困难的问题,提出了具有鲁棒性的云边端分层联邦学习框架。设计了针对恶意客户端分布不均时,能抵御标签翻转攻击和后门攻击的双端检测算法,通过主成分分析对模型的Softmax层降维来减少冗余信息,然后利用模型之间的余弦相似度分数进行聚类分簇,以检测潜在的恶意梯度;并设计基于参与度分数的聚合算法,保证全局模型的鲁棒性。在2个公开数据集MNIST、CIFAR-10上通过标签翻转和后门攻击验证了所提防御方案的有效性和鲁棒性。 展开更多
关键词 云边端架构 联邦学习 投毒攻击 鲁棒性
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部