期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
机器学习辅助的车联网紧急消息信任评估方案
1
作者
周浩
邵诗韵
+3 位作者
马勇
刘志全
官全龙
王晓明
《西安电子科技大学学报》
CSCD
北大核心
2024年第6期194-203,共10页
车联网是智能交通系统的重要组成部分,能够通过传播车辆消息提高交通安全和效率,近年来得到政府、工业和学术界的广泛研究。然而,在车联网中,恶意车辆广播的虚假紧急消息将对车联网正常运行和交通安全造成极大的威胁。为解决现有车联网...
车联网是智能交通系统的重要组成部分,能够通过传播车辆消息提高交通安全和效率,近年来得到政府、工业和学术界的广泛研究。然而,在车联网中,恶意车辆广播的虚假紧急消息将对车联网正常运行和交通安全造成极大的威胁。为解决现有车联网信任管理方案在高恶意车辆占比下消息信任评估准确性低的问题,提出一种车联网中机器学习辅助的紧急消息信任评估方案。提出的方案对现有方案的消息信任评估算法进行优化,在评估过程中引入随机森林模型以辅助路侧单元对车联网中紧急消息进行分析,并输出消息为真实消息的预测概率;接着,基于随机森林模型输出的预测概率设计可切换缓存机制,并结合智能合约设计信任值查询算法,以平衡现有方案中路侧单元在查询效率和存储空间开销之间的冲突;同时,将预测概率作为参考因子引入消息信任评估算法,以得到更高的消息评估准确率;最后,基于所提方案,与现有方案进行对比。实验结果表明,所提方案的消息信任评估准确率提升约6.2%~21.9%,且在多种恶意车辆占比下表现出较好的鲁棒性。
展开更多
关键词
车联网
紧急消息
机器学习
智能合约
信任评估
在线阅读
下载PDF
职称材料
车联网中区块链辅助的紧急消息信任评估方案
被引量：
2
2
作者
周浩
马建峰
+3 位作者
刘志全
王立波
吴永东
范文杰
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期148-156,共9页
车联网因其在提高道路安全和交通效率方面存在的巨大潜力吸引了广泛关注。然而,在车联网中,车辆对紧急消息的信任评估需要同时满足低时延和高准确性。为解决现有车联网信任管理方案在紧急消息信任评估过程中时延高、准确性低的问题,提...
车联网因其在提高道路安全和交通效率方面存在的巨大潜力吸引了广泛关注。然而,在车联网中,车辆对紧急消息的信任评估需要同时满足低时延和高准确性。为解决现有车联网信任管理方案在紧急消息信任评估过程中时延高、准确性低的问题,提出一种车联网中区块链辅助的紧急消息信任评估方案。在该方案中,首先使用区块链技术分布式存储车辆信任值,实现车辆信任值的可信存储;接着设计预先缓存策略和查询后缓存策略,将其分别与智能合约结合设计信任值查询算法,以低时延地查询车辆信任值;然后基于所提信任值查询算法,引入车辆信任值并结合车辆位置以及消息新鲜度作为紧急消息信任评估的参考因子;最终实现紧急消息的低时延、高精准信任评估。与现有方案相比,所提方案的信任值查询效率提升了约79.9%~98.9%,信任评估准确率提升了约4.71%。此外,笔者还对比了所提两种缓存策略,其中预缓存策略的查询效率相比查询后缓存策略提升约56.9%,但存储空间开销增加约23.7%~86.2%。
展开更多
关键词
车联网
紧急消息
区块链
智能合约
信任评估
在线阅读
下载PDF
职称材料
隐私保护的拜占庭鲁棒联邦学习算法
3
作者
李海洋
郭晶晶
+1 位作者
刘玖樽
刘志全
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期121-131,共11页
联邦学习是一种分布式机器学习范式,其中节点的原始训练集不出本地,它们通过共享模型更新来协作训练机器学习模型。当前联邦学习领域中的隐私保护和拜占庭攻击检测研究大都独立展开,现有的拜占庭攻击检测方法不可直接应用于隐私保护环境...
联邦学习是一种分布式机器学习范式,其中节点的原始训练集不出本地,它们通过共享模型更新来协作训练机器学习模型。当前联邦学习领域中的隐私保护和拜占庭攻击检测研究大都独立展开,现有的拜占庭攻击检测方法不可直接应用于隐私保护环境,不符合联邦学习的实际应用需求。针对上述问题,提出一种可在数据非独立同分布和隐私保护环境下拜占庭鲁棒的联邦学习算法。首先,以差分隐私技术为模型更新(本地模型梯度信息)提供隐私保护;然后,基于节点上传的历史模型更新对节点当前状态进行可信度评估;最后,根据评估结果进行全局模型聚合。仿真实验结果表明,在节点训练集非独立同分布、隐私保护和拜占庭节点比例为20%~80%的联邦学习环境中,所提算法进行拜占庭节点检测的漏检率和误检率均为0%。同时,随着节点数量的增加,拜占庭节点检测的时间开销呈线性增长的趋势。与现有的拜占庭节点检测算法相比,所提算法在节点数据非独立同分布及模型隐私保护情况下可得到更高精度的全局模型。
展开更多
关键词
联邦学习
拜占庭攻击
异常检测
隐私保护技术
差分隐私
在线阅读
下载PDF
职称材料
题名
机器学习辅助的车联网紧急消息信任评估方案
1
作者
周浩
邵诗韵
马勇
刘志全
官全龙
王晓明
机构
暨南大学网络空间安全学院
电子
科技
大学计算机科学与工程学院
江西师范大学计算机信息工程学院
数
力
聚
(
北京
)
科技
有限公司
出处
《西安电子科技大学学报》
CSCD
北大核心
2024年第6期194-203,共10页
基金
国家自然科学基金(61932010,62441211,62272195)
广东省基础与应用基础研究基金(2024A1515012776,2022A1515010760)
+4 种基金
广东省重点研发计划项目(2020B0909030005,2020B1212030003)
广东省市场监督管理局科技项目(2023ZZ03)
广州市科技计划项目(202201010422,202201010421)
中央高校基本科研业务费专项资金(21622402)
国家市场监管重点实验室(智能机器人安全)开放课题(GQI-KFKT202205)。
文摘
车联网是智能交通系统的重要组成部分,能够通过传播车辆消息提高交通安全和效率,近年来得到政府、工业和学术界的广泛研究。然而,在车联网中,恶意车辆广播的虚假紧急消息将对车联网正常运行和交通安全造成极大的威胁。为解决现有车联网信任管理方案在高恶意车辆占比下消息信任评估准确性低的问题,提出一种车联网中机器学习辅助的紧急消息信任评估方案。提出的方案对现有方案的消息信任评估算法进行优化,在评估过程中引入随机森林模型以辅助路侧单元对车联网中紧急消息进行分析,并输出消息为真实消息的预测概率;接着,基于随机森林模型输出的预测概率设计可切换缓存机制,并结合智能合约设计信任值查询算法,以平衡现有方案中路侧单元在查询效率和存储空间开销之间的冲突;同时,将预测概率作为参考因子引入消息信任评估算法,以得到更高的消息评估准确率;最后,基于所提方案,与现有方案进行对比。实验结果表明,所提方案的消息信任评估准确率提升约6.2%~21.9%,且在多种恶意车辆占比下表现出较好的鲁棒性。
关键词
车联网
紧急消息
机器学习
智能合约
信任评估
Keywords
vehicular ad-hoc networks
emergency message
machine learning
smart contract
trust evaluation
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
车联网中区块链辅助的紧急消息信任评估方案
被引量：
2
2
作者
周浩
马建峰
刘志全
王立波
吴永东
范文杰
机构
暨南大学信息科学技术学院
西安电子
科技
大学网络与信息安全学院
广东省网络与信息安全漏洞研究重点实验室
数
力
聚
(
北京
)
科技
有限公司
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期148-156,共9页
基金
国家自然科学基金(62032025,62272195,61932011,61932010)
广东省网络与信息安全漏洞研究重点实验室项目(2020B1212060081)
+3 种基金
广东省重点研发计划(2020B0101090002)
广东省基础与应用基础研究基金(2022A1515010760,2022A1515010299,2020A1515110364)
广州市科技计划项目(202201010422,202201010421)
中央高校基本科研业务费专项资金(21622402)。
文摘
车联网因其在提高道路安全和交通效率方面存在的巨大潜力吸引了广泛关注。然而,在车联网中,车辆对紧急消息的信任评估需要同时满足低时延和高准确性。为解决现有车联网信任管理方案在紧急消息信任评估过程中时延高、准确性低的问题,提出一种车联网中区块链辅助的紧急消息信任评估方案。在该方案中,首先使用区块链技术分布式存储车辆信任值,实现车辆信任值的可信存储;接着设计预先缓存策略和查询后缓存策略,将其分别与智能合约结合设计信任值查询算法,以低时延地查询车辆信任值;然后基于所提信任值查询算法,引入车辆信任值并结合车辆位置以及消息新鲜度作为紧急消息信任评估的参考因子;最终实现紧急消息的低时延、高精准信任评估。与现有方案相比,所提方案的信任值查询效率提升了约79.9%~98.9%,信任评估准确率提升了约4.71%。此外,笔者还对比了所提两种缓存策略,其中预缓存策略的查询效率相比查询后缓存策略提升约56.9%,但存储空间开销增加约23.7%~86.2%。
关键词
车联网
紧急消息
区块链
智能合约
信任评估
Keywords
vehicular ad-hoc networks
emergency message
blockchain
smart contract
trust evaluation
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
隐私保护的拜占庭鲁棒联邦学习算法
3
作者
李海洋
郭晶晶
刘玖樽
刘志全
机构
西安电子
科技
大学网络与信息安全学院
暨南大学信息科学技术学院
数
力
聚
(
北京
)
科技
有限公司
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023年第4期121-131,共11页
基金
陕西省自然科学基础研究计划(2022JQ-603)
国家自然科学基金(62032025,62272195)
+3 种基金
中央高校基本科研业务费专项资金(ZYTS23161)
中央高校基本科研业务费专项资金(21622402)
广东省网络与信息安全漏洞研究重点实验室项目(2020B1212060081)
广州市科技计划项目(202201010421)。
文摘
联邦学习是一种分布式机器学习范式,其中节点的原始训练集不出本地,它们通过共享模型更新来协作训练机器学习模型。当前联邦学习领域中的隐私保护和拜占庭攻击检测研究大都独立展开,现有的拜占庭攻击检测方法不可直接应用于隐私保护环境,不符合联邦学习的实际应用需求。针对上述问题,提出一种可在数据非独立同分布和隐私保护环境下拜占庭鲁棒的联邦学习算法。首先,以差分隐私技术为模型更新(本地模型梯度信息)提供隐私保护;然后,基于节点上传的历史模型更新对节点当前状态进行可信度评估;最后,根据评估结果进行全局模型聚合。仿真实验结果表明,在节点训练集非独立同分布、隐私保护和拜占庭节点比例为20%~80%的联邦学习环境中,所提算法进行拜占庭节点检测的漏检率和误检率均为0%。同时,随着节点数量的增加,拜占庭节点检测的时间开销呈线性增长的趋势。与现有的拜占庭节点检测算法相比,所提算法在节点数据非独立同分布及模型隐私保护情况下可得到更高精度的全局模型。
关键词
联邦学习
拜占庭攻击
异常检测
隐私保护技术
差分隐私
Keywords
federated learning
Byzantine attack
anomaly detection
privacy-preserving techniques
differential privacy
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
机器学习辅助的车联网紧急消息信任评估方案
周浩
邵诗韵
马勇
刘志全
官全龙
王晓明
《西安电子科技大学学报》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
车联网中区块链辅助的紧急消息信任评估方案
周浩
马建峰
刘志全
王立波
吴永东
范文杰
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
3
隐私保护的拜占庭鲁棒联邦学习算法
李海洋
郭晶晶
刘玖樽
刘志全
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
