城市智能化的持續(xù)、高速發(fā)展,無線傳感設(shè)備被大量部署,從而使感知數(shù)據(jù)獲得了爆炸式地增長。與此同時,由于物聯(lián)網(wǎng)的部署環(huán)境復(fù)雜,因此針對數(shù)據(jù)收集方案仍然面臨安全威脅。傳統(tǒng)的物聯(lián)網(wǎng)已經(jīng)不能滿足海量數(shù)據(jù)處理和管理的要求。因此,針對延時敏感型和計算密集型任務(wù),如何在保證數(shù)據(jù)安全的前提下高效率地收集數(shù)據(jù),從而達(dá)到安全、高效的數(shù)據(jù)收集以及計算任務(wù)處理的目標(biāo)已經(jīng)成為了研究熱點。本文針對當(dāng)前數(shù)據(jù)收集方案在探索空時相關(guān)性、觀測矩陣的優(yōu)化、數(shù)據(jù)隱私保護(hù)以及計算遷移等方面存在的突出問題,主要的創(chuàng)新性貢獻(xiàn)包括如下三個方面:1)霧輔助的感知大數(shù)據(jù)高效隱私保護(hù)數(shù)據(jù)收集研究:針對當(dāng)前數(shù)據(jù)收集所存在的效率低下問題,本文的設(shè)計了一個分層感知霧計算體系結(jié)構(gòu)為探索數(shù)據(jù)之間的時空相關(guān)性提供了有效支持,該霧計算輔助的網(wǎng)絡(luò)體系避免了本地設(shè)備與云中心進(jìn)行遠(yuǎn)程通信,從而降低了網(wǎng)絡(luò)開銷與通信成本和延時;其次,提出了一種采樣擾動加密方法,使得在不犧牲數(shù)據(jù)相關(guān)性的前提下,保護(hù)了數(shù)據(jù)的隱私,使得竊聽者和主動攻擊者無法獲得原始采樣數(shù)據(jù),該方法對加密采樣數(shù)據(jù)的解密和解壓縮操作的同時執(zhí)行提供了支撐;構(gòu)建的觀測矩陣優(yōu)化模型,通過降低觀測矩陣與字典的互相... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

稀疏表示

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文第二章相關(guān)背景知識介紹9都不是部署在身邊的，遙不可及；而霧計算卻現(xiàn)實可及，就像霧氣一樣，相對于云計算來說，更加地貼近人們身邊。霧計算是由數(shù)量眾多但是性能相對較弱的計算設(shè)備組成，由于性能較弱導(dǎo)致每個霧計算設(shè)備的成本降低，所以可以進(jìn)行大量且廣泛地部署，從而可以在城市各個角落如電器、街燈、汽車、及人們生活中的各類用品中部署。具體的霧計算網(wǎng)絡(luò)模型如圖2.2所示。圖2.2霧計算網(wǎng)絡(luò)結(jié)構(gòu)在這種新型的模式中數(shù)據(jù)、對數(shù)據(jù)的處理以及應(yīng)用程序這三項均可以被集成在網(wǎng)絡(luò)邊緣的設(shè)備之中，這種網(wǎng)絡(luò)模型有效地緩解了云服務(wù)器中數(shù)據(jù)存儲與計算的壓力，同時針對延時敏感型的任務(wù)也有更好的效果，是云計算（CloudComputing）的延伸概念。2.2.2霧計算的特點對云計算概念的延伸就是霧計算的大致概念，霧計算的概念是為了解決了云計算所存在的不足而被提出的。除此之外，霧計算中的節(jié)點主要利用了部署在邊緣網(wǎng)絡(luò)中的設(shè)備（如智能手機(jī)、路由器以及一些傳感器等），由于這些設(shè)備之間的距離往往較近，因此數(shù)據(jù)傳遞具有極低的時延。同時，霧計算還具有分布較為廣泛這一特點，因此可以實時地監(jiān)控大規(guī)模地區(qū)域。霧計算移動性好，諸如一部智能手機(jī)也可以作為一個霧節(jié)點與其他霧計算設(shè)備進(jìn)行通信，避免了長距離通信，支持很高的移動性。由于霧計算并非是由性能強(qiáng)大的服務(wù)器組成，而是由數(shù)量眾多且更加分散的、性能比較羸弱的各種功能計算節(jié)點組成的。霧計算是介于云計算和個人計算之間的，是半虛擬化的服務(wù)計算架構(gòu)模型，強(qiáng)調(diào)數(shù)量，不管單個計算節(jié)點能力多么弱都可以發(fā)揮作用。與云計算相比，霧計算所采用的架構(gòu)更呈分布式，更接近網(wǎng)絡(luò)邊緣。霧計算將數(shù)據(jù)、數(shù)據(jù)處理和應(yīng)用程序集中在網(wǎng)絡(luò)邊緣的設(shè)備中，而不像云計

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文第二章相關(guān)背景知識介紹12（2-9）其中。2.4.3無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)的輸入數(shù)據(jù)沒有被標(biāo)記，也沒有確定的結(jié)果。樣本數(shù)據(jù)類別未知，需要根據(jù)樣本間的相似性對樣本集進(jìn)行分類（聚類，Clustering）試圖使類內(nèi)差距最小化，類間差距最大化。通俗點將就是實際應(yīng)用中，不少情況下無法預(yù)先知道樣本的標(biāo)簽，也就是說沒有訓(xùn)練樣本對應(yīng)的類別，因而只能從原先沒有樣本標(biāo)簽的樣本集開始學(xué)習(xí)分類器設(shè)計。無監(jiān)督學(xué)習(xí)目標(biāo)不是告訴計算機(jī)怎么做，而是讓它（計算機(jī)）自己去學(xué)習(xí)怎樣做事情。即，在指導(dǎo)智能體（Agent）時不為其指定明確分類，而是在成功時，采用某種形式的激勵制度。需要注意的是，這類訓(xùn)練通常會置于決策問題的框架里，因為它的目標(biāo)不是為了產(chǎn)生一個分類系統(tǒng)，而是做出最大回報的決定，這種思路很好的概括了現(xiàn)實世界，智能體可以對正確的行為做出激勵，而對錯誤行為做出懲罰。2.4.4神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)是一組粗略模仿人類大腦，用于模式識別的算法。神經(jīng)網(wǎng)絡(luò)這個術(shù)語來源于這些系統(tǒng)架構(gòu)設(shè)計背后的靈感，這些系統(tǒng)是用于模擬生物大腦自身神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，以便計算機(jī)能夠執(zhí)行特定的任務(wù)。具體的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2.3所示。圖2.3深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)神經(jīng)元分為三種不同類型的層次：輸入層的主要作用是接收輸入數(shù)據(jù)；隱藏層的作用是(,(,))log(),yLfxy=-fx()0,()1yiifx3fx=


本文編號：3494433