作為第四次工業(yè)革命的技術(shù)支撐,物聯(lián)網(wǎng)技術(shù)應(yīng)用遍布我們工作和生活的方方面面,如軍事、交通、智能家居、智能醫(yī)療等。物聯(lián)網(wǎng)應(yīng)用領(lǐng)域的拓展和延伸大大方便了人們的工作和生活,與此同時(shí),其安全問題也逐漸暴露出來。認(rèn)證作為物聯(lián)網(wǎng)設(shè)備進(jìn)入網(wǎng)絡(luò)的第一道關(guān)卡,在整個(gè)物聯(lián)網(wǎng)安全體系中的地位尤為突出。因此,保證物聯(lián)網(wǎng)節(jié)點(diǎn)間安全高效的認(rèn)證是亟需解決的關(guān)鍵問題之一。針對(duì)物聯(lián)網(wǎng)環(huán)境下現(xiàn)有認(rèn)證方法的不足,本文提出了兩種新的方法。其一,針對(duì)物聯(lián)網(wǎng)設(shè)備的可移動(dòng)性,提出基于場(chǎng)景識(shí)別的物聯(lián)網(wǎng)認(rèn)證方法;其二,針對(duì)現(xiàn)有中心化認(rèn)證體系面臨單點(diǎn)失效等風(fēng)險(xiǎn),提出基于區(qū)塊鏈技術(shù)的物聯(lián)網(wǎng)認(rèn)證方法。首先,設(shè)計(jì)分類器。本文選擇泛化能力強(qiáng)且樣本大小限制較低的支持向量機(jī)作為場(chǎng)景識(shí)別的分類器。基于多項(xiàng)式核函數(shù)和RBF核函數(shù),提出了混合核函數(shù)構(gòu)造方法。選擇K重交叉驗(yàn)證的平均分類精度、測(cè)試精度和支持向量比例作為適應(yīng)度函數(shù)的輸入值,改進(jìn)了粒子群算法。通過改進(jìn)的粒子群算法優(yōu)化SVM分類器的多個(gè)參數(shù),包括多項(xiàng)式核函數(shù)權(quán)重a、多項(xiàng)式核參數(shù)d、RBF核參數(shù)g和懲罰因子C。仿真結(jié)果表明,本文設(shè)計(jì)的分類器較算法優(yōu)化前的分類器,分類精度和泛化能力的綜合性能得到了很大的... 

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 物聯(lián)網(wǎng)認(rèn)證方法
        1.2.2 室內(nèi)外場(chǎng)景識(shí)別技術(shù)
        1.2.3 區(qū)塊鏈技術(shù)在物聯(lián)網(wǎng)中的應(yīng)用
    1.3 本文的研究?jī)?nèi)容和組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)研究
    2.1 基于環(huán)境多因素特征的室內(nèi)外場(chǎng)景識(shí)別
        2.1.1 光照強(qiáng)度
        2.1.2 磁場(chǎng)強(qiáng)度
        2.1.3 加速度
    2.2 基本分類算法
        2.2.1 決策樹算法
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.3 支持向量機(jī)
        2.2.4 性能對(duì)比
    2.3 區(qū)塊鏈技術(shù)
        2.3.1 區(qū)塊鏈分類
        2.3.2 共識(shí)機(jī)制
        2.3.3 智能合約
        2.3.4 區(qū)塊鏈技術(shù)的應(yīng)用場(chǎng)景
    2.4 本章小結(jié)
第三章 基于SVM的分類器設(shè)計(jì)
    3.1 支持向量機(jī)
        3.1.1 核函數(shù)
        3.1.2 訓(xùn)練算法
    3.2 改進(jìn)的PSO-SVM算法
        3.2.1 粒子群算法
        3.2.2 基于混合核函數(shù)的SVM分類器
        3.2.3 算法的改進(jìn)
    3.3 實(shí)驗(yàn)與分析
        3.3.1 分類器分類性能分析
        3.3.2 場(chǎng)景識(shí)別性能評(píng)估
    3.4 本章小結(jié)
第四章 基于室內(nèi)外場(chǎng)景識(shí)別的物聯(lián)網(wǎng)認(rèn)證方法
    4.1 引言
    4.2 層次分析法
    4.3 基于場(chǎng)景識(shí)別的物聯(lián)網(wǎng)認(rèn)證方法
        4.3.1 認(rèn)證框架
        4.3.2 場(chǎng)景識(shí)別
        4.3.3 認(rèn)證方案決策
        4.3.4 適用場(chǎng)景
    4.4 分析與討論
    4.5 本章小結(jié)
第五章 基于區(qū)塊鏈技術(shù)的物聯(lián)網(wǎng)認(rèn)證方法
    5.1 引言
    5.2 超級(jí)賬本Fabric
    5.3 基于區(qū)塊鏈技術(shù)的物聯(lián)網(wǎng)認(rèn)證方法
        5.3.1 認(rèn)證框架
        5.3.2 鏈碼設(shè)計(jì)
        5.3.3 相關(guān)數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)
    5.4 實(shí)驗(yàn)及結(jié)果分析
        5.4.1 實(shí)驗(yàn)設(shè)計(jì)
        5.4.2 結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 下一步工作展望
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表論文與其它研究成果


【參考文獻(xiàn)】：
期刊論文
[1]區(qū)塊鏈技術(shù)綜述[J]. 沈鑫,裴慶祺,劉雪峰.  網(wǎng)絡(luò)與信息安全學(xué)報(bào). 2016(11)
[2]區(qū)塊鏈技術(shù)發(fā)展現(xiàn)狀與展望[J]. 袁勇,王飛躍.  自動(dòng)化學(xué)報(bào). 2016(04)
[3]支持向量機(jī)核函數(shù)選擇研究與仿真[J]. 梁禮明,鐘震,陳召陽.  計(jì)算機(jī)工程與科學(xué). 2015(06)
[4]物聯(lián)網(wǎng)安全威脅與措施[J]. 楊光,耿貴寧,都婧,劉照輝,韓鶴.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(10)
[5]輸變電設(shè)施與家用電器對(duì)居室工頻磁場(chǎng)的影響[J]. 孫海燕.  職業(yè)與健康. 2011(08)
[6]物聯(lián)網(wǎng)安全特征與關(guān)鍵技術(shù)[J]. 楊庚,許建,陳偉,祁正華,王海勇.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(04)
[7]物聯(lián)網(wǎng)安全架構(gòu)初探[J]. 武傳坤.  中國(guó)科學(xué)院院刊. 2010(04)
[8]無線傳感器網(wǎng)絡(luò)安全認(rèn)證技術(shù)綜述[J]. 曾迎之,蘇金樹,夏艷,黃清元,趙寶康.  計(jì)算機(jī)應(yīng)用與軟件. 2009(03)
[9]支持向量機(jī)核函數(shù)選擇的研究[J]. 朱樹先,張仁杰.  科學(xué)技術(shù)與工程. 2008(16)
[10]層次分析法的研究與應(yīng)用[J]. 郭金玉,張忠彬,孫慶云.  中國(guó)安全科學(xué)學(xué)報(bào). 2008(05)



本文編號(hào)：3684926