城市智能化的持續(xù)、高速發(fā)展,無(wú)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(zhǎng)。與此同時(shí),由于物聯(lián)網(wǎng)的部署環(huán)境復(fù)雜,因此針對(duì)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(mǎn)足海量數(shù)據(jù)處理和管理的要求。因此,針對(duì)延時(shí)敏感型和計(jì)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(jì)算任務(wù)處理的目標(biāo)已經(jīng)成為了研究熱點(diǎn)。本文針對(duì)當(dāng)前數(shù)據(jù)收集方案在探索空時(shí)相關(guān)性、觀測(cè)矩陣的優(yōu)化、數(shù)據(jù)隱私保護(hù)以及計(jì)算遷移等方面存在的突出問(wèn)題,主要的創(chuàng)新性貢獻(xiàn)包括如下三個(gè)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(duì)當(dāng)前數(shù)據(jù)收集所存在的效率低下問(wèn)題,本文的設(shè)計(jì)了一個(gè)分層感知霧計(jì)算體系結(jié)構(gòu)為探索數(shù)據(jù)之間的時(shí)空相關(guān)性提供了有效支持,該霧計(jì)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(kāi)銷(xiāo)與通信成本和延時(shí);其次,提出了一種采樣擾動(dòng)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(tīng)者和主動(dòng)攻擊者無(wú)法獲得原始采樣數(shù)據(jù),該方法對(duì)加密采樣數(shù)據(jù)的解密和解壓縮操作的同時(shí)執(zhí)行提供了支撐;構(gòu)建的觀測(cè)矩陣優(yōu)化模型,通過(guò)降低觀測(cè)矩陣與字典的互相... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

稀疏表示

南京郵電大學(xué)專(zhuān)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(shí)介紹9都不是部署在身邊的，遙不可及；而霧計(jì)算卻現(xiàn)實(shí)可及，就像霧氣一樣，相對(duì)于云計(jì)算來(lái)說(shuō)，更加地貼近人們身邊。霧計(jì)算是由數(shù)量眾多但是性能相對(duì)較弱的計(jì)算設(shè)備組成，由于性能較弱導(dǎo)致每個(gè)霧計(jì)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(gè)角落如電器、街燈、汽車(chē)、及人們生活中的各類(lèi)用品中部署。具體的霧計(jì)算網(wǎng)絡(luò)模型如圖2.2所示。圖2.2霧計(jì)算網(wǎng)絡(luò)結(jié)構(gòu)在這種新型的模式中數(shù)據(jù)、對(duì)數(shù)據(jù)的處理以及應(yīng)用程序這三項(xiàng)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(chǔ)與計(jì)算的壓力，同時(shí)針對(duì)延時(shí)敏感型的任務(wù)也有更好的效果，是云計(jì)算（CloudComputing）的延伸概念。2.2.2霧計(jì)算的特點(diǎn)對(duì)云計(jì)算概念的延伸就是霧計(jì)算的大致概念，霧計(jì)算的概念是為了解決了云計(jì)算所存在的不足而被提出的。除此之外，霧計(jì)算中的節(jié)點(diǎn)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(shí)延。同時(shí)，霧計(jì)算還具有分布較為廣泛這一特點(diǎn)，因此可以實(shí)時(shí)地監(jiān)控大規(guī)模地區(qū)域。霧計(jì)算移動(dòng)性好，諸如一部智能手機(jī)也可以作為一個(gè)霧節(jié)點(diǎn)與其他霧計(jì)算設(shè)備進(jìn)行通信，避免了長(zhǎng)距離通信，支持很高的移動(dòng)性。由于霧計(jì)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(jì)算節(jié)點(diǎn)組成的。霧計(jì)算是介于云計(jì)算和個(gè)人計(jì)算之間的，是半虛擬化的服務(wù)計(jì)算架構(gòu)模型，強(qiáng)調(diào)數(shù)量，不管單個(gè)計(jì)算節(jié)點(diǎn)能力多么弱都可以發(fā)揮作用。與云計(jì)算相比，霧計(jì)算所采用的架構(gòu)更呈分布式，更接近網(wǎng)絡(luò)邊緣。霧計(jì)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(jì)

南京郵電大學(xué)專(zhuān)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(shí)介紹12（2-9）其中。2.4.3無(wú)監(jiān)督學(xué)習(xí)無(wú)監(jiān)督學(xué)習(xí)的輸入數(shù)據(jù)沒(méi)有被標(biāo)記，也沒(méi)有確定的結(jié)果。樣本數(shù)據(jù)類(lèi)別未知，需要根據(jù)樣本間的相似性對(duì)樣本集進(jìn)行分類(lèi)（聚類(lèi)，Clustering）試圖使類(lèi)內(nèi)差距最小化，類(lèi)間差距最大化。通俗點(diǎn)將就是實(shí)際應(yīng)用中，不少情況下無(wú)法預(yù)先知道樣本的標(biāo)簽，也就是說(shuō)沒(méi)有訓(xùn)練樣本對(duì)應(yīng)的類(lèi)別，因而只能從原先沒(méi)有樣本標(biāo)簽的樣本集開(kāi)始學(xué)習(xí)分類(lèi)器設(shè)計(jì)。無(wú)監(jiān)督學(xué)習(xí)目標(biāo)不是告訴計(jì)算機(jī)怎么做，而是讓它（計(jì)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(shí)不為其指定明確分類(lèi)，而是在成功時(shí)，采用某種形式的激勵(lì)制度。需要注意的是，這類(lèi)訓(xùn)練通常會(huì)置于決策問(wèn)題的框架里，因?yàn)樗哪繕?biāo)不是為了產(chǎn)生一個(gè)分類(lèi)系統(tǒng)，而是做出最大回報(bào)的決定，這種思路很好的概括了現(xiàn)實(shí)世界，智能體可以對(duì)正確的行為做出激勵(lì)，而對(duì)錯(cuò)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(lèi)大腦，用于模式識(shí)別的算法。神經(jīng)網(wǎng)絡(luò)這個(gè)術(shù)語(yǔ)來(lái)源于這些系統(tǒng)架構(gòu)設(shè)計(jì)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(jì)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(lèi)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(hào)：3494433