一、通过V-GridFTP提高数据访问性能（论文文献综述）
赵港,王千阁,姚烽,张岩峰,于戈[1]（2022）在《大规模图神经网络系统综述》文中进行了进一步梳理图神经网络（GNN）是一类基于深度学习的处理图域信息的方法,它通过将图广播操作和深度学习算法结合,可以让图的结构信息和顶点属性信息都参与到学习中,在顶点分类、图分类、链接预测等应用中表现出良好的效果和可解释性,已成为一种广泛应用的图分析方法.然而现有主流的深度学习框架（如TensorFlow、PyTorch等）没有为图神经网络计算提供高效的存储支持和图上的消息传递支持,这限制了图神经网络算法在大规模图数据上的应用.目前已有诸多工作针对图结构的数据特点和图神经网络的计算特点,探索了大规模图神经网络系统的设计和实现方案.首先对图神经网络的发展进行简要概述,总结了设计图神经网络系统需要面对的挑战;随后对目前图神经网络系统的工作进行介绍,从系统架构、编程模型、消息传递优化、图分区策略、通信优化等多个方面对系统进行分析;最后使用部分已开源的图神经网络系统进行实验评估,从精确度、性能、扩展性等多个方面验证这些系统的有效性.
马芳菲,汪淑娟[2]（2021）在《基于协作通信的车联网数据分发综述》文中研究说明车联网（Internet of Vehicles,IoVs）是智能交通领域（Intelligent Transportation System,ITS）的一个重要分支,在保障道路安全以及提升用户驾驶体验方面有着巨大潜力。其中,基于协作通信的数据分发是目前车联网研究的热点问题。为此,分别对车联网的概念、数据分发机制以及协作通信相关研究进行介绍与分析,并对目前研究工作中所存在的问题进行了总结。
杨林海[3]（2021）在《基于应用层的DDoS攻击模型与安全防御策略研究》文中指出为了针对目前具有较强隐蔽性的多向量应用层DDo S（Distributed denial of service）攻击方式,对应用层攻击的模型深入分析,提出了应用层发生的Do S（Denial of Service）攻击防御模型。通过构建并弹性获得吸收攻击所需的带宽容量和过滤攻击流量的网络架构以及基于云计算的虚拟防火墙安全策略,减少数据中心受到DDo S攻击的可能性。使用该攻击防御模型能够更好提高数据中心对应用层DDo S攻击的防御能力,改善网络环境。经过验证该模型能够显着提升网络系统的安全性能。
郑禄鑫,张健[4]（2021）在《云安全面临的威胁和未来发展趋势》文中研究指明随着云计算技术的广泛应用与发展,云安全的重要性也日益突出,针对云环境的攻击日益频发,相关的攻击技术和方法也不断升级换代。文章首先对云安全的发展现状进行总结,然后分别分析云架构各个层次面对的安全挑战以及目前的主要应对措施,分别从特征数据获取和特征处理两个维度,对目前云安全研究成果进行总结归纳与分析,指出相关技术的发展趋势。最后展望了云安全的发展前景,并且提出一个多云平台管理架构。
曹贞芳[5]（2021）在《基于假名交换的车联网隐私保护方法》文中研究指明智能交通是当前的一个研究热点,车联网是支撑智能交通的关键技术之一。车联网中,车辆之间、车辆和基础设施之间的通信采用专用短程通信技术,按照技术标准的规定,车辆周期性地广播含有车辆状态信息的信标消息。无线信道的开放性、信标消息的明文广播方式等因素,使得车联网面临安全与隐私问题。论文研究车联网中由于信标消息广播造成的车辆隐私泄露问题,重点关注基于假名交换的车联网位置隐私保护方法。车联网位置隐私面临的攻击包括假名匹配攻击和假名关联攻击,其中假名关联攻击分为语法攻击和语义攻击,论文采用实际数据集,仿真分析了三类攻击对位置隐私性能的影响。分析结果表明,当发生假名更换时,与假名匹配攻击和语法攻击相比,语义攻击可以取得更好的追踪结果,因此论文使用语义攻击作为假名关联攻击的实现方法。针对现有位置隐私保护方案无法有效抵御假名关联攻击的问题,论文提出一种基于假名交换的位置隐私保护方法。车辆根据预设的超车条件,自主决策假名交换的时机,并在假名交换期间广播含有虚假状态的信标消息。研究结果表明,所提出的位置隐私保护方法,在语义攻击下,可以保护车辆的位置隐私,给予车辆更多的自主性。使用假名交换保护位置隐私,给证书颁发机构带来了负担,导致系统面临单点故障和可扩展性差的问题,从而使假名管理面临挑战。针对这一问题,论文提出一种基于区块链的假名管理方法,使用区块链管理路边单元,防止路边单元篡改数据,并将假名管理任务分配给路边单元,以减轻证书颁发机构的负担,降低假名交换报备时延;为了减少计算开销,提出一种具有动态哈希门限的工作量证明共识机制。研究结果表明,所提出的假名管理方案可以降低假名交换的报备时延,提高吞吐量。论文提出的基于假名交换的位置隐私保护方法及基于区块链的假名管理方法可以保护车辆的位置隐私,减轻对证书颁发机构的依赖,实现假名交换的快速报备,具有较好的应用前景。
何彬[6]（2021）在《基于微服务架构的开放式教学系统设计与实现》文中提出
李莹[7]（2021）在《SELinux策略冲突检测算法的研究》文中认为
王莱[8]（2021）在《中医电子病历安全技术研究》文中研究表明
徐毓鑫[9]（2021）在《面向低时延的车联网边缘计算任务卸载及中继算法研究》文中研究说明近年来物联网一直是学术与工业上的研究热点,随着物联网的高速发展,越来越多的设备可以接入到无线通信网络中,设备之间的通信也变得更加复杂。车辆能够通过与其他车辆或者路边基础设施通信形成车辆边缘网络（Vehicle Edge Network,VEN）。VEN作为智慧交通的重要组成部分,为车辆行驶提供了实时信息,同时也为人们的生活提供了便利和安全保障。但是,由于车辆节点具有网络拓扑动态变化以及异构节点共存等特点,所以难以为所有通信提供稳定及时的信息传输服务。因此,为了解决上述问题,本文针对VEN中的车辆任务卸载以及任务数据中继展开了研究,主要工作和创新点如下:（1）由于VEN中车辆节点具有高速移动的特点,网络的拓扑结构频繁的发生改变,这会导致数据传输失败。为了降低由传输路径不稳定造成的延迟,增加交通数据的时效性,本文提出了一种基于D-S证据理论和LSTM轨迹预测的中继车辆选择方案。首先,通过历史可信度和剩余能量剔除不可信节点,并基于D-S证据理论选出当前可信度满足要求的车辆作为备选中继车辆。然后,所有备选车辆基于历史行驶数据使用长短期记忆网络（Long Short-Term Memory,LSTM）预测各自的行驶轨迹。最后,使用提出的中继车辆选择算法选出中继车辆传输数据。实验结果表明,该方案能够有效地预测车辆的行驶轨迹并选择出耗时最短的中继车辆,保障了传输链路的稳定性,有效地降低了传输时延。（2）针对车辆节点由于任务卸载和资源配置不合理造成的时延增加的问题,本文提出了一种基于进化算法的任务卸载和资源配置方案。首先,分别从用户车辆和MEC边缘服务器两个角度具体化完成任务的时延和能耗。然后,综合考虑时延和能耗的占比,定义新的成本函数来表示完成任务的消耗,并将问题转化为一个混合整数非线性规划问题（MINLP）。最后,使用进化算法通过初始化种群,变异,交叉,计算个体适应度,选择五个步骤对目标问题进行优化,迭代求得最优解。实验结果表明,通过本方法,可以基于实时的任务和资源情况,求得任务卸载的最优比例和资源配置的最合理方案。通过上述方法可以显着降低任务的传输时延和计算时延,提高服务质量。
胡皓翔[10]（2021）在《嵌入式目标检测平台架构设计与实现》文中认为随着深度学习目标检测研究越来越深入,相关技术正逐步赋能于嵌入式设备,为其提供更强的计算分析能力。深度学习环境部署和目标检测模型训练对于嵌入式开发人员存在着一定的行业门槛。当前,公交运营监控管理中也逐渐应用嵌入式目标检测。因此,为了降低深度学习目标检测技术的应用难度,本文提出了一个嵌入式目标检测平台设计方案,从而提供了一个具备较强通用性的、操作流程简便化的嵌入式目标检测平台,使其可以用于多种公交监控管理相关的场景。该平台同时具备设备管理和目标检测模型训练能力。本文主要研究内容有:1.设计一个适用于公交运营监控管理的嵌入式目标检测平台本文设计的该平台应兼具设备（车载、路侧等设备,下同）管理能力和深度学习训练测试能力的平台,可适用于嵌入式目标检测场景。本文设计的该平台应具备在线推送模型、配置文件、参数的能力;设备快速注册到平台的能力;具备视频和文本形式展示目标检测结果的能力;具备简化的统一的清晰的模型训练流程的能力。2.实现平台各功能模块并在实际场景中进行验证首先,本文实现的该平台主要分为四个模块:中心服务端、嵌入式端、文件服务器、转发服务器。中心服务端主要提供了平台所需的相关服务和同用户交互的能力;嵌入式端主要提供了嵌入式目标检测能力和接收命令、上传检测结果能力;文件服务器主要提供了模型和配置文件储存和管理能力;转发服务器主要提供了转发检测后视频流能力。接着,本文针对平台中的四个模块进行了功能测试和模块测试,证明该平台提供的相关能力的可用性和稳定性。最后,本文针对公交站台监控场景和车内拥挤度检测场景,利用该平台进行了场景测试,证明该平台可以满足公交运营监控管理场景的相关需求。3.设计一种级联特征检测算法,解决车内拥挤度检测场景问题首先,为评价车内拥挤度,本文设计了一种级联特征检测算法。该算法先通过目标检测算法得到场景中的关键目标,在经过中间连接块转化为掩模图,最后通过分类网络得到拥挤度评价结果。接着,本文进行了最优检测算法选择的实验,Yolov3以67.9%的准确率和68.0fps,在精度和速度的综合考虑下优于其他算法;本文又进行了最优分类网络选择的实验,AlexNet以82.7%的准确率和512.90fps,在精度和速度的综合考虑下优于其他网络。最后,本文选择Yolov3和AlexNet作为级联特征检测算法中的检测算法和分类网络。
二、通过V-GridFTP提高数据访问性能（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、通过V-GridFTP提高数据访问性能（论文提纲范文）
（2）基于协作通信的车联网数据分发综述（论文提纲范文）
| 0 引言 |
| 1 车联网的数据分发机制概述 |
| 1.1 基于V2V通信的数据下载分发机制 |
| 1.2 基于V2I通信的数据下载分发机制 |
| 1.3 基于V2X混合通信的数据下载分发机制 |
| 2 车联网的协作通信技术相关研究 |
| 2.1 基于单一通信模式的协作通信机制 |
| 2.2 基于V2X通信模式的协作通信机制 |
| 2.3 考虑经济行为的协作通信机制 |
| 3 现阶段所存在的问题与未来展望 |
| 3.1 下载时延过长 |
| 3.2 车辆移动模型与实际场景贴合度过低 |
| 3.3 节点利用率低 |
| 3.4 不考虑成本问题 |
| 4 结语 |
（3）基于应用层的DDoS攻击模型与安全防御策略研究（论文提纲范文）
| 0 引言 |
| 1 Do S/DDo S攻击 |
| 1.1 历史上最大容量的DDOS攻击 |
| 1.2“勒索病毒”与DDo S攻击 |
| 1.3“阿拉伯之春”攻势 |
| 1.4 物联网和DDo S攻击 |
| 2 应用层DDo S攻击模型 |
| 2.1 Slow Loris攻击 |
| 2.2 RUDY攻击 |
| 2.3 XML攻击 |
| 2.4 其他攻击 |
| 3 应用层典型DDo S攻击工具分析 |
| 3.1 HOIC |
| 3.2 PyLoris |
| 3.3 Tor's Hammer |
| 3.4 GoldenEye |
| 4 应用层攻击防御 |
| 4.1 基于硬件的防御策略 |
| 4.2 基于云服务的策略 |
| 4.3 虚拟化防火墙策略 |
| 4.3.1 安全问题的迁移变化 |
| 4.3.2 虚拟化防火墙部署架构 |
| 4.3.3 分布式部署和流量可视化 |
| 5 DDo S攻击演变趋势分析 |
| 6 结束语 |
（4）云安全面临的威胁和未来发展趋势（论文提纲范文）
| 0 引言 |
| 1 云环境威胁模型和面临的安全挑战 |
| 1.1 威胁模型 |
| 1.2 云环境面临的新挑战 |
| 2 云安全现有解决方法 |
| 3 云安全未来发展趋势 |
| 3.1 特征数据获取 |
| 3.2 特征数据处理 |
| 3.3 未来发展趋势 |
| 4 结束语 |
（5）基于假名交换的车联网隐私保护方法（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网位置隐私 |
| 1.2.2 位置隐私问题及其研究现状 |
| 1.2.3 假名管理问题及其研究现状 |
| 1.3 论文研究内容与贡献 |
| 1.3.1 研究内容 |
| 1.3.2 研究成果 |
| 1.4 论文章节安排 |
| 第2章 车联网位置隐私攻击方法分析 |
| 2.1 车联网概述 |
| 2.1.1 车联网系统架构 |
| 2.1.2 车联网协议及信标消息 |
| 2.2 攻击方法分析 |
| 2.2.1 假名匹配攻击 |
| 2.2.2 假名关联攻击 |
| 2.3 仿真结果与分析 |
| 2.4 本章小结 |
| 第3章 基于假名交换的位置隐私保护方法 |
| 3.1 系统模型与问题描述 |
| 3.2 虚假超车方案 |
| 3.3 仿真结果与分析 |
| 3.3.1 最大连续追踪周期比 |
| 3.3.2 对车联网系统的影响 |
| 3.3.3 通信代价 |
| 3.3.4 反转超车攻击 |
| 3.4 本章小结 |
| 第4章 基于区块链的假名管理方法 |
| 4.1 预备知识:区块链技术 |
| 4.1.1 区块链结构及其分类 |
| 4.1.2 共识机制 |
| 4.2 基于区块链的假名管理方法 |
| 4.2.1 方案架构 |
| 4.2.2 假名分发 |
| 4.2.3 假名交换 |
| 4.2.4 假名解析和回收 |
| 4.3 改进的POW机制 |
| 4.4 仿真结果与分析 |
| 4.4.1 仿真工具 |
| 4.4.2 系统吞吐量和交易时延 |
| 4.4.3 假名交换开销 |
| 4.4.4 计算开销与通信代价 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 研究工作展望 |
| 参考文献 |
| 作者简历及攻读硕士期间所取得的科研成果 |
（9）面向低时延的车联网边缘计算任务卸载及中继算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 相关理论和技术 |
| 2.1 车联网相关技术概述 |
| 2.1.1 专用短程通信技术 |
| 2.1.2 车联网体系结构 |
| 2.1.3 车联网关键技术 |
| 2.1.4 路由协议 |
| 2.2 MEC相关技术概述 |
| 2.2.1 计算迁移 |
| 2.2.2 边缘缓存 |
| 2.3 本章小结 |
| 第三章 基于D-S证据理论和LSTM轨迹预测的中继车辆选择算法 |
| 3.1 引言 |
| 3.2 系统模型和问题定义 |
| 3.2.1 网络模型 |
| 3.2.2 问题定义 |
| 3.3 基于D-S证据理论的备选车辆选择方案 |
| 3.3.1 历史可信度和剩余能量计算 |
| 3.3.2 基于D-S证据理论的节点判断方案 |
| 3.4 基于LSTM轨迹预测的中继车辆选择算法 |
| 3.4.1 基于LSTM的车辆轨迹预测 |
| 3.4.2 基于轨迹预测的中继车辆选择算法 |
| 3.5 实验结果及分析 |
| 3.5.1 数据处理 |
| 3.5.2 实验结果 |
| 3.6 本章小结 |
| 第四章 基于进化算法的车辆任务卸载及资源分配方案 |
| 4.1 引言 |
| 4.2 系统模型 |
| 4.3 问题定义 |
| 4.3.1 本地的处理成本 |
| 4.3.2 MEC服务器的处理成本 |
| 4.3.3 总成本及问题定义 |
| 4.4 基于进化算法的目标问题优化 |
| 4.5 实验结果及分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（10）嵌入式目标检测平台架构设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状及分析 |
| 1.3 论文的内容及章节安排 |
| 第二章 相关技术 |
| 2.1 中心服务端相关技术 |
| 2.1.1 前端相关技术 |
| 2.1.2 后端相关技术 |
| 2.2 嵌入式端相关技术 |
| 2.3 模块间通信技术 |
| 2.4 目标检测相关算法 |
| 2.4.1 SSD算法 |
| 2.4.2 YOLO算法 |
| 2.4.3 相关分类网络 |
| 2.5 本章小结 |
| 第三章 嵌入式目标检测平台架构设计 |
| 3.1 嵌入式目标检测场景需求分析 |
| 3.2 嵌入式目标检测平台架构 |
| 3.3 嵌入式目标检测平台分模块设计 |
| 3.3.1 目标检测平台中心服务端 |
| 3.3.2 嵌入式目标检测端 |
| 3.3.3 平台辅助服务端 |
| 3.4 模型、文件和参数推送模块设计 |
| 3.5 设备快速部署模块设计 |
| 3.6 检测结果评估模块设计 |
| 3.7 训练测试模块设计 |
| 3.8 其它功能模块设计 |
| 3.9 本章小结 |
| 第四章 嵌入式目标检测平台实现 |
| 4.1 嵌入式目标检测平台接口设计 |
| 4.1.1 平台中心服务端微服务接口 |
| 4.1.2 嵌入式目标检测平台实体存储格式 |
| 4.1.3 中心服务端SofaRPC服务接口 |
| 4.1.4 目标检测视频流地址格式 |
| 4.1.5 MQTT上传与下发消息格式 |
| 4.1.6 模型、配置文件存储地址 |
| 4.2 嵌入式目标检测平台分模块功能测试 |
| 4.2.1 目标检测平台中心服务端 |
| 4.2.2 嵌入式目标检测端 |
| 4.2.3 平台辅助服务端 |
| 4.3 模型、文件和参数推送模块实现 |
| 4.4 设备快速部署模块实现 |
| 4.5 检测结果模块实现 |
| 4.6 训练测试模块实现 |
| 4.7 其他功能模块实现 |
| 4.8 本章小结 |
| 第五章 系统验证 |
| 5.1 平台部署 |
| 5.2 公交站台场景验证 |
| 5.2.1 场景概述 |
| 5.2.2 平台应用 |
| 5.3 车内拥挤度场景验证 |
| 5.3.1 场景概述 |
| 5.3.2 算法设计 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 |
| 致谢 |
四、通过V-GridFTP提高数据访问性能（论文参考文献）
- [1]大规模图神经网络系统综述[J]. 赵港,王千阁,姚烽,张岩峰,于戈. 软件学报, 2022(01)
- [2]基于协作通信的车联网数据分发综述[J]. 马芳菲,汪淑娟. 电视技术, 2021(11)
- [3]基于应用层的DDoS攻击模型与安全防御策略研究[J]. 杨林海. 江西科学, 2021(05)
- [4]云安全面临的威胁和未来发展趋势[J]. 郑禄鑫,张健. 信息网络安全, 2021(10)
- [5]基于假名交换的车联网隐私保护方法[D]. 曹贞芳. 浙江大学, 2021(01)
- [6]基于微服务架构的开放式教学系统设计与实现[D]. 何彬. 重庆邮电大学, 2021
- [7]SELinux策略冲突检测算法的研究[D]. 李莹. 哈尔滨工业大学, 2021
- [8]中医电子病历安全技术研究[D]. 王莱. 广州中医药大学, 2021
- [9]面向低时延的车联网边缘计算任务卸载及中继算法研究[D]. 徐毓鑫. 南京信息工程大学, 2021(01)
- [10]嵌入式目标检测平台架构设计与实现[D]. 胡皓翔. 北京邮电大学, 2021(01)