云Trust-Driven分层分享物联网信息资源的方法

文摘

信息共享时间短是一个亟待解决的问题,在传统的互联网。因此,本文提出一种物联网共享结构的层次化仿真框架,相信云开互联网信息资源共享。通过设置阈值和迭代调整参数,构造一个互补判断矩阵得到最小非负偏差值和最优权向量。本文排序根据网络信息安全模型的价值,避免人工干预获得最优模型,并设计了信息资源获取过程,以确保源数据的可靠性。我们使用无线电频率识别(RFID)预处理设备的大规模异构物联网中的数据。在一个资源有限和异构的网络环境是充分考虑,以信任为基础的自适应检测算法是用来评估的可信度trust-driven算法层次信息资源共享服务的云环境物联网。我们提出一个云trust-driven层次信息资源共享网络信息资源模型。首先,分层信息资源共享的主要特征进行了分析。然后,建立分层信息资源共享模型通过使用特定的约束,信任陡度函数,云信任评估标准,和信任约束系数。最后,物联网系统设计的一个例子来验证该模型的有效性。 Experimental results show that, compared with the traditional model or algorithm, this model has a good hierarchical sharing effect of the underlying resource information.

1。介绍

信息资源中心是中心之间的通信和信息系统;也就是说,信息资源是信息资源的收集中心。其中,最重要的功能是信息的集中管理和存储,从而实现信息集中的好处(1]。物联网需要共享大规模数据方便用户的使用,但传统服务器的处理能力已经无法满足现阶段的发展需要(2]。数据的整体存储规模大,传统的网格技术问题,如缺乏资源的利用率,运行速度慢,等等。如何有效地集成和共享这些资源已成为当前研究的一个热门话题。

这种技术主要是研究从两个方面:一是对底层技术的研究,包括RFID设备相关的物联网,莎凡特的中间件,和受信任的查询机制,提取模型的物联网资源搜索网站。第二个是研究互联网或资源的管理以及如何进行调度和计算。这项研究是基于trust-driven机制。通过上述研究,安全定位动态信息下的物联网控制在某种程度上,便于控制和独一无二的。本研究促进动态演化机制更加完善和合理,驾驶,这种机制的信任关系网络的底层资源(3]。在这种复杂的环境中,RFID和互联网共享底层安全机制。这仍然有问题,底层网络不能连接,驱动系统和信任机制导致分离,之间没有统一的通信协议标准信息资源共享。(4,5]。因此,仍有很长的路要走在上述研究和最终目标之间的理想的分层网络信息资源共享的东西。这仅仅是第一步的研究,特别是在动态的描述trust-driven算法,主要针对多畴的协作。

相关研究表明,大多数的信息资源中心服务器利用率仅为10%;主要原因是较小的服务器负载和应用程序的一部分单位非常单一,甚至一些空闲状态服务器,这些服务器需要动态调整,以提高服务器的利用率。针对这些问题,本文提出了一个物联网的信任云驱动方法的分层信息资源共享,与trust-driven平台设计,并通过计算算法,粒子群算法快速实现资源共享,仿真证明,该方法有效的克服了传统方法的不足,更满意的结果。利用显式信息的优势资源和隐藏的信息资源(即。,underlying code) are closely combined with the Internet of Things system, the information resource model of layered sharing of underlying generic information resources driven by cloud trust in the Internet of Things is realized to a certain extent. The first part of the paper is the introduction, the second part introduces the relevant work, the third part studies hierarchical sharing of information resources in the Internet of Things, and the fourth part analyzes the results. The fifth part is the conclusion.

2。相关工作

物联网(物联网)是新一代信息网络集成射频识别技术和传感器技术基于感应设备到互联网。分层共享技术信息资源已成为一个热点话题在物联网的研究[6,7),使商品的信息准确、安全、有效地定位和查询。目前,物联网和底层信息资源信息资源共享分层技术的研究主要集中在两个基本方面:一是关于物联网RFID中间件(莎凡特8),层次结构,发现9,10RFID信息服务,值得信赖的查询机制(11),和互联网信息资源中心的识别命名或信息资源共享分层模型12];等底层技术研究提出了网络信息资源共享的最具代表性的分层模型;第二个是研究trust-driven管理和网络资源或云资源调度算法(13]。

上述研究更好的改进的动态演化机制trust-driven网络的底层资源之间的关系,从而实现动态信息资源的安全定位多变的和无法控制的物联网环境在一定程度上。但总的来说,这些研究仍然偏重传统互联网信息资源在信息资源共享层,由于网络资源的高复杂性,基于RFID和互联网信息资源共享的底部层技术难以有效实现在复杂的网络环境14];总的来说,信任的驱动机构和互联网的底层系统,通信协议,和信息资源共享分层取向标准并不统一,底层单独编码不一致,信任函数定义,等等。因此,相比之下,分层研究的总体目标物联网信息资源共享,上面还比较初步的工作。特别是,trust-driven算法的动态描述的多畴的合作不足,甚至很少有研究在泛型或相对较低层次技术物联网资源的信息资源共享。

云计算代表计算模型对互联网的发展(当前物联网支撑环境)。在开放的云环境中,RFID可以阅读大量的物品标记速度快,反应时间短,可满足实时和安全需求的基础信息资源共享层物联网。因此,云计算将产生重大影响的计算环境和应用模式的物联网15,16]。信任基于云驱动机制,另一方面,作为关键技术之一的云资源调度和管理,有效地支持信任决策过程的信任,更好的解决模糊性和不确定性的表达信任问题17];底部信息资源共享、网络信息资源的分层研究中发挥着越来越重要的作用。在多租户共享物理网络,网络资源竞争的出现是不可避免的;学术界主要研究基于虚拟网络的网络资源共享机制下的竞争。共享网络资源的传统方法是基于TCP流。假设所有的数据流在云数据中心是基于TCP传输模式。TCP流生成的虚拟网络的数量决定了网络带宽的大小可以获得在竞争激烈的环境中18,19]。如果一个云租户的应用程序生成更多的TCP流量,那租户将得到更高的带宽,这显然是不公平的其他云租户。如果云租户产生UDP流,UDP是无连接的服务,抢占带宽资源和影响其他云网络服务经验的租户(20.]。为了确保一定程度的公平,公平的带宽上的学术界进行研究与虚拟机的粒度共享方法,云服务和云租户虚拟数据中心,分别。公平的带宽共享方法的核心思想以虚拟机为粒度是实现分布式拥塞控制系统基于虚拟机监控程序和共享链路带宽比例根据链接上的所有虚拟机流量(21]。实现拥塞控制的方法是重写闲置的IP数据包报头。发送方是每个包的序列号;接收方确定端到端包丢失,链路拥塞状态,提供反馈给发送方。每个流的数据包发送速率计算基于发送方的重量。看门人基础上做了一些改进工作,提高了算法的定义链接分享比基于单一方面的重量发送方共同决定的方法,考虑发送者和接收者的重量(22,23]。考虑到虚拟网络分配的效率和网络资源的有效利用,启发式算法通常采用改善分配时间效率。根据不同数量的映射阶段,它可以分为两类:两级映射(24,25)和单级映射(26,27]。两级映射分为两个阶段:节点映射和链接映射。节点映射后,链接映射完成。节点映射是指虚拟机映射到适当的物理主机,而链接映射是指虚拟虚拟机之间的联系在虚拟网络映射到物理链接。然而,传统的资源预订方法回复(28,29日),它提供了带宽租户之间的隔离,需要存储大量的资源在中间切换,这实际上是在大规模云数据中心并不可行,使用商品转向网络。此外,回复是一个静态带宽资源预订。由于云的动态特性,云租户应用程序的带宽需求动态变化,导致物理网络资源的浪费。因此,仍有很长的路要走在上述研究和最终目标之间的理想层次的共享信息资源在互联网的东西。这仅仅是第一步的研究,特别是在动态的描述trust-driven算法,主要针对多畴的协作。

3所示。层次的共享信息资源在互联网的东西

的数据结构,它可以分为两个平台在不同级别根据他们的功能,即信息平台和基础设施平台。图1显示了混凝土结构物理模型的信息资源中心。

在图1,底层是云信任和信息资源收集层,中间层是加载模型层,包括安全的传输环境中,数据采集、数据挖掘、负载平衡、等等,最上面一层是应用程序服务,包括可靠的信任,信息机制,分层的应用机制。根据不同的功能信息资源中心资源的物理模型的信息资源中心,设施的信息层可以调用计算资源,提供一定的环境基础数据的正常运行。根据相关分析,最重要的计算资源是服务器。服务器是网络环境中的高性能计算机30.- - - - - -34),负责听网络客户端提供的服务请求,并提供相应的服务。因此,整个服务器必须有一个好的能力承办和担保服务。下面的基本模型是完全理解服务器构建的,通过这个公式。

(1)服务器参数设置显示参数需要考虑服务器的设计过程: (1)服务器类型。有许多类型的服务器,所以有不同的分类标准。最常见的一种分类标准是由服务器结构分类。(2)约柜。信息资源中心,服务器的选择首先需要考虑服务器的规模和功耗,等等,因为信息资源中心通常使用大型专用空间统一的部署和管理,所以选择标准尺寸的内阁服务器。(3)服务器的综合性能。服务器数据吞吐量和稳定性有严格的要求,其中CPU是一个综合指数来衡量服务器的性能以及中央服务器的系统。信息资源中心可以根据不同的要求配置的服务器。(4)工作环境要求。由于服务器和其他相关设备在操作的过程中,它将形成一个更大的热量。为了确保这些数据的安全性和可靠性,有必要提供设备的正常操作温度。

采用ADP的相关思想,构建信息资源的分层模型。整个信息资源模型分为时间模型、Web负载模型和信息资源中心转移模型。最重要的是时间的函数模型是获取信息资源的具体演化过程和信息在信息资源中心。

3.1。时间模型

服务器中心的信息资源发挥了非常重要的作用,因此形成相应的服务器模型是非常重要的,对于一个服务器,一个模型的过程似乎很简单,但当大型异构服务器一起使用时,模型的形式将是非常困难的,所以我需要把服务器和分区。

在区划过程之后,得到服务器的位置属性。的建模过程在下面详细的信息资源中心。首先,需要获得服务器的重要属性来描述服务器的资源状态的变化通过属性,然后确定具体规则的服务器使用约束属性向量空间的价值。内容的具体形式的模型如下:

3.2。Web负载模型

根据ADP的建模思想,任务请求可以被看作是系统的信息资源,因为信息资源中心处理的任务负载请求信息。因此,重点是云信任驱动程序作为建模的基础。通过以上相关分析,可以看出,在大多数的服务器数量模型是由循环的峰值负载在这个阶段。因此,在每个长周期的开始,需要预测的峰值负载从历史数据。其中,负载任务模型不同方面的需要描述多个属性,包括负荷的静态属性和动态属性的任务。任务的运行状态可以通过属性向量,详细描述和任务执行的约束规则也可以定义。

以下细节给web负载模型的形式:

3.3。信息资源中心传输模型

信息资源中心,建筑设施提供一定的工作环境。以下是详细描述建立信息资源中心的传输模型。

此外,在模型建立的过程中,不仅具体名称的信息资源中心,而且物理位置,面积,计算机房的楼层总数,应考虑服务器的连接。

通过上述模型的建设,分层实现了信息资源共享平台的研究。为了优化平台的性能,过早收敛模型中应该考虑和避免的。

4所示。层次的共享信息资源在云物联网由信任

在云环境中,最重要的是要实现目标和网络连接是建立物联网编码的目标。作为底层的信息资源的载体,它有一个层次结构,显式和隐式,可以说是数字信息化的根本目标。主要实现通过数据挖掘技术,通过射频识别和数字信息技术的使用使人们能够通过网络访问网络。编码的功能层次结构映射解决项目地址完全通过最大化的跟踪细节编码在云环境中,这是不断变化和跨域。为了表现形式丰富且相对固定的模式,需要表达的基本目标代码的固有信息完全和合作。在很大程度上,物联网限制各种传感设备的计算和存储资源,如射频识别装置和其他节点。此外,数据计算和存储的效率与特定的功能或相对轻量级应该改进,如可穿戴的智能设备。因此,大量的异构物联网中的数据需要分类和其他操作。

考虑到异构网络资源是有限的,物联网中的正常节点将合法的在网络上发布消息,而恶意节点将非法发布消息,无论是真是假,在网络上。传统的静态安全机制,以防止恶意节点发布虚假新闻以及恶意篡改的网站真正的新闻,将添加一个消息身份验证代码发送到真实消息的发布在互联网上,这样我们就可以方便地确认数据源和中继节点认证,实现可靠的数据完整性,在最大的程度上,禁止虚假新闻。然而,这种机制不适合物联网环境中,这是动态的和低功耗。此方法需要中继节点对所有消息进行身份验证,这是非常昂贵和浪费资源。

提出了一种自适应检测算法来检测是否有网络中的恶意节点,和整体节点的信任值大于阈值的信任。具体的算法流程如图2。

整体的系统可以直接返回节点信任值的不足或信任阈值。相反,回报周期,但这段时间不是固定的,但随机的。信任阈值的作用是分解中继节点的值,使数据源认证是否接收到消息。如果该值设置得太大,不能扮演节约节点的角色。相比之下,恶意数据攻击节点不能被检测到。因此,它仍然需要设置根据实际网络的需要。

在架构上,物联网是由三部分组成:感知层,网络层和应用程序层。底层是传感层,它是由传感器和传感器网络。中间一层是网络层,主要由移动通信网络和互联网。最上面一层是应用层,指智能操作和智能处理。传感层组成的传感器节点,传感器网关、无线传感器网络。主要完成了监测病人节点形成一个无线传感器网络自组织的形式和传输监测数据传感器网关完成信息的收集。网络层是由互联网、移动通信网络、信息中心和管理中心。网络层传输信息的感知层获取的信息管理中心通过无线通信和有线通信的传输和处理。应用程序层实现数据的智能处理,使用电脑或掌上电脑随时查看数据,根据病人的实际情况采取适当的措施。

物联网可以捕获的计算、存储和云计算处理能力的信息。互联网服务提供商可以处理数千万甚至数十亿的信息在几分之一秒,实现超级计算机一样的权力,和用户需求,可以使用这些服务实现的梦想提供计算工具。

云计算服务分为“基础架构即服务”(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)的水平。IaaS云计算服务的基本层,它封装了基本的资源服务。PaaS负责动态资源扩展和容错管理;SaaS是顶层的云计算服务封装特定应用程序作为服务软件功能。云计算技术系统可分为四层:物理资源层、虚拟资源层、管理中间件层和服务接口层。物理资源层提供物理设施服务,如服务器集群、内存、网络设备、数据库、软件、等虚拟化层将相同类型的资源集成到一个同质资源池,如计算资源池、存储资源池、等管理中间件层负责资源管理、任务管理、用户管理和安全管理。服务接口层封装了云计算能力成标准web服务的服务。

云环境管理水平,也被称为中间层,主要用于输入目标编码转换成明确的资源。这个操作需要的支持开放的云环境中快速实现系统资源的搜索和评价。物联网环境的最高水平。主要定位目标的编码信息名称,标识的基本信息,然后使用射频识别设备和专家中间件来识别形成电子注(电子代码)编码在物联网环境下的项目。基于云计算的层次的共享信息资源trust-driven结构如图3。

从图可以看出3这个模型的实现过程如下:首先,项目的信息收集;的电子标签或电子代码项应当形成,和云环境中的资源进行搜索。然后,分层服务物联网环境下的信息资源共享是必需的。跨领域和不断变化的环境,但是这种服务的支持下完成射频识别设备和专家中间件,然后明确项目编码的信息识别和处理。层次结构是合规的树。为了确保信息的兼容性和完整性,有必要检查项目的源地址在互联网的事情,以跟踪目标的基本信息编码到最大程度。这需要信任的物联网中的信息是基于信任驱动机制,然后看不见的信息标识下射频识别设备。最后,通过反馈结果有效地评估模型在云环境中,这是层次服务的信息资源共享。大量的对话框控制功能在IRAMCTDIOT信息资源共享层仍然需要通过沟通提供管理模式实现许多对话框控件的功能。

5。结果分析

Cooja网络模拟器用于模拟,Contiki操作系统下进行。基于散列的消息身份验证模式生成的消息验证码最小可识别的信号(HMAC MDS)算法,并验证数据源结合TinyDTLS图书馆。

在仿真的过程中,信息延迟是不考虑。以前的信任的重要性值在当前信任值是一样的,新生成的信任值,所以重量系数设置为0.7。为了全面评估节点的总体信任值,避免错误的判断造成的高比例的直接经验值,整体正常节点的信任值的下降mistransmission造成的信息可以忽略在模拟。有三种类型的攻击,攻击模式和系统防御模式如表所示1。

受到攻击1型,共享的两种机制进行比较和分析,结果如图所示4。从图可以看出4,额外的攻击,最大共享时间是29年代的点击顺序物联网信息登录。acpx5使用传统的方法。当物联网信息的点击顺序登录。acpxl,最短的分享时间是9.2秒。使用共享机制研究,分享时间最长的是78年代的点击顺序login.acpx6物联网信息。当物联网信息的点击顺序登录。acpxl和登录。acpx9,最短的分享时间是42。

实验集中在特定的约束条件增加,信任约束系数之前和之后,相信陡度函数改进前后,云信任评估标准来改善系统的性能之前和之后的变化,整体体现在基础信息资源共享一个分层的信誉,准确性(级),没有冲突和融合,实时变化的编码统一等性能指标。事实上,这意味着要达到以下实验结果:表达的一对一的约束分层服务的信息资源共享与特定的约束,以避免分层信息资源共享冲突。为了解决低信任的问题,底层之间的信任值所表达的信息资源共享层次服务是云信任评估标准。多畴的协作的动态描述trust-benefit所表达的功能。信任约束系数是用来表达约束之间的信任关系层次服务的信息资源共享和底层的信息资源和信息资源共享的层次信任约束底层信息资源是动态添加或删除。实验综合各种模型和算法的性能比较结果,如表所示2。

从表2相比,实验结果表明,与传统的信托收益函数和云可信度评估标准,提高信任效益函数和云可信度评估标准信息资源共享分层服务的可信度,准确性,任何冲突都有良好的效果,实现了动态多畴的协作性的描述,并解决模糊性和不确定性的表达信任问题。这也反映了实际增加后的某些约束条件基础信息资源共享服务一对一约束分层和底层信息资源的动态添加或删除的信任约束,解决缺乏主观信任云的约束条件的驱动机构的信息资源共享分层之间的矛盾冲突和低信任。

从图可以看出5,整个系统负载的增加,新方法的平均等待时间也会增加。具体来说,优先级越高,等待时间越短,而优先级越低,等待的时间越长。在相同的总系统负载,等待时间正比于优先级,优先级越高,越早将得到系统响应。与传统算法相比,平均等待时间显著减少,这主要是因为算法分类请求,并提高了系统的并行性,而传统的算法仅进行简单的先购票处理请求,只有保证绝对公平和小注意调度效率。与传统算法相比,两种算法的结果往往是一致的,当负载低。然而,当负载增加时,新算法的平均等待时间的变化,主要是因为队列进行排序和high-comprehension QoS请求优先。因此,在确保服务公平性的前提下,本文提出的模型可以确保高优先级服务优先级系统资源,在一定程度上解决资源的优化配置。

图6显示平均最优程度的服务。每个组的实验结果是系统负载成反比,年级越低,变化趋势越明显。与SQOSM算法相比,新算法的平均最优服务程度维持在一个较高的水平,这是由于根据请求的分类和调度新算法和优先级的优先级处理的紧急请求,以确保系统的个性化需求。与MQOSM算法相比,平均和最优服务系统的各种类型的减少更少,这是由QoS的加工过程信息保真度。它可以看到从图6各种各样的结果高于84%,和综合值是93%。因此,这个模型可以适当满足用户的个性化需求。

为了进一步验证该方法的优越性,10个不同的数据密集型访问服务被设计通过比较服务请求的成功率与原来的两个算法,并仿真结果比较,如图7。

请求的优先级服务往往是相同的。从图可以看出7服务请求的成功率的三个算法在第一个实验中大致相等,等于98.8%。然而,当优先级更高的服务请求正逐渐增加,之间有显著差异的成功率原始算法和该算法。只从第六实验中,可以观察到原始算法的成功率接近98.7%,而该算法的成功率高达99.5%。这充分表明该算法在本文中也扮演着重要的角色在第一个分类服务请求,然后处理在队列中的信息,最后回应请求高综合QoS。所有的10个仿真实验表明,该算法的平均成功率高于传统的“先来先得”的策略。

图8显示每个D2D设备的速率比较图当第三和第四D2D提出QoS服务需求。从图不难看出,当第三和第四的QoS D2D设备低,这样第三和第四的QoS D2D设备是6位/ Hz / s,它可以实现对每个D2D即使没有约束。当D2D QoS约束大,然后牺牲没有QoS约束,D2D设备性能满足D2D切换设备的服务质量。同时,指出,当QoS从12位/ Hz / s到18位/ Hz / s,性能的第一个第三D2D D2D生成的保护性能急剧下降,甚至几乎为零。这告诉我们,在实践中,我们需要小心使用D2D QoS需求的设备;否则,其他D2D设备的性能将急剧下降的保护用户的QoS要求,甚至沟通将无法实现。

6。结论

层次的共享信息资源的物联网信息研究,并仿真主要研究创新的机制。物联网信息是由100的信任,主要实现远程共享数据库信息的物联网架构,并实时共享。用户体验可以实现通过吸引100信托。在自组织网络中,本文提出的方法具有较高的动态特性之间的联系对象,结果在很短的一生。因此,在这种环境下实现高效的数据传输是一个将来需要进一步研究的问题。基于特定的约束和限制,信任云的信任值驱动方法使分层信息资源共享服务位置准确;没有冲突到明确的信息资源和隐性信息资源(即各级。,the underlying code), thus embodying the driving mechanism of trust cloud and closely combining the advantages of the Internet of things system, to some extent to achieve the cloud trust-driven IoT underlying the general model of hierarchical information resources sharing of information resources. But, given the height of the Internet of things system complexity, the model design of the Internet of things based on the proposed hierarchical information resource sharing system may not apply to all of the information resources of stratified sharing service; sharing service of information resources management and evaluation of communication research is still insufficient; this also is to continue the research direction.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

引用

1. 罗h . t . Wang, w·贾,a . Liu和m .谢,“太:一个聪明的信任评估计划sensor-cloud-enabled工业物联网”IEEE工业信息,16卷,不。3、2054 - 2062年,2020页。视图:出版商的网站|谷歌学术搜索
2. C ZhangG。曾和h . Wang”修正:层次化资源调度方法使用改进的布谷鸟搜索算法为物联网,”对等网络和应用程序,13卷,不。3、1606 - 1614年,2020页。视图:出版商的网站|谷歌学术搜索
3. 美国μ和z中,“计算卸载边缘云在物联网和动态资源共享的合作者,”EURASIP无线通讯和网络》杂志上,卷2020,不。1,第12698 - 13684页,2020。视图:出版商的网站|谷歌学术搜索
4. r·r·达尔维什“congestion-aware decision-driven架构以信息为中心的物联网应用,”国际期刊《计算机和应用程序,没有。3,31-44,2020页。视图:出版商的网站|谷歌学术搜索
5. c·p·p·Jayaraman佩雷拉,d . Georgakopoulos s Dustdar d . Thakker r .野生动物,“Analytics-as-a-service多重云环境中通过semantically-enabled分层数据处理,”软件:实践和经验卷,47号8,1139 - 1156年,2016页。视图:出版商的网站|谷歌学术搜索
6. h . Ning, h·刘,l·t·杨”Aggregated-proof在物联网基础等级身份验证方案,“IEEE并行和分布式系统,26卷,不。3、657 - 667年,2015页。视图:出版商的网站|谷歌学术搜索
7. A . Akbarzadeh m .到了b . Zahednejad A . Payandeh和m . r .奥”物联网的一个轻量级的等级身份验证方案,“环境智能和人性化计算杂志》上,10卷,不。7,2607 - 2619年,2019页。视图:出版商的网站|谷歌学术搜索
8. 周x t徐,施问:“高速公路边坡稳定性研究基于分层模糊综合评价方法,”IOP会议系列材料科学与工程卷,569年,第32024 - 32003页,2019年。视图:出版商的网站|谷歌学术搜索
9. w·夏,j . Zhang t . s Quek),美国,和h·朱,“移动边缘云工业物联网:改善与分层SDN优势智能控制器”IEEE车辆技术杂志,15卷,不。1,36-45,2020页。视图:出版商的网站|谷歌学术搜索
10. c .张、曾g和h . Wang“层次化资源调度方法使用改进的布谷鸟搜索算法为物联网,”对等网络和应用程序,12卷,不。99年,第1614 - 1606页,2019年。视图:出版商的网站|谷歌学术搜索
11. h·马>,“一个新的私人信息加密方法在物联网云计算环境下,“无线通信和移动计算,卷2020,不。6、文章ID 8810987, 51-59, 2020页。视图:出版商的网站|谷歌学术搜索
12. 宋,w . Na, j·金,“物联网智能制造系统:信任问题在资源分配,”IEEE物联网,5卷,不。6,4418 - 4427年,2019页。视图:谷歌学术搜索
13. y, s . Zhang l . Tang和y任,“大规模物联网网络资源分配基于小组ADMM,”IEEE访问,8卷,第57203 - 57192页,2020年。视图:出版商的网站|谷歌学术搜索
14. r .王妃,s·库马尔,Dohare,“信任评价传感器启用重量轻安全物联网:博弈论的方法,”IEEE物联网》第六卷,没有。5,8421 - 8432年,2019页。视图:出版商的网站|谷歌学术搜索
15. Sathish Kumar和m . a . Zaveri”层次聚类的动态和异构物联网,”Procedia计算机科学卷,93年,第282 - 276页,2016年。视图:出版商的网站|谷歌学术搜索
16. 周五m . s .倒,a . Mangino k . et al .,“数据驱动的管理、学习和分析推断发展物联网(物联网)僵尸网络在野生环境中,“电脑与安全卷,91年,第101723 - 101707页,2020年。视图:出版商的网站|谷歌学术搜索
17. b . Li x太阳,s . Yu”设计基于物联网传感器的信息门户使用SDN概念,“国际期刊的分布式系统和技术,10卷,不。1、24里面,2019页。视图:出版商的网站|谷歌学术搜索
18. 林x阴,s·李,y,“小说分层数据聚合与粒子群优化物联网,”移动网络和应用程序,24卷,不。6,928 - 944年,2019页。视图:出版商的网站|谷歌学术搜索
19. B.-N。燕,t·s·艾。李,陈宗柏。李:“映射的知识结构物联网(物联网)字段(2000 - 2014):co-word分析,“科学计量学,卷105,不。2、1285 - 1300年,2015页。视图:出版商的网站|谷歌学术搜索
20. e·a·Abdellaoui Alaoui, s . c . KOumetio Tekouabou, k . o . Tekouabou a . Gallais和s . Agoujil”DTN路由层次化拓扑的物联网,”Procedia计算机科学卷,170年,第497 - 490页,2020年。视图:出版商的网站|谷歌学术搜索
21. c .秦j . Du j . Wang和y任,“AUV辅助网络的分层信息采集系统水下的东西,“IEEE访问,8卷,第176100 - 176089页,2020年。视图:出版商的网站|谷歌学术搜索
22. h . y . Yang, d元et al .,“分层的基于极限学习机的图像去噪网络视觉Things-ScienceDirect联网,”应用软计算卷,74年,第759 - 747页,2019年。视图:出版商的网站|谷歌学术搜索
23. l .郭j . Wang和观测。邱:“有效的分层身份加密系统物联网基础设施,“对称,11卷,不。7,913 - 932年,2019页。视图:出版商的网站|谷歌学术搜索
24. j .他>,m·李”可证明的数据完整性的云存储服务,加强物联网的安全,”IEEE访问9卷,第6239 - 6226页,2018年。视图:谷歌学术搜索
25. k . Zhang s愣,y, s . Maharjan y张,“移动计算和网络边缘绿色和低延迟物联网”IEEE通讯杂志卷,56号5,39-45,2018页。视图:出版商的网站|谷歌学术搜索
26. Y.-T。李,W.-H。萧,Y.-S。林和研究所。t .周”,保护隐私数据分析与社区的层次结构,基于云计算的智能家居”IEEE消费类电子产品,卷63,不。2、200 - 207年,2017页。视图:出版商的网站|谷歌学术搜索
27. j . y .彭,a Tan吴,y Bi,“分层边缘计算:一种新颖的多源多维数据异常检测工业物联网方案,“IEEE访问7卷,第111270 - 111257页,2019年。视图:出版商的网站|谷歌学术搜索
28. 陈,h·温j .吴et al .,“基于物联网的智能电网计算智能支持的优势,”IEEE访问,7卷,不。1,第74102 - 74089页,2019。视图:出版商的网站|谷歌学术搜索
29. l, c .叮,m . Wu, k . Wang“健壮的假数据注入攻击的检测数据聚合在一个什么环境监测联网,”计算机网络,卷129,不。24日,第428 - 410页,2017年。视图:出版商的网站|谷歌学术搜索
30. j . a . Okoye即Achumba, k . c .奥卡福和o . Oparaku,“基线参数调查导致数据中心网络,交通拥堵的原因”在计算机科学中循环,1卷,不。1、21、2016页。视图:出版商的网站|谷歌学术搜索
31. W W x夏,m·沃兹尼亚克,x粉丝,r . Damaševičius李和y”Multi-sink分布式功率控制算法在煤矿Cyber-physical-systems隧道,”计算机网络卷,161年,第219 - 210页,2019年。视图:出版商的网站|谷歌学术搜索
32. f·c·w·李,桑托斯Delicato et al .,“系统建模和性能评估的三层云的事情,”未来一代计算机系统卷,70年,第125 - 104页,2017年。视图:出版商的网站|谷歌学术搜索
33. j·杨,j .周z Lv, w·魏和h的歌,“一个实时监控系统基于无线传感器网络的行业一氧化碳,”传感器,15卷,不。11日,第29546 - 29535页,2015年。视图:出版商的网站|谷歌学术搜索
34. 林y, j .杨z Lv, w·魏和h的歌,“一个自我评估立体捕获模型适用于物联网,”传感器,15卷,不。8,20925 - 20944年,2015页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Jianpeng张。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。