目錄
前言
第1章 緒論 1
1.1 物聯網發(fā)展歷程 1
1.2 物聯網體系架構 2
1.3 物聯網關鍵技術 4
1.3.1 信息感知層關鍵技術 5
1.3.2 物聯網接入層關鍵技術 5
1.3.3 網絡傳輸層關鍵技術 5
1.3.4 智能處理層關鍵技術 6
1.3.5 應用接口層關鍵技術 7
1.4 物聯網發(fā)展前景 7
1.5 物聯網面臨的挑戰(zhàn) 8
1.6 小結 10
參考文獻 10
第2章 自律計算概述 12
2.1 自律計算的基本概念 12
2.2 自律計算策略 13
2.3 自律計算現狀 15
2.4 自律計算應用 16
2.4.1 自律計算與態(tài)勢感知 16
2.4.2 自律計算與系統(tǒng)優(yōu)化 20
2.4.3 自律計算與風險評估 21
2.4.4 自律計算與系統(tǒng)配置 23
2.5 小結 25
參考文獻 26
第3章 認知物聯網概述 29
3.1 認知物聯網的起源 29
3.2 認知物聯網模型 30
3.2.1 基礎概念 30
3.2.2 鄰居關系矩陣 31
3.2.3 網絡性能目標 32
3.2.4 網絡容量與網絡負載 32
3.3 認知過程設計 33
3.3.1 三維認知網絡結構 33
3.3.2 三層認知環(huán) 35
3.3.3 異構性與協(xié)作性 36
3.4 認知物聯網的特點 39
3.5 認知物聯網的研究現狀 40
3.6 認知物聯網的發(fā)展趨勢 42
3.7 小結 43
參考文獻 43
第4章 認知物聯網自律感知模型 45
4.1 概述 45
4.2 認知物聯網安全態(tài)勢感知概述 45
4.3 物聯網安全態(tài)勢感知相關理論 46
4.3.1 安全態(tài)勢要素 46
4.3.2 安全態(tài)勢評估 47
4.3.3 安全態(tài)勢預測 49
4.4 物聯網安全態(tài)勢感知典型模型 50
4.4.1 JDL功能結構框架模型 50
4.4.2 Endsley態(tài)勢感知模型 51
4.4.3 Tim安全融合模型 51
4.4.4 NSAS通用框架模型 52
4.5 認知物聯網態(tài)勢自主感知模型 53
4.5.1 Agent協(xié)同層 55
4.5.2 傳感器和效應器 55
4.5.3 自律管理器 57
4.6 態(tài)勢提取 57
4.6.1 數據預處理 58
4.6.2 數據融合 59
4.7 自主響應 62
4.7.1 實時攻擊與評估 62
4.7.2 自主響應與決策 64
4.8 仿真實驗及性能分析 66
4.8.1 實驗方案及過程 66
4.8.2 實驗結果與分析 66
4.9 小結 69
參考文獻 69
第5章 認知物聯網自律感知策略 71
5.1 概述 71
5.2 相關工作 71
5.3 策略框架 72
5.4 特征提取 75
5.4.1 基于PCA的特征提取 75
5.4.2 選取主成分 76
5.5 基于神經網絡的安全事件感知算法 77
5.5.1 神經網絡基本理論 77
5.5.2 LM優(yōu)化的神經網絡 79
5.5.3 風險事件感知流程 81
5.6 仿真實驗結果與分析 81
5.6.1 基本配置 81
5.6.2 性能分析 82
5.7 小結 85
參考文獻 85
第6章 認知物聯網自主評估模型 87
6.1 概述 87
6.2 物聯網安全評估概述 87
6.2.1 認知物聯網安全評估指標 87
6.2.2 認知物聯網安全評估內容 88
6.3 物聯網安全風險評估的常用方法 89
6.3.1 定量分析法 89
6.3.2 定性分析法 89
6.3.3 綜合分析法 90
6.4 物聯網安全評估模型 91
6.5 事件檢測方法 93
6.6 云模型相關理論 94
6.6.1 一維正態(tài)云 94
6.6.2 多維正態(tài)云 95
6.6.3 云模型的數字特征 96
6.6.4 云發(fā)生器算法 97
6.6.5 多維云發(fā)生器算法 99
6.7 基于多維云的認知物聯網安全風險評估模型 99
6.7.1 風險級別和評估屬性概化 100
6.7.2 多維評判云模型 101
6.7.3 基于云模型的關聯規(guī)則 101
6.7.4 基于多維云的綜合風險評估 102
6.8 仿真實驗結果與分析 104
6.8.1 實驗過程 104
6.8.2 實驗結果 106
6.9 小結 108
參考文獻 109
第7章 認知物聯網自主評估方法 111
7.1 概述 111
7.2 云重心綜合評估方法 112
7.3 基于云重心的自主評估方法 112
7.4 基于GA-BPNN的態(tài)勢預測 115
7.4.1 態(tài)勢預測的BPNN結構 116
7.4.2 改進的GA優(yōu)化BPNN態(tài)勢預測模型 117
7.5 仿真實驗 118
7.5.1 態(tài)勢評估 118
7.5.2 態(tài)勢預測 121
7.6 小結 122
參考文獻 122
第8章 認知物聯網資源自適應查找方法 123
8.1 概述 123
8.2 網絡信息命名及解析研究現狀 124
8.3 IP地址查找相關技術 127
8.3.1 快速查找技術 127
8.3.2 高效更新技術 128
8.3.3 存儲壓縮技術 129
8.3.4 樹比特位圖 130
8.4 數據名查找方法 132
8.4.1 數據包轉發(fā)過程 132
8.4.2 名字查找技術 133
8.4.3 基于哈希函數的數據名查找 134
8.4.4 數據名的分層編碼技術 136
8.4.5 基于特里樹的名字查找 137
8.4.6 名字并行查找方法 138
8.5 問題分析 140
8.6 基于哈希編碼的名字查找方法 142
8.6.1 元素哈希編碼 143
8.6.2 狀態(tài)轉換陣列 145
8.6.3 陣列生成算法 146
8.6.4 實驗與性能分析 148
8.7 基于樹比特位圖的認知物聯網高效名字查找方法 150
8.7.1 BCT節(jié)點 151
8.7.2 BCT構建 151
8.7.3 BCT數據名查找 154
8.7.4 BCT更新算法 155
8.7.5 實驗性能與分析 156
8.8 小結 159
參考文獻 159
第9章 基于合作博弈的認知物聯網資源自主配置方法 162
9.1 概述 162
9.2 自組織路由技術概述 162
9.3 認知物聯網自組織路由相關理論 164
9.3.1 認知物聯網的路由認知過程 164
9.3.2 認知物聯網路由決策模型 165
9.4 自組織路由相關算法 166
9.5 問題分析 169
9.6 相關理論 171
9.6.1 認知物聯網拓撲結構 171
9.6.2 認知物聯網QoS參數 171
9.6.3 合作博弈理論 173
9.7 路徑QoS評價及收益計算 174
9.7.1 路徑QoS評價 174
9.7.2 收益計算 175
9.8 基于合作博弈的認知物聯網QoS路由算法 175
9.8.1 鄰居節(jié)點信息收集 175
9.8.2 路由發(fā)現 176
9.8.3 路由失效處理 177
9.8.4 路由刪除 179
9.9 仿真實驗及結果分析 179
9.9.1 仿真工具介紹 179
9.9.2 場景設置 180
9.9.3 仿真結果 180
9.10 小結 188
參考文獻 188
第10章 認知物聯網非均勻分簇路由自主配置方法 190
10.1 概述 190
10.2 相關理論 191
10.2.1 認知物聯網模型 191
10.2.2 能耗模型 192
10.2.3 信譽模型 193
10.3 信譽評估及信譽值計算 193
10.3.1 直接信譽 194
10.3.2 相對信譽 194
10.3.3 信譽值計算 195
10.4 基于信譽的認知物聯網非均勻分簇路由算法 195
10.4.1 簇首的競爭半徑 195
10.4.2 簇首的競爭權值 195
10.4.3 入簇的競爭函數 196
10.5 仿真實驗及結果分析 197
10.5.1 仿真工具介紹 197
10.5.2 場景設置 197
10.5.3 仿真結果 197
10.6 基于Stackelberg博弈的認知物聯網節(jié)點擇簇方法 200
10.6.1 問題引入 200
10.6.2 相關理論 201
10.6.3 基于Stackelberg博弈的認知物聯網節(jié)點入簇算法 203
10.6.4 仿真實驗及性能分析 208
10.7 小結 211
參考文獻 211
第11章 認知物聯網動態(tài)激勵機制 213
11.1 概述 213
11.2 傳統(tǒng)信譽管理模型 214
11.3 基于信譽的認知物聯網多域協(xié)作動態(tài)激勵機制 215
11.3.1 鄰居節(jié)點監(jiān)聽 215
11.3.2 節(jié)點信譽計算 216
11.3.3 節(jié)點收支計算 217
11.3.4 動態(tài)響應激勵 218
11.3.5 多域協(xié)作機制 218
11.4 仿真實驗及性能分析 219
11.4.1 仿真設置 219
11.4.2 性能分析 220
11.5 小結 223
參考文獻 223
第12章 認知物聯網自主調節(jié)策略 225
12.1 概述 225
12.2 相關工作 226
12.3 策略分析與建模 227
12.3.1 問題分析 227
12.3.2 安全指標提取 229
12.3.3 優(yōu)化模型 230
12.3.4 簇用戶協(xié)作 231
12.4 最優(yōu)資源配置 232
12.4.1 要素抽取及描述 232
12.4.2 局部優(yōu)化 234
12.4.3 感知層局部優(yōu)化 235
12.4.4 網絡層局部優(yōu)化 239
12.4.5 業(yè)務層局部優(yōu)化 239
12.4.6 全局調節(jié)算法 240
12.5 仿真實驗 244
12.5.1 層內優(yōu)化數學模型 244
12.5.2 各層安全要素初始值 250
12.5.3 層內優(yōu)化計算與測試 251
12.5.4 全局優(yōu)化計算與分析 254
12.6 小結 255
參考文獻 255