移动Ad Hoc网络节点合作激励策略的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61872205
  • 项目类别:
    面上项目
  • 资助金额:
    65.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0214.新型计算及其应用基础
  • 结题年份:
    2022
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2022-12-31

项目摘要

Motivating cooperation behaviors between nodes and restricting selfish behaviors are important for proper operations of mobile ad hoc networks (MANETs). For this purpose, most previous countermeasures rely on either reputation systems or price systems. However, these systems are not sufficiently effective in providing incentives for node cooperation separately, due to the threshold mechanism, aggregation scheme, reward method and etc. This project will study the variety of incentive strategies for node cooperation in MANETs, and try to construct a price system-aided reputation management system. Our researches include the following five aspects: in order to obtain the high-quality information for reputation evaluation and service transaction under the premise of low network overhead, we first put forward an effective mechanism for event monitoring and information collection; we subsequently construct a system for information aggregation and information query on the basis of distributed hash table theory, which is used to avoid frequent information exchange between nodes, and ensure reliable propagation and aggregation of information; then we propose a reputation management model, which can calculate an accurate reputation value for a specific node, and can have a strong ability for resisting reputation distortion attacks; furthermore, based on the reputation model, we design an account credit management mechanism. This adaptive mechanism solves the credit cycle problem, and realizes the fairness of reputation calculation and price calculation; with the guide of above theories, this new system is established, which provides positive feedback to the attachment network. We apply it to the pervasive social network to further enhance the security and availability of basic functions. Finally, the research contents are verified by the combination of system simulation and actual prototype application.
激励节点合作行为并抑制其自私行为对移动Ad Hoc网络而言至关重要,声誉系统和价格系统是目前最主要的两类解决方案,但两类系统中存在的阈值体系、聚合方案和奖励机制等问题往往导致它们无法单独提供有效的合作激励。本课题将深入研究该环境下的节点合作激励策略,构建一种价格系统辅助的声誉管理系统,研究内容包括:建立事件监测和信息采集机制,在较低网络开销下获取高质量的声誉评价信息和服务交易信息;研究基于分布式哈希表的信息收集和查询系统,避免节点间频繁的信息交换,保证信息可信传播和聚合;构建声誉管理模型,准确计算节点声誉值并具备较强的抗声誉失真攻击能力;设计声誉自适应的账户信用管理机制,解决信用循环问题,保障声誉计算和价格计算的公平性;新系统可为依附网络提供正向反馈,将其应用于普适社交网中以进一步保障网络基本功能的安全性和可用性。最终本课题将采用系统仿真与实际原型应用相结合的研究方案对上述内容进行验证。

结项摘要

如何有效应对节点的自私行为给移动Ad Hoc网络(Mobile Ad Hoc Networks, MANETs)带来的负面影响是一个亟待解决的问题,激励节点合作行为并抑制其自私行为对移动Ad Hoc网络而言至关重要,声誉系统和价格系统是目前最主要的两类解决方案,但两类系统中存在的阈值体系、聚合方案和奖励机制等问题往往导致它们无法单独提供有效的合作激励。本课题深入研究该环境下的节点合作激励策略,构建一种价格系统辅助的声誉管理系统,用以提高激励机制的有效性和网络系统的效率。研究内容包括:建立事件监测和信息采集机制,在较低网络开销下获取高质量的声誉评价信息和服务交易信息;研究基于分布式哈希表的信息收集和查询系统,避免节点间频繁的信息交换,保证信息可信传播和聚合;构建声誉管理模型,准确计算节点声誉值并具备较强的抗声誉失真攻击能力;设计声誉自适应的账户信用管理机制,解决信用循环问题,保障声誉计算和价格计算的公平性;新系统可为依附网络提供正向反馈,将其应用于普适社交网中以进一步保障网络基本功能的安全性和可用性。.新系统的核心设计方案为:将网内节点分层(高可信管理节点和普通事件监测节点),通过引入DHT分布式存储的思想将网络中普通节点的监测信息以文件的形式按照一致性哈希算法映射和储存到相应的高可信管理节点中进行声誉值和账户信用的计算和管理。模型中普通节点负责监测事件发生的过程并将声誉评估信息和服务交易信息上报,管理节点不但需要负责收集普通节点的上报信息,而且负责上报信息的汇总、聚合、计算、保存、更新操作,并在后期系统查询中给予应答。上述设计方案有助于两类系统的有效整合,保证两类评估信息的及时性、准确性和客观性以及信息交互过程的安全性。此外,依靠上述设计方案系统可以实现负载均衡的目的,有助于提升信息检索和查询的效率,最终达到保障系统可靠通信的目标。

项目成果

期刊论文数量(18)
专著数量(0)
科研奖励数量(0)
会议论文数量(6)
专利数量(5)
Robust Clustering Model Based on Attention Mechanism and Graph Convolutional Network
基于注意力机制和图卷积网络的鲁棒聚类模型
  • DOI:
    10.1109/tkde.2022.3150300
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Knowledge and Data Engineering
  • 影响因子:
    8.9
  • 作者:
    Hui Xia;Shushu Shao;Chunqiang Hu;Rui Zhang;Tie Qiu;Fu Xiao
  • 通讯作者:
    Fu Xiao
Generating Adversarial Examples with Shadow Model
使用影子模型生成对抗性示例
  • DOI:
    10.1109/tii.2021.3139902
  • 发表时间:
    2022
  • 期刊:
    IEEE Transactions on Industrial Informatics
  • 影响因子:
    12.3
  • 作者:
    Rui Zhang;Hui Xia;Chunqiang Hu;Cheng Zhang;Chao Liu;Fu Xiao
  • 通讯作者:
    Fu Xiao
An Attack-Resistant Trust Inference Model for Securing Routing in Vehicular Ad Hoc Networks
用于保护车载自组织网络中的路由的抗攻击信任推理模型
  • DOI:
    10.1109/tvt.2019.2919681
  • 发表时间:
    2019
  • 期刊:
    IEEE Transactions on Vehicular Technology
  • 影响因子:
    6.8
  • 作者:
    Hui Xia;San-shun Zhang;Ye Li;Zhen-kuan Pan;Xin Peng;Xiu-zhen Cheng
  • 通讯作者:
    Xiu-zhen Cheng
Modeling and Analysis Botnet Propagation in Social Internet of Things
社交物联网中僵尸网络传播的建模与分析
  • DOI:
    10.1109/jiot.2020.2984662
  • 发表时间:
    2020
  • 期刊:
    IEEE Internet of Things Journal
  • 影响因子:
    10.6
  • 作者:
    Hui Xia;Li Li;Xiang-guo Cheng;Xiu-zhen Cheng;Tie Qiu
  • 通讯作者:
    Tie Qiu
Two-Stage Game Design of Payoff Decision-Making Scheme for Crowdsourcing Dilemmas
众包困境支付决策方案的两阶段博弈设计
  • DOI:
    10.1109/tnet.2020.3018448
  • 发表时间:
    2020
  • 期刊:
    IEEE/ACM Transactions on Networking
  • 影响因子:
    --
  • 作者:
    Hui Xia;Rui Zhang;Xiangguo Cheng;Tie Qiu;Dapeng Oliver Wu
  • 通讯作者:
    Dapeng Oliver Wu

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于突变理论的拱坝整体安全度分析
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    河海大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    王少伟;夏辉;崔英杰;任娇
  • 通讯作者:
    任娇
功能化氧化石墨烯负载Pd 纳米颗粒催化Heck 偶联反应
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    高等学校化学学报
  • 影响因子:
    --
  • 作者:
    曾乐;夏辉;陈超;张宁
  • 通讯作者:
    张宁
InGaAs探测器的盲元分析及P电极优化
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    光子学报
  • 影响因子:
    --
  • 作者:
    邓洪海;杨波;夏辉;邵海宝;王强;王志亮;朱友华;黄静;李雪;邵秀梅;龚海梅
  • 通讯作者:
    龚海梅
基于熵权法和G1法的大坝监测指标权重融合
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    水电能源科学
  • 影响因子:
    --
  • 作者:
    陈端;曹阳;夏辉;梅一韬;仲云飞
  • 通讯作者:
    仲云飞
基于熵权法和G1法的大坝监测指标权重融合
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    水电能源科学
  • 影响因子:
    --
  • 作者:
    陈端;曹阳;夏辉;梅一韬;仲云飞
  • 通讯作者:
    仲云飞

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

夏辉的其他基金

社交物联网环境下通用信任管理模型的研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    59 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码