面向车联网大规模应用数据通信的高效可信传输机制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61702233
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    陈潇
  • 依托单位：
    江苏大学
  • 学科分类：
    F0207.计算机网络
  • 结题年份：
    2020
  • 批准年份：
    2017
  • 项目状态：
    已结题
  • 起止时间：
    2018-01-01 至2020-12-31

项目摘要

Given the popularity of Vehicular Ad-hoc Networks (VANETs) in public transportation environments, communication efficiency and privacy protection are still being challenging issues. The growth of 5G and D2D technologies will dramatically push the use of VANET applications in the future. As a result of mass data communication, VANETs will have to be challenged in QoS. Furthermore, the privacy of VANETs’ users has increased probability in leaking. This project aims to explore efficiency and privacy issues of VANET communication systems through a stochastic process algebra based formal method. The main contents include: modelling of vehicle flow and base station communication in macro level，and modelling of vehicle moving and V2V communication in micro level. Thereafter, a comprehensive VANET communication model is built based on both macro and micro models in order to conduct analysis of communication efficiency and privacy protection with the aims of obtaining maximum available throughput and minimum privacy leaking respectively. Finally, we will combine the macro and micro models and apply the gaming theory for the merged model to explore the balance of efficiency and privacy. This project also has a mission to find an universal modelling approach for comprehensive and dynamic systems.
高效传输和隐私保护是未来车联网数据通信面临的关键问题，也是该领域的研究热点。未来5G和D2D技术将推动车联网服务型应用的迅猛发展，数据通信量也随之膨胀，车联网系统服务质量必将面临严峻挑战；同时，大量数据传播也会带来严重的隐私泄漏问题。本项目面向效率与隐私两方面要求，通过基于随机进程代数的形式化方法建立车联网通信模型，并展开相关研究。主要研究内容包括：利用形式化建模方法，从宏观角度建立车流模型与基站通信模型，从微观角度建立车辆移动模型与车辆通信模型；在描述车辆和网络的宏观和微观模型基础上，建立车联网通信系统模型，以系统单位时间内最大通信量为目标建立优化模型，研究通信系统效率问题；以系统单位时间内隐私泄漏概率最低为目标建立流失模型，研究隐私保护问题。通过宏观微观模型的结合，运用博弈思想建立均衡模型，实现效率与隐私兼顾的通信机制，同时希望获得面向车联网这类动态网络通用的形式化建模方法。

结项摘要

高效传输和隐私保护是未来车联网数据通信面临的关键问题，也是该领域的研究热点。未来5G和D2D技术将推动车联网服务型应用的迅猛发展，数据通信量也随之膨胀，车联网系统服务质量必将面临严峻挑战；同时，大量数据传播也会带来严重的隐私泄漏问题。本项目面向效率与隐私两方面要求，通过基于随机进程代数的形式化方法建立车联网通信模型，并展开相关研究。主要研究内容包括：利用形式化建模方法，从宏观角度建立车流模型与基站通信模型，从微观角度建立车辆移动模型与车辆通信模型；在描述车辆和网络的宏观和微观模型基础上，建立车联网通信系统模型，以系统单位时间内最大通信量为目标建立优化模型，研究通信系统效率问题；以系统单位时间内隐私泄漏概率最低为目标建立流失模型，研究隐私保护问题。通过宏观微观模型的结合，运用博弈思想建立均衡模型，实现效率与隐私兼顾的通信机制，同时希望获得面向车联网这类动态网络通用的形式化建模方法。. 针对主要研究内容，本项目在实施过程中，首先，通过研究形式化建模技术，设计实现了大规模复杂系统的形式化建模框架，为后续研究奠定了系统建模与性能分析.的理论基础。该项研究成果，主要包括针对大规模复杂系统的系统层次建模、网络通信建模以及调度算法建模等核心模块的形式化建模与分析，提升建模分析效率2-3倍，极大提高了基于形式化技术的复杂系统建模效率。其次，通过研究系统调度机制，设计实现了基于决策机制自适应系统环境变化的混合动态调度算法。该算法能够有效适配动态改变的系统环境，通过决策机制，选择最优调度算法，从而实现系统的性能优化与提升超过25%。再次，针对系统节点的可靠性管理，研究了基于信誉属性的节点管理机制，同时采用区块链技术，设计实现了基于区块链平台的节点信誉管理机制，有效提升了信誉管理的安全性，并通过改进混合共识机制，保证了数据存储的效率。最后，针对用户身份与数据的隐私保护问题，设计实现了基于区块链技术的隐私保护解决方案，充分利用区块链技术的不可篡改性、溯源性、以及公平性的特点，保障用户隐私保护方案的可靠执行。总之，该项目基于各项研究内容，按照研究计划，逐步展开了相关研究，撰写论文10篇，其中，发表期SCI刊论文6篇，EI会议论文2篇，以及正在送审中的期刊论文2篇；提交发明专利申请4项，授权2项；累计论文与专利成果12项；达到预期研究目标。

项目成果

期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
An Efficient Formal Modeling Framework for Hybrid Cloud-Fog Systems
混合云雾系统的高效形式化建模框架
  • DOI：
    10.1109/tnse.2020.3040215
  • 发表时间：
    2021-01
  • 期刊：
    IEEE Transactions on Network Science and Engineering
  • 影响因子：
    6.6
  • 作者：
    Xiao Chen;Jie Ding;陆振宇;Tianming Zhan
  • 通讯作者：
    Tianming Zhan
State Equations in Stochastic Process Algebra Models
随机过程代数模型中的状态方程
  • DOI：
    10.1109/access.2019.2902472
  • 发表时间：
    2019
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Ding Jie;Zhu Xin-Shan;Chen Xiao
  • 通讯作者：
    Chen Xiao
RC-chain: Reputation-based crowdsourcing blockchain for vehicular networks
RC-chain：用于车辆网络的基于声誉的众包区块链
  • DOI：
    10.1016/j.jnca.2020.102956
  • 发表时间：
    2021-02-15
  • 期刊：
    JOURNAL OF NETWORK AND COMPUTER APPLICATIONS
  • 影响因子：
    8.7
  • 作者：
    Sun, Lijun;Yang, Qian;Chen, Zhenxiang
  • 通讯作者：
    Chen, Zhenxiang
A Hybrid Task Scheduling Scheme for Heterogeneous Vehicular Edge Systems
异构车载边缘系统的混合任务调度方案
  • DOI：
    10.1109/access.2019.2934890
  • 发表时间：
    2019-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Chen, Xiao;Thomas, Nigel;Ding, Jie
  • 通讯作者：
    Ding, Jie
Exploring Auto-Generation of Network Models With Performance Evaluation Process Algebra
利用性能评估过程代数探索网络模型的自动生成
  • DOI：
    10.1109/access.2018.2862390
  • 发表时间：
    2018
  • 期刊：
    IEEE Access
  • 影响因子：
    3.9
  • 作者：
    Ding Jie;Wang Rui;Chen Xiao;Ge Ying-En
  • 通讯作者：
    Ge Ying-En

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

生物炭负载零价纳米铁去除土壤中十溴二苯乙烷
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    环境科学学报
  • 影响因子：
    --
  • 作者：
    陈潇;凌思源;张卫
  • 通讯作者：
    张卫
张勉教授治疗喉源性咳嗽的临证经验
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    内蒙古中医药
  • 影响因子：
    --
  • 作者：
    陈潇;张勉;郑琴媛;李艺;高阳;黄卓燕;幸营营;莫绍毅;廖巍
  • 通讯作者：
    廖巍
水电站变出力系数的神经网络估计方法
  • DOI：
    10.11660/slfdxb.20210109
  • 发表时间：
    2021
  • 期刊：
    水力发电学报
  • 影响因子：
    --
  • 作者：
    贾本军;周建中;陈潇;何中政;张勇传;田梦琦
  • 通讯作者：
    田梦琦
黑皮冬瓜果实生长及糖类物质变化规律
  • DOI：
    --
  • 发表时间：
    2023
  • 期刊：
    中国农学通报
  • 影响因子：
    --
  • 作者：
    焦加斌;李金隆;常静静;李静;陈潇;宋钊;何裕志;张白鸽
  • 通讯作者：
    张白鸽
谐振子势阱中两分量旋转自旋轨道耦合BEC的基态
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    量子光学学报
  • 影响因子：
    --
  • 作者：
    陈潇;张素英
  • 通讯作者：
    张素英

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

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