论文部分内容阅读
中国对外直接投资的宏观经济绩效研究
【出 处】
：
东南大学
【发表日期】
：
2021年01期
其他文献
基于数据分发服务（Data Distribution Service,DDS）的发布/订阅分布式系统是一种构件之间通过DDS进行通信且具有松耦合特性的分布式系统,在国防、军工等领域应用广泛。随着发布/订阅分布式系统的规模日益庞大、构件间关联日趋复杂,系统所面对的安全威胁也与日俱增,如针对系统的拒绝服务攻击会大量消耗系统资源,导致系统难以稳定地提供服务。因此,迫切需要开展有效的状态监控和运维管理工作
云边端架构为海量物联网设备引起的大数据处理问题带来了高效解决方案,而该架构设备规模大、资源异构、层次复杂等特点也为隐私保护问题带来新的挑战。本文考虑终端设备、边缘节点和远程云相互协作,以同时优化卸载决策和资源分配的方式研究云边端环境下带隐私约束的任务调度问题,具有重要的研究意义与实用价值。该问题的主要挑战为:（1）由于设备资源有限,部分任务需被卸载到边缘或云端处理,而在任务隐私要求和带宽资源限制等
随着计算机网络技术及信息技术的不断发展,互联网已走进各行各业,深刻影响着传统的生产方式与社会生活方式,催生了大量新产品和新应用。以移动互联网、云计算、边缘计算、物联网、工业4.0等为代表的新兴技术给人民带来便利的同时,也带来了严峻的安全挑战。近年来,网络安全事故频发,勒索病毒、敏感信息泄露、分布式拒绝服务等安全事件层出不穷,而利用僵尸网络发动规模化攻击是网络攻击者的常用手段。因此,针对僵尸网络检测
随着计算机算力的提高与人工智能算法的突破,基于神经网络模型的应用层出不穷,而训练这些神经网络模型需要大量数据。传统模型训练方式首先将智能终端的数据传输到云数据中心,然后在云数据中心进行神经网络训练。然而,将大量终端数据传输至云数据中心会给主干网带来巨大传输压力,而且随着人们对数据隐私的关注度逐渐上升,将数据从终端传输至云数据中心进行相应处理有隐私泄露的风险。因此针对传统神经网络模型训练方式的不足,
无线传感器由于其体积小、成本低、自组织并且可以感知、处理和发送数据等优点让它在社会生活的各个行业都备受欢迎。无论是军事国防的高端机密领域,还是与我们生活息息相关的智能家居、医学健康等领域,都可以看到无线传感器网络的身影。为了去中心化数据处理,基于传感器网络和信息融合的分布式估计算法发展迅速,在对目标的定位、监测和追踪方面的应用极为广泛,是现阶段研究的热点。然而,随着网络技术的高速发展,随之而来的网