分布式布谷鸟算法在无线传感器网络布局优化中的应用

在无线传感器网络中,传感器节点的部署通常具有随机性。随机布局的无线传感器网络存在着节点利用率低,传感器网络覆盖率小等问题。为了解决无线传感器布局问题,提出了基于分布式布谷鸟算法的无线传感器网络覆盖优化算法,利用布谷鸟算法对传感器节点的布局进行优化,同时采用分布式计算提高算法的计算速度。实验表明,该算法对无线传感器网络的布局具有很好的优化效果,而且比布谷鸟算法具有更快的计算速度。     

基于分布式烟花算法的WSN布局优化方法

无线传感器网络具有广泛的应用,然而如何有效部署无线传感器节点,提高节点利用率和网络覆盖率,仍是一个亟待解决的问题。针对传统无线传感器网络部署方法存在节点冗余率高、覆盖率低等问题,以网络覆盖率为优化目标,将烟花算法良好的结果搜索能力和分布式高效的计算速度相结合,实现对网络覆盖率优化模型的高效求解。实验表明,该算法相比于普通的烟花算法具有更好的计算结果和更快的收敛速度。     

对抗样本生成及攻防技术研究

基于对抗样本的攻击方法是机器学习算法普遍面临的安全挑战之一。以机器学习的安全性问题为出发点,介绍了当前机器学习面临的隐私攻击、完整性攻击等安全问题,归纳了目前常见对抗样本生成方法的发展过程及各自的特点,总结了目前已有的针对对抗样本攻击的防御技术,最后对提高机器学习算法鲁棒性的方法作了进一步的展望。