针对区块链网络中共识节点的恶意行为导致的区块链系统安全问题,提出一种基于LSTM(long short-term memory)-Blacklist的动态信任度证明机制(PoDT-LSTMB)。该动态信任度证明机制通过前向注意力机制的两层LSTM神经网络学习并分析参与共识节点的行为数据,预测节点行为倾向。以节点信任度为基础构建黑名单,剔除低于信任度阈值的节点,提高全网节点的总体可信性。以正常区块上链率以及节点信任度的变化为主要评估指标,与信任度证明PoT(Proof of Trust)机制以及不带黑名单的PoDT-LSTM机制进行了对比实验。实验结果表明,基于前向注意力机制的两层LSTM神经网络结构准确率可达0.9151,本文提出的PoDT-LSTMB机制比PoT机制的正常区块上链率提高30%~33%。
结合旋转机械启停阶段振动信号的特点,提出一种基于Viterbi算法的Gabor阶比跟踪(Gabor order tracking based on Viterbi,V_GOT)算法,此算法采用Viterbi算法代替了传统的Gabor阶比跟踪(Gabor order tracking,GOT)算法中的时频滤波技术。...
详细信息
结合旋转机械启停阶段振动信号的特点,提出一种基于Viterbi算法的Gabor阶比跟踪(Gabor order tracking based on Viterbi,V_GOT)算法,此算法采用Viterbi算法代替了传统的Gabor阶比跟踪(Gabor order tracking,GOT)算法中的时频滤波技术。V_GOT算法和传统的GOT算法相比,其能够对复杂机械振动信号产生的邻近阶比和交叉阶比分量进行有效的跟踪和分离,并且具有计算量小、精度高、无需转速计等硬件和用纯软件的方法实现等优点。详细讨论了V_GOT技术的基本原理、算法及进行阶比跟踪的实现过程,另外,对偶函数对Gabor阶比跟踪结果的影响进行了深入的研究。采用仿真和实际试验对V_GOT算法进行了验证,试验结果表明该方法能够在时频域准确地提取幅值和复杂频率变化的阶比,适合于复杂旋转机械振动响应特征提取。
暂无评论