随着现阶段物联网发展得越来越快,车载通信作为车辆智能化的前沿技术,在诸如医疗保健、资产管理和环境监测等应用场景中,智能环境的应用变得越来越重要,传统的蚁群算法在时延及能量消耗方面无法满足车联网的要求.通过研究蚁群算法和模拟退火算法,以平均能量消耗和端到端时延作为参考,虚拟化资源特征进行资源分配和任务调度,确保服务质量(QoS,quality of service).通过模拟退火算法优化了蚁群算法,将模拟退火算法的初始温度和迭代温度值加入蚁群算法生成最优解,更新信息素的规则,提高了虚拟资源环境下任务调度的效率.仿真结果表明,平均能量消耗下降了0.04J左右,端到端时延最大下降100ms左右.
随着脑机接口技术(Brain-Computer Interface,BCI)在新兴医疗健康监测领域的广泛应用,其受到的安全威胁越来越多,导致其隐私保护问题受到了关注。该文针对BCI应用中的隐私保护问题提出一种通信模型,并为其设计了一种基于密文策略的属性基(Ciphertext-Policy Attribute Based Encryption,CP-ABE)访问控制方案,利用代理重加密技术实现细粒度的属性撤销。经分析表明,方案有效地解决了BCI模型中敏感数据的隐私保护问题,并且在能量损耗及通信计算开销等性能评估中表现优异。
暂无评论