LSTM预测驱动的软件系统主动自适应方法

针对反应式自适应软件系统调整滞后的问题,提出了一种基于长短期记忆（long short-term memory, LSTM）网络预测驱动的主动自适应方法。该方法将LSTM神经网络预测技术嵌入监测-分析-决策-执行-知识控制模型的分析环节,利用自适应环境、质量及目标相关的运行数据和历史数据进行分类预测,形成自适应预警机制,在减小传统自适应决策滞后性影响的同时有效提高了软件系统的主动自适应能力。为了说明所提方法的主动性、鲁棒性、有效性,在经典的分布式远程辅助系统上对该方法进行实验评估。结果表明：该方法能够针对自适应需求提前预警,推动软件系统在必要时进行主动的自适应调整。     

基于区块链的分布式物联网身份认证方案

随着计算机设备与通信技术的飞速发展,连接网络的设备数量正在以指数级迅速增长,然而在设备数量激增的背景下,数据泄露、数据篡改等数据安全问题也随之而来,因此设备之间的身份认证就显得尤为重要。然而在传统的网络环境中,身份认证大多采用集中式的网络结构,依靠身份认证中心等对设备身份进行管理,然而由于物联网设备的异构性和资源有限性,传统的集中式的身份认证方案并不完全符合物联网系统。为解决上述问题,本文在区块链的技术框架下提出了一种基于区块链的分布式物联网身份认证方案,该方案包括一种基于区块链的分布式物联网架构,并在该架构的基础上,提出了一种基于哈希链的身份认证方案以及一种基于网络安全编码的密钥分配方案,由于区块链技术具有开放性、不变性、可追溯性和容错性等特性,因此可以确保物联网场景中数据传输的私密性,从而提供安全的通信环境。文中对方案相关的性能指标进行了评价,实验分析证实了所提出的方案的高效性和可扩展性。