所在单位: | 福建师范大学 | 项目类型: | 信息传输、计算机服务和软件业 |
所属领域: | 新一代信息技术 | 项目年份: | 2021 |
项目状态: | 实验室研究 | 技术成熟度: | 实验室研究 |
联系人: | 林晖 | 联系人电话: | 暂无 |
项目投资经费: | 10 | 合作方式: | 其它 |
工业物联网(IIoT)作为新兴技术,可以促进工业智能化发展,提高生产效率,降低制造成本。 在工业物联网中,工业生产和应用的完善和进步离不开数据融合,数据融合是对工业设备和应用产生的海量物联网数据进行采集、分析和处理的过程。 IIoT 需要实时、有效且保护隐私的数据融合过程。 然而,现有的工作需要为数据分析训练不同的学习模型,不能满足 IIoT 中的实时性要求。 同时,缺乏对内部攻击的防御,难以平衡系统性能和隐私保护,阻碍了数据融合过程中的有效性和隐私保护。 为了解决上述问题,在本文中,我们为 IIoT 提出了一种新的基于迁移学习的安全数据融合策略 (TSDF)。 拟议的 TSDF 由三部分组成,用于任务分类的基于指导的深度确定性策略梯度 (GDDPG) 算法,用于任务接收者分组的基于转移学习的 GDDPG,以及用于隐私保护的多区块链机制。 实验结果表明,TSDF 可以实现高系统吞吐量和低延迟,为各种 IIoT 应用环境下的数据融合提供隐私保护。