适应拓扑变化的拥塞最小化网络更新策略

软件定义网络的出现推动了航空集群机载网络的发展，同时也为机载网络的一致性更新带来了挑战。针对拓扑变化导致的网络更新期间可用路径失效问题，提出适应拓扑变化的拥塞最小化网络更新策略。首先，为减少可用路径失效带来的数据包丢失，在更新之前采用重路由机制进行处理；然后，针对重路由机制可能引起的网络拥塞，设计了贪婪流迁移算法缓解拥塞；最后，通过瞬时拥塞最小化更新算法完成整个网络更新。仿真结果表明：与传统的拥塞一致性更新算法相比，所提更新策略用规则开销、瞬时网络拥塞方面的少量提高换取了网络更新期间数据包丢失的显著降低。     

一种鲁棒性增强的机载网络流量分类方法

针对机载网络高度动态、高度不稳定造成流量监测设备难以在有限的监测周期内完成完整数据流负载特征的提取，限制了基于深度学习的流量分类方法的应用问题，提出了一种鲁棒性增强的机载网络流量分类方法。通过数据预处理及缺失样本处理方法将数据流映射为灰度矢量集合，基于完整的数据流训练数据集实现鲁棒性增强的长时递归卷积神经网络（RE-LRCN）分类模型的训练，在线上分类阶段，通过分类模型实现样本缺失数据流负载空间特征及数据流时序特征的提取，并进行数据流分类。通过在数据包缺失的流量测试数据集上的实验结果表明，所提方法可以有效抑制数据包缺失对分类准确性能的恶化。      

控制器故障下的软件定义机载网络数据平面迁移策略

软件定义网络（SDN）为突破机载网络功能僵化所造成的瓶颈提供了新的契机。针对软件定义机载网络控制域内控制节点故障问题,提出一种基于时延和负载均衡的传输节点迁移策略,将故障控制节点所管控数据平面中的传输节点迁移至其他正常控制节点,恢复网络的正常管控。以迁移时延和负载均衡率为目标,建立迁移优化模型,提出基于时延和负载均衡的传输节点迁移算法,指导数据平面中的迁移动作,最终对两个性能目标进行综合权衡。实验结果表明,与距离就近迁移（DCM）策略和分布式逐跳（DHA）策略相比,所提策略在迁移时延和负载均衡率2个方面进行了合适的折中,避免出现迁移时延过大或控制节点负载失衡的情况,有效解决机载网络故障恢复问题。     

基于时空图卷积网络的无人机网络入侵检测方法

无人机网络相比地面网络具有节点快速移动、拓扑结构变换频繁和通信链路不可靠的特点，传统的针对地面网络的入侵检测方法难以适用。针对无人机网络的时空动态特性进行建模，提出了一种无人机网络的入侵检测方法——基于注意力机制的时空图卷积网络（ATGCN）。将图卷积网络和门控递归单元组合为时空图卷积网络，从复杂多变的数据中提取网络的时空演变特征，通过注意力机制提取和入侵检测最相关的特征，输入支持向量机进行分类预测。多个数据集的实验分析表明:所提方法能够适应无人机网络的动态性和不稳定性，相比传统检测方法准确率高且误报率低，具有良好的鲁棒性和适应性。      

基于循环神经网络的SPMA协议信道状态智能检测改进算法

为实现对时敏目标的快速探测、定位和打击,战术瞄准网络技术(TTNT)对战术信息接入信道、交互传输的实时性、可靠性提出高要求。TTNT采用基于统计优先的多址接入(SPMA)协议,通过周期性计算统计平均的思想,估计当前信道状态,控制战术信息接入信道的时机。该思想仅适用于流量相对平稳的情况,在流量非平稳时会导致较大的信道状态检测误差。针对此问题,引入流量预测技术,提出基于循环神经网络的SPMA协议信道状态智能检测改进算法。利用循环神经网络的学习特点学习历史流量数据的隐含特征,构建流量预测器对瞬时时刻的流量脉冲到达数进行实时预测,从而准确获取当前信道状态。实验结果表明：所提算法对信道状态的检测结果更接近真实值,显著降低了信道忙闲状态的误判率。     

基于雾计算的无线传感器网络联合入侵检测算法

为了保障无线传感器网络的安全性,提出一种基于雾计算的联合入侵检测算法Fed-XGB。Fed-XGB算法通过引入雾计算节点扩展网络边缘,减少通信时延,在提升联合学习全局模型和局部模型准确率的同时,降低了传输带宽和隐私泄露风险;通过改进基于直方图的近似计算方法,适应无线传感器网络数据不均衡特征;通过引入TOP-K梯度选择,最小化模型参数上传次数,提高模型参数交互效率。实验结果表明: Fed-XGB算法的检测准确率在0.97以上,误报率在0.036以下,优于其他对比算法;在遭受中毒攻击及数据含噪的情况下,算法检测分类性能依然稳定,具有较强的鲁棒性。      

一种面向航空集群的集中控制式网络部署方法

软件定义网络（SDN）的发展为机载网络构建提供了全新的设计思想。针对航空集群环境下控制平面的可扩展性问题,研究了混合层次式架构下的多控制器部署问题。首先,为实现对底层传输节点的弹性管控,通过扩展控制层级定义了本地控制器资源池。然后,为减少时间复杂度,实现本地控制器的快速部署,将传统的多控制器直接部署转化为子域划分和域内部署两个步骤,提出了基于节点密度排序的子域划分算法和基于改进多目标模拟退火的域内控制器部署算法。实验结果表明：与已有算法相比,所提算法在保证控制器的负载均衡基础上,可以有效减少网络控制链路的平均时延和平均失连率,同时时间复杂度更低,能够适用于大规模及动态网络环境下的控制器部署场景。