横向联邦学习环境基于身份认证及密钥协商协议

近年来，联邦学习受到多个领域的广泛关注，而认证及会话密钥协商是保证通信实体之间安全传输、可靠通信的关键技术和基本的安全保障。根据横向联邦学习参与方数据特征，提出一种基于身份的无证书轻量级认证及密钥协商协议；参与方在密钥生成中心（KGC）完成注册后，利用公共参数计算各自的临时密钥和长期密钥完成认证、计算会话密钥；最后，采用扩展的CK(eCK)模型对所提协议进行安全性证明。性能分析表明：所提协议在计算性能和通信开销方面可以有效地控制成本，适用于单服务器下横向联邦学习的训练环境。     

基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法

组合导航能够将多种类型的导航信息进行结合,实现优势互补,因此成为了目前导航应用领域的主要发展方向。然而,导航信息的增多势必会引入更多的风险源,从而降低导航系统的可靠性。基于联邦滤波的容错方法是目前抑制故障信息影响的主要解决手段,但是现有的故障容错方法普遍采用统一的检测机制,没有根据各个导航子系统的误差传播特性针对性地构建故障检测模型,因此会引起较高的误警率与漏检率。针对上述问题,提出了基于矢量化检测联邦滤波的INS/BDS/地磁组合导航容错方法。通过构建面向INS/BDS/地磁不同导航信息的故障检测函数,能够实现更加准确的矢量化信息分配,从而可以有效避免可用导航信息的损失以及故障导航信息对整体系统的影响。仿真结果表明,提出的方法可以有效隔离不同类型的故障信息,并减小其对无故障导航信息及整体系统的影响,从而提高了组合导航的精度和可靠性。     

基于联邦滤波的多传感器管道定位方法CSCD

由低成本微惯性测量单元(MIMU)和里程轮组合的管道定位系统在里程轮出现打滑情况下,组合定位误差将快速发散。为解决里程轮打滑时量测信息失效的问题,采用光电测速传感器作为冗余测速传感器,利用联邦滤波对MIMU、里程轮和光电测速传感器多源信息进行融合,并基于预测残差设计了自适应信息分配因子,实现了不同特性传感器的最优融合。仿真实验结果表明,提出的多传感器管道定位方法可以降低里程轮打滑导致的管道定位误差,对于120m长的仿真管道,定位误差为管线长度的0.015%。     

再论联邦滤波在组合导航中的应用可行性

在联邦滤波算法中，针对子滤波器存在私有状态从而导致全局状态信息融合估计为次优估计的问题，通过一个简单的3维状态、2维量测系统的数值仿真以及速度+姿态传递对准组合导航仿真，验证了联邦滤波的次优估计结果误差太大，难以满足实际系统的高精度滤波需求。联邦滤波估计的次优程度没有经过严格证明，且难以证明，因而存在应用风险。对于以精度为主要性能指标的组合导航系统，不建议采用联邦滤波算法，否则其精度损失不足以弥补其带来的计算量降低和容错性提高的优势。     

基于天基边缘计算的在轨智能技术

针对低轨互联网星座的发展以及天基应用不断拓展对计算能力的需求,开展基于天基边缘计算的在轨智能技术研究,这对提升星地带宽利用率和实时决策效率具有重要意义.提出了以低轨卫星为核心的天基边缘计算架构,在此基础上,进一步提出了一种基于深度模仿学习的智能计算卸载模型,以及该模型的在轨分布式联邦学习训练方案.基于空天地海一体化网络...