面向物联网的安全认证方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 物联网认证方法 | 第11-13页 |
| 1.2.2 室内外场景识别技术 | 第13-14页 |
| 1.2.3 区块链技术在物联网中的应用 | 第14-15页 |
| 1.3 本文的研究内容和组织结构 | 第15-16页 |
| 第二章 相关技术研究 | 第16-30页 |
| 2.1 基于环境多因素特征的室内外场景识别 | 第16-19页 |
| 2.1.1 光照强度 | 第16-17页 |
| 2.1.2 磁场强度 | 第17-18页 |
| 2.1.3 加速度 | 第18-19页 |
| 2.2 基本分类算法 | 第19-25页 |
| 2.2.1 决策树算法 | 第19页 |
| 2.2.2 人工神经网络 | 第19-21页 |
| 2.2.3 支持向量机 | 第21-24页 |
| 2.2.4 性能对比 | 第24-25页 |
| 2.3 区块链技术 | 第25-27页 |
| 2.3.1 区块链分类 | 第26页 |
| 2.3.2 共识机制 | 第26-27页 |
| 2.3.3 智能合约 | 第27页 |
| 2.3.4 区块链技术的应用场景 | 第27页 |
| 2.4 本章小结 | 第27-30页 |
| 第三章 基于SVM的分类器设计 | 第30-46页 |
| 3.1 支持向量机 | 第30-34页 |
| 3.1.1 核函数 | 第30-31页 |
| 3.1.2 训练算法 | 第31-34页 |
| 3.2 改进的PSO-SVM算法 | 第34-40页 |
| 3.2.1 粒子群算法 | 第34-36页 |
| 3.2.2 基于混合核函数的SVM分类器 | 第36-38页 |
| 3.2.3 算法的改进 | 第38-40页 |
| 3.3 实验与分析 | 第40-44页 |
| 3.3.1 分类器分类性能分析 | 第41-43页 |
| 3.3.2 场景识别性能评估 | 第43-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于室内外场景识别的物联网认证方法 | 第46-58页 |
| 4.1 引言 | 第46-47页 |
| 4.2 层次分析法 | 第47-50页 |
| 4.3 基于场景识别的物联网认证方法 | 第50-56页 |
| 4.3.1 认证框架 | 第50-51页 |
| 4.3.2 场景识别 | 第51-52页 |
| 4.3.3 认证方案决策 | 第52-55页 |
| 4.3.4 适用场景 | 第55-56页 |
| 4.4 分析与讨论 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 基于区块链技术的物联网认证方法 | 第58-72页 |
| 5.1 引言 | 第58-59页 |
| 5.2 超级账本Fabric | 第59-60页 |
| 5.3 基于区块链技术的物联网认证方法 | 第60-66页 |
| 5.3.1 认证框架 | 第61-63页 |
| 5.3.2 链码设计 | 第63-64页 |
| 5.3.3 相关数据结构设计 | 第64-66页 |
| 5.4 实验及结果分析 | 第66-71页 |
| 5.4.1 实验设计 | 第66-68页 |
| 5.4.2 结果分析 | 第68-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文工作总结 | 第72-73页 |
| 6.2 下一步工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士期间发表论文与其它研究成果 | 第80页 |
