网络物理系统的绿色弹性
一个协作人工智能系统(CAIS)与人类在共享环境中合作达成共同目标。为了从降低性能并确保其弹性的干扰事件中恢复过来,CAIS 可能需要由系统、人类或者协作一起执行一组操作。本文提出了一种自动评估 CAIS 恢复行动在系统的弹性和绿色性之间权衡能力的方法,并设计了实验协议及其应用于真实 CAIS 演示装置,旨在从优化和博弈论两个角度攻击该问题。
Nov, 2023
本文综述了在建立机器学习 (Machine Learning) 算法时如何考虑建立安全的弹性型的 Cyber Physical Systems (CPS) 框架,为探测和应对 CPS 的威胁提供新方向。
Feb, 2021
在本文中,我们基于一个统一的框架对 CPS 安全的研究进行了系统化的概述,框架包含三个正交的坐标系,分别为从安全角度、CPS 组件角度、CPS 系统角度,旨在构建一个足够抽象的模型来适用于各种异构的 CPS 应用,并且为 CPS 组件的紧密耦合提供了模块化的视图。
Jan, 2017
本文总结了现有关于异常检测、容错性和自我修复的最新工作,以及其他适用于实现 IoT 的恢复力的方法,特别关注确保网络数据完整性的非侵入式方法。此外,本文介绍了在建立一个有弹性的 IoT 中所面临的主要挑战,并总结了我们正在进行的解决方案和未来工作,以实现 “值得信赖的 IoT”。最后,该框架在一个智能传感器基础设施的案例中进行了说明:运输领域的智能传感器基础设施。
Oct, 2018
本文综述了物联网中的大数据应用及安全性,提供了对数据收集、存储、访问、处理和分析过程的概述,并讨论了确保数据安全的挑战以及绿色计算环境下的大数据处理。
Oct, 2018
本文提出了一个 CPS 的正式定义,并证明了基于这个定义,可以用 ASP 精确地形式化和实现与 CPS 相关的各种问题,包括关注点之间的依赖或冲突,如何缓解问题以及对于给定问题最合适的缓解策略是什么。文章最后讨论了所提出的方法的潜在性。
Jan, 2022
通过检查以测试为基础的验证和验证作为最实用的方法,并总结当前先进的方法学,在确保学习能力的 CPS 的形式安全方面,确定了当前测试方法的局限性,并提出了从基础概率测试过渡到更严格方法的路线图,以提供正式保证。
Nov, 2023
介绍了一个新的设计环境,称作 CPHS,它将现有设计模型与涉及人机基础设施交互的上下文感知设计数据相结合,使用机器学习方法创建增强的设计模型来实现性能预测力的提高。
Jan, 2020