CN111698323A - 物联网中智能区块链应用感知共识管理方法 - Google Patents
物联网中智能区块链应用感知共识管理方法 Download PDFInfo
- Publication number
- CN111698323A CN111698323A CN202010532939.8A CN202010532939A CN111698323A CN 111698323 A CN111698323 A CN 111698323A CN 202010532939 A CN202010532939 A CN 202010532939A CN 111698323 A CN111698323 A CN 111698323A
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- consensus
- block chain
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 230000008447 perception Effects 0.000 title claims abstract description 14
- 230000006870 function Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 abstract description 3
- 238000009826 distribution Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/75—Information technology; Communication
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/02—Standardisation; Integration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0888—Throughput
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Medical Informatics (AREA)
- Environmental & Geological Engineering (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明提出了物联网中基于软件定义架构的智能区块链应用感知共识管理方法。本方法的操作步骤是：(1)物联网客户端单元；(2)物联网传感器网络单元；(3)SDN控制器单元。该方法通过在分析不同共识的动态管理需求的基础上，设计了一种基于软件定义区块链的体系结构，并提出了应用感知共识的工作流程和共识功能虚拟化的机制。最后为了提供虚拟共识资源的智能调度，引入迁移学习实现应用层数据包分析，并实现智能管理。这项工作为物联网中区块链的动态配置虚拟共识资源和智能管理提供了一个新的路线图，对于提高物联网中区块链的灵活性和可扩展性具有重要意义。
Description
技术领域
本发明涉及物联网区块链融合领域，尤其涉及一种基于共识功能虚拟化原理的物联网中区块链应用感知智能管理方法，是一种物联网中基于软件定义架构的智能区块链应用感知共识管理方法。
背景技术
区块链被认为是一种新型的分布式对等加密存储应用，为网络和计算模型提供了颠覆性的创新。它可以广泛应用于安全和信任关键型环境，如金融和工业。在区块链中，交易方是实际记录、存放和存储交易信息的实体。交易方打包的区块可以被同组中每个成员成功验证并添加到区块链中。链中的每个区块都包含大量的交易信息，这些信息通常根据数据的结果进行验证并以特定的结构来组织。智能合约是一个可执行层协议，双方在交易前达成一致并提交给区块链，而区块链可以为相应的交易自动执行智能合约。
近期，基于物联网的区块链融合技术受到广泛的关注。物联网是通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。它在环境监测、智能交通、电子健康、工业4.0等领域得到了广泛的应用。
使用物联网作为区块链的载体，不仅使区块链应用更加广泛，而且提高了物联网的安全性。区块链使无信任网络能够在物联网中提供安全的对等交易，而无需可信中介。也就是说，区块链中安全、不可更改的存储保证了物联网数据的可靠性和可追溯性。但是由于物联网的资源限制，目前物联网中的大部分区块链对交易吞吐量有限制，因此物联网应用应具有高动态性并且节点通常由不同区块链中的不同应用程序重新利用，实现在不同的区块链之间实施跨链协作和交互，这就需要对区块链中的共识进行动态管理和配置。这是因为当物联网服务在不同的应用系统之间切换时，不同应用程序的异构一致性之间也在动态切换，这意味着物联网节点应经常切换在不同区块链中交叉使用。此时共识的要求是不同的，即物联网中区块链的共识应该动态切换，以匹配上层应用。所以在物联网中区块链的动态智能管理方法必须为异构共识提供应用感知能力。
另一方面，软件定义网络作为一种新型的网络体系结构被广泛应用。在软件定义架构中，网络被分离到控制平面和数据平面，这使得底层网络和组件可编程。欧洲电信标准协会网络功能虚拟化组织规定了网络元素的虚拟化，并定义了用于网络资源调度的管理和编排参考体系结构。但是软件定义网络的动态管理能力为物联网中区块链实现架构的重构提供了可能。但是物联网中区块链的应用开发和虚拟化功能架构仍是一个有待解决的问题。
本发明为了克服以上问题，解决区块链的共识管理需求，提出了一种具有共识功能虚拟化能力的软件定义区块链架构，为物联网中的一致性提供应用感知和智能管理。其中，在物联网中使用软件定义的区块链体系结构为共识动态管理和控制区块链资源提供了一种可行的方法，匹配了物联网中的动态和差异化应用。同时，为了实现基于物联网应用感知的虚拟共识资源的智能调度，引入迁移学习实现应用层数据包分析，实现共识功能虚拟化和智能管理。根据实际，本发明为物联网中区块链的动态配置虚拟共识资源和智能管理提供了一个新的路线图，对于提高物联网中区块链的灵活性和可扩展性具有重要意义。
发明内容
本发明的目的是针对以上不足，提出一种物联网中基于软件定义架构的智能区块链应用感知共识管理方法，这是一种将物联网客户端单元、物联网传感器网络单元和SDN控制器单元结合进而构造出一种软件定义网络下的物联网区块链智能应用感知共识管理方法。该方法可以匹配物联网中的动态和差异化应用，并且实现了基于物联网应用感知的虚拟共识调度。
为达到发明的目的，本发明的构思是：
为了实现物联网中区块链的动态调度，本发明提出一种物联网中基于软件定义架构的智能区块链应用感知共识管理方法。将该网络分为三个模块，使用物联网客户端单元来负责用户与数据库和物联网应用程序间交互，而后物联网传感器网络单元来负责物联网中软件定义架构区块链的数据平台，并收集用户所需的数据，以及使用SDN控制器单元来部署流程表和智能管理虚拟化共识。这样，通过三个单元的交互连接，实现了使用物联网作为载体的区块链的动态虚拟共识调度。
根据上述发明构思，本发明采用下述技术方案：
一种物联网中基于软件定义架构的智能区块链应用感知共识管理方法，其特征在于操作步骤如下：
a)物联网客户端单元
物联网用户认证后可以使用动态区块链SDN控制器及其属性并从数据库中获取物联网应用程序运行中的传感器信息数量和相应的共识，还可以在物联网中自由切换至所需传感器。同时提供了用户与底层区块链SDN控制器和传感器之间的交互方法，使用户从控制器中接收数据并发出控制命令，使得控制器可以准确地找到所需的虚拟化基础结构管理器设备并传输其数据。
b)物联网传感器网络单元
使用多个路由器来构建物联网环境，然后在物联网中部署软件定义网络架构的区块链数据平台设备，并实现区块链的网路功能虚拟化，通过IT虚拟化，实现传统通信网络的功能。将区块链的每个虚拟化基础设施管理器都连接到传感器，并在虚拟化基础设施管理器中使用实时传感器、通用型之输入输出和python中的传感器库来收集用户所需要的大量传感数据，并基于自适应简单网络管理协议将这些数据传输给该虚拟化基础设施管理器相对应的SDN控制器。
c)SDN控制器单元
该阶段的主要功能是部署流程表和智能管理虚拟化共识。将多个SDN控制器相互连接，并在一个控制器连接多个虚拟化基础设施管理器，每个区块链虚拟化基础设施管理器仅连接到相应的SDN控制器上，采用自适应简单网络管理协议作为监控接口，用以实现底层传感器网络同SDN控制器的联络和传输数据。所有SDN控制器均在NET-SNMP协议中引入管理信息库，并在原有基础上扩展4位。用于对应连接到SDN控制器设备的每个区块链虚拟基础设施管理器设备的ID，使得客户端准确找到所需设备；以及虚拟化基础结构管理器本身的值，包括CPU和内存的状态和区块链网络的实时属性，用以客户端准确获取数据。为了实现软件定义架构的控制平台，在SDN控制器中同时部署了流程表和并引用迁移学习，使用改进的TrAdaBoost算法来实现应用感知软件定义架构的区块链智能管理。部署三种共识案例来评估差异化区块链的管理，分别对应于物联网中的交易、传感和数据交换应用。并且在SDN控制器中部署了流量测量模块，对网络的吞吐量进行了采集。为了测量每个节点的能量消耗。在智能分析结果的基础上，有利于实现网络的细粒度监控和流量控制。
附图说明
附图1是本发明的物联网中基于软件定义架构的智能区块链应用感知共识的工作流程图
具体实施方式
实施例一：
使用Django框架来可视化物联网传感器数据和接受用户操作，提供了用户与底层区块链SDN控制器和传感器之间的交互方法。当用户认证后，构建的一个web界面来显示用户所需要的格式化后的SDN控制器及其传感器采集的数据，接收到用户的操作命令后，令其站点接口切换传感器。该站点负责与数据库和物联网应用程序交互，其中，数据库是用来存储物联网应用程序的所有数据及其相应的共识。站点接口通过与数据库的交互可以获取到物联网区块链应用程序中运行的SDN控制器及其属性。而后用户通过从SDN控制器接收所需传感器数据并向SDN控制器发送控制命令，物联网用户可以获取该控制器对应的物联网运行中区块链的虚拟化基础设施管理器所属的传感器数量、传感器应用类型、传感器状态等信息。此外，还有每个传感器的输出和每个传感器的属性，然后通过用户选择的不同需求，对物联网中的异构应用程序所对应的传感器实现动态调度，进行有效地整合操作，使得即使是非专业的物联网用户依然可以准确高效地配置网络资源。
实施例二：
为了在物联网中实现区块链的网路功能虚拟化技术，即通过IT虚拟化，实现传统通信网络的功能，使用树莓Pi 3模型B+作为物联网中区块链的软件定义网络架构中数据平台实现设备。区块链网络功能虚拟化基础设施层提供物联网中区块链资源的虚拟功能，由区块链控制层控制和调度。在区块链网络功能虚拟化基础设施层，异构共识被虚拟化为各种虚拟网络功能，包括PoW_VNF、PoS_VNF、PoC_VNF等。所有的虚拟网络功能都可以由网络功能虚拟化编排器配置，网络功能虚拟化编排器可以根据应用程序编排一致性。共识虚拟网络功能由虚拟网络功能管理器负责。此外，虚拟化层还通过进行虚拟化操作，进而对区块链数据层的资源进行加密。采用2.4ghz的IEEE 802.11n无线链路来组织物联网中的区块链网络，并使用相对稳定性能高的CentOS操作系统，使用Python编程实现了socket的TCP通信和pybluez的无线通信。采用自适应简单网络管理协议作为软件定义的区块链体系结构的监控接口，从而可以和SDN控制器进行连接，然后将传感器数据传送至SDN控制器上。区块链的每个虚拟化基础设施管理器都连接着不同的传感器，同时将区块链虚拟化基础设施管理器仅连接到相应的SDN控制器，而一个控制器可以连接多个虚拟化基础设施管理器，故此实现网络通信。
实施例三：
通过自适应简单网络管理协议并引入管理信息库，使得物联网客户端和SDN控制器可以进行交互，并获取关于区块链虚拟化基础设施管理器及其连接传感器的信息。我们在原来的协议的基础上扩展了4位。分别对应了连接到SDN控制器设备的每个区块链虚拟基础设施管理器设备的ID和虚拟化基础结构管理器本身的值，包括CPU和内存的状态(CPU和内存大小、实时占用率等)，以及包括区块链网络的实时属性，如延迟、带宽、流量和网络连接状态。这允许客户端准确地找到所需的虚拟化基础结构管理器设备并利用这些规则使客户能够准确地获取数据。
由16个
E5620 CPU(2.40GHz)、1000Mb/s的带宽容量、16GB内存和500GB磁盘和S12700 SDN交换机组成SDN控制器。SDN控制器中同时部署了流程表和迁移学习。将多个SDN控制器相互连接，采用自适应简单网络管理协议作为监控接口，用以实现底层传感器网络同SDN控制器的联络和传输数据。为了实现软件定义架构的控制平台，在SDN控制器中同时部署了流程表和并引用迁移学习，使用改进的TrAdaBoost算法来实现应用感知软件定义架构的区块链智能管理。这是因为在物联网中的应用程序是异构的，所以为了实现应用层的不同分布的数据包分析，所以使用分类不同分布数据的算法进行学习训练模型。
收集物联网的历史应用层包作为基本训练数据，然而，由于物联网的高动态性，目前只有一小部分数据包具有与物联网应用历史数据包相同的分布。对于当存在两个不同分布的数据合集T，其中T1分布有n个元素，T2分布有m个元素。设它的初始权重为
其中，
设
为参数因子，将权重归一化，使之成为一个分布pt，即：
而后计算使用数据T和分布pt得到的分类器ht在后一个分布即辅助训练集上的错误率，
根据εt值更新参数因子，
βt＝εt/(1-εt) (4)
从而更新权重公式得，
从而得到分类器
由此，在迁移学习过程中，经过对数据的多次重复迭代过程，通过降低被误分类的辅助训练数据权重，来减少可能与源数据集矛盾的数据对分类的影响。根据这种思想，部署三种共识案例来评估差异化区块链的管理，分别对应于物联网中的交易、传感和数据交换应用。并且在SDN控制器中部署了流量测量模块，对网络的吞吐量进行了采集。为了测量每个节点的能量消耗。在智能分析结果的基础上，有利于实现网络的细粒度监控和流量控制。
Claims (4)
1.一种物联网中基于软件定义架构的智能区块链应用感知共识管理方法，其特征在于操作步骤如下：
a)物联网客户端单元：负责用户与数据库和物联网应用程序间交互。
b)物联网传感器网络单元：物联网中区块链的硬件设备布置。
c)SDN控制器单元：部署流程表和智能管理虚拟化共识。
2.根据权利要求1所述的物联网中基于软件定义架构的智能区块链应用感知共识管理方法，其特征在于步骤a)物联网用户认证后可以使用动态区块链SDN控制器及其属性并获取物联网运行中传感器信息数量，还可以在物联网中切换每个传感器。提供了用户与底层区块链SDN控制器和传感器之间的交互方法，使用户准确地找到所需的虚拟化基础结构管理器设备并准确获取数据。
3.根据权利要求1所述的物联网中基于软件定义架构的智能区块链应用感知共识管理方法，其特征在于步骤b)使用多个路由器来构建物联网环境，然后在物联网中部署软件定义架构的区块链数据平台设备，并实现区块链的网路功能虚拟化，通过IT虚拟化，实现传统通信网络的功能。将区块链的每个虚拟化基础设施管理器都连接到传感器，在虚拟化基础设施管理器中使用实时传感器、通用型之输入输出和python中的传感器库来收集用户所需要的大量数据，并基于自适应简单网络管理协议将这些数据传输给SDN控制器。
4.根据权利要求1所述的物联网中基于软件定义架构的智能区块链应用感知共识管理方法，其特征在于步骤c)将多个SDN控制器相互连接，并在一个控制器连接多个虚拟化基础设施管理器，每个区块链虚拟化基础设施管理器仅连接到相应的SDN控制器上，采用自适应简单网络管理协议作为监控接口，用以实现底层传感器网络同SDN控制器的联络和传输数据。所有SDN控制器均在NET-SNMP协议中引入管理信息库，并在原有基础上扩展4位。用于对应连接到SDN控制器设备的每个区块链虚拟基础设施管理器设备的ID，使得客户端准确找到所需设备；以及虚拟化基础结构管理器本身的值，包括CPU和内存的状态和区块链网络的实时属性，用以客户端准确获取数据。为了实现软件定义架构的控制平台，在SDN控制器中同时部署了流程表和并引用迁移学习，使用改进的TrAdaBoost算法来实现应用感知软件定义架构的区块链智能管理。部署三种共识案例来评估差异化区块链的管理，分别对应于物联网中的交易、传感和数据交换应用。并且在SDN控制器中部署了流量测量模块，对网络的吞吐量进行了采集。为了测量每个节点的能量消耗。在智能分析结果的基础上，有利于实现网络的细粒度监控和流量控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010532939.8A CN111698323A (zh) | 2020-06-12 | 2020-06-12 | 物联网中智能区块链应用感知共识管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010532939.8A CN111698323A (zh) | 2020-06-12 | 2020-06-12 | 物联网中智能区块链应用感知共识管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111698323A true CN111698323A (zh) | 2020-09-22 |
Family
ID=72480548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010532939.8A Pending CN111698323A (zh) | 2020-06-12 | 2020-06-12 | 物联网中智能区块链应用感知共识管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111698323A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112383393A (zh) * | 2020-11-14 | 2021-02-19 | 重庆邮电大学 | 软件定义传感网络可信通信系统及方法 |
| CN112463761A (zh) * | 2020-11-05 | 2021-03-09 | 杭州云象网络技术有限公司 | 用于动态非平衡应用环境的跨链协同平台构建方法及系统 |
| CN112953704A (zh) * | 2021-01-29 | 2021-06-11 | 杭州叙简科技股份有限公司 | 一种基于5g的无人poc中继方法 |
| CN112995278A (zh) * | 2021-02-02 | 2021-06-18 | 曲阜师范大学 | 一种基于云计算平台的区块链装置管理方法及sdn控制器 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107222478A (zh) * | 2017-05-27 | 2017-09-29 | 暨南大学 | 基于区块链的软件定义网络控制层安全机制构建方法 |
-
2020
- 2020-06-12 CN CN202010532939.8A patent/CN111698323A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107222478A (zh) * | 2017-05-27 | 2017-09-29 | 暨南大学 | 基于区块链的软件定义网络控制层安全机制构建方法 |
Non-Patent Citations (2)
| Title |
|---|
| JUN WU等: "Application-Aware Consensus Management for Software-Defined Intelligent Blockchain in IoT", 《IEEE NETWORK》 * |
| 戴文渊: "基于实例和特征的迁移学习算法研究", 《中国优秀硕士论文全文数据库》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112463761A (zh) * | 2020-11-05 | 2021-03-09 | 杭州云象网络技术有限公司 | 用于动态非平衡应用环境的跨链协同平台构建方法及系统 |
| CN112383393A (zh) * | 2020-11-14 | 2021-02-19 | 重庆邮电大学 | 软件定义传感网络可信通信系统及方法 |
| CN112383393B (zh) * | 2020-11-14 | 2023-01-31 | 重庆邮电大学 | 软件定义传感网络可信通信系统及方法 |
| CN112953704A (zh) * | 2021-01-29 | 2021-06-11 | 杭州叙简科技股份有限公司 | 一种基于5g的无人poc中继方法 |
| CN112953704B (zh) * | 2021-01-29 | 2022-05-27 | 杭州叙简科技股份有限公司 | 一种基于5g的无人poc中继方法 |
| CN112995278A (zh) * | 2021-02-02 | 2021-06-18 | 曲阜师范大学 | 一种基于云计算平台的区块链装置管理方法及sdn控制器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111698323A (zh) | 物联网中智能区块链应用感知共识管理方法 | |
| Wu et al. | Application-aware consensus management for software-defined intelligent blockchain in IoT | |
| Joseph et al. | Straddling the crevasse: A review of microservice software architecture foundations and recent advancements | |
| Kertész et al. | An interoperable and self-adaptive approach for SLA-based service virtualization in heterogeneous Cloud environments | |
| AU2019268345A1 (en) | Systems and methods for modeling and simulating an IoT system | |
| Kale | Guide to cloud computing for business and technology managers: from distributed computing to cloudware applications | |
| Köksal et al. | Obstacles in data distribution service middleware: a systematic review | |
| CN105934916A (zh) | 向所部署装置编制和管理服务 | |
| Kokkonen et al. | Autonomy and intelligence in the computing continuum: Challenges, enablers, and future directions for orchestration | |
| Forti et al. | Simulating fogdirector application management | |
| Chen et al. | Introduction to OPNET network simulation | |
| Viel et al. | Internet of Things: Concepts, architectures and technologies | |
| Liu et al. | Reliability modelling and optimization for microservice‐based cloud application using multi‐agent system | |
| Cheng et al. | Modeling and optimization for collaborative business process towards IoT applications | |
| Vermesan et al. | New waves of IoT technologies research–transcending intelligence and senses at the edge to create multi experience environments | |
| Mangas et al. | WoTemu: An emulation framework for edge computing architectures based on the Web of Things | |
| Hassan et al. | PlanIoT: a framework for adaptive data flow management in IoT-enhanced spaces | |
| CN108989406A (zh) | 基于微服务的软件货架实现方法及系统 | |
| Nikbazm et al. | KSN: Modeling and simulation of knowledge using machine learning in NFV/SDN-based networks | |
| Arunkumar et al. | Healthcare Monitoring Using Ensemble Classifiers in Fog Computing Framework. | |
| Nguyen et al. | Real-time optimisation for industrial internet of things (IIoT): Overview, challenges and opportunities | |
| Fowdur et al. | Enabling technologies and applications of 5G/6G-Powered Intelligent Connectivity | |
| Vermesan | Next generation internet of things–distributed intelligence at the edge and human-machine interactions | |
| Xu et al. | Intelligent architecture and platforms for private edge cloud systems: A review | |
| Aziz et al. | Distributed Digital Twins as Proxies-Unlocking Composability & Flexibility for Purpose-Oriented Digital Twins |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200922 |
|
| WD01 | Invention patent application deemed withdrawn after publication |