CN113836552B - 一种基于区块链的微纳星簇智能感知方法及其应用 - Google Patents

一种基于区块链的微纳星簇智能感知方法及其应用 Download PDF

Info

Publication number
CN113836552B
CN113836552B CN202111100773.3A CN202111100773A CN113836552B CN 113836552 B CN113836552 B CN 113836552B CN 202111100773 A CN202111100773 A CN 202111100773A CN 113836552 B CN113836552 B CN 113836552B
Authority
CN
China
Prior art keywords
information
satellite
remote sensing
cluster
micro
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.)
Active
Application number
CN202111100773.3A
Other languages
English (en)
Other versions
CN113836552A (zh
Inventor
马岩
刘也
刘元
金雪
于树海
闫科
石晟玮
赵泽亚
王荣
李长亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
63921 Troops of PLA
Original Assignee
63921 Troops of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 63921 Troops of PLA filed Critical 63921 Troops of PLA
Priority to CN202111100773.3A priority Critical patent/CN113836552B/zh
Publication of CN113836552A publication Critical patent/CN113836552A/zh
Application granted granted Critical
Publication of CN113836552B publication Critical patent/CN113836552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/602Providing cryptographic facilities or services
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/62Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/64Protecting data integrity, e.g. using checksums, certificates or signatures
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Radio Relay Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

基于区块链的微纳星簇智能感知方法及其应用,包括:微纳星簇遥感的信息安全共识步骤;微纳星簇遥感的事件/目标主动感知步骤;微纳星簇遥感的认知智能综合步骤。本发明解决遥感卫星联合运用过程中信息交互、任务协同的问题,并具备去中心化、认知综合的能力,可保障星簇的安全性和信息的可信性;改变传统卫星通信网络的信息共享和传输模式,实现遥感任务信息的安全共享与应用,提升星簇的抗干扰、抗毁损能力;实现弱信息支撑下的星簇的场景自适应感知、目标自主探测和任务自主规划,降低星簇对外部控制信息的依赖性,提高遥感任务的时效性和针对性。

Description

一种基于区块链的微纳星簇智能感知方法及其应用
技术领域
本发明涉及航空航天技术领域,涉及一种基于区块链的微纳星簇智能感知方法及其应用。
背景技术
随着航天科技的发展,人类经济、政治和军事活动等从太空获取和传输信息的需求日益加强。然而太空环境日益复杂和可能面临的恶意对抗等情况,使得重点空间目标破坏或干扰将不断加剧,尤其是战略高价值卫星的脆弱性越来越明显。传统卫星遥感领域面临着严峻的挑战,具体体现在以下几个方面。
一是感知信息的数据可信性方面。传统卫星系统的信息防护能力差,星间和星地通信易被干扰,尤其是在测控区域外的防护能力几乎完全缺失,导致出现干扰时,卫星获取和传输信息的可信性难以保证。
二是敏感事件的主动感知方面。在卫星遥感领域,当前尚处以“事件印证、查证”为主的阶段,信息获取时效性难以满足突发事件和特定用途的需要,急需建立主动感知方法,实现基于目标/活动特征的任务智能规划与主动执行。
三是感知信息的综合处理方面。未来的时空多维度感知需求强烈,单一卫星系统载荷功能受限,信息获取片面,现有依赖于地面的信息处理架构,难以实现多角度、多类型、多维度信息的快速认知综合,因而无法给出目标状态的全面准确感知,这对时敏事件/目标的影响尤其显著。
微纳卫星具有研制成本低、组网应用快、系统重构灵活、信息获取时效性强等优势,发展微纳卫星平台,通过功能的微纳卫星组成特点的网络构型,是建立未来天基信息获取手段,是天基遥感领域发展的重要趋势。微纳星簇工作的关键是面向任务的高效协同,需要解决星簇通信的数据互信、星簇的协同工作和星簇个体间的认知综合等问题。区块链技术的安全通信,人工智能的集簇自主协同等优势,为上述问题的解决提供了新的思路。特别是区块链技术,因其具有去中心化、不可篡改、全程留痕、可以追溯、集体维护、公开透明等特点,已成功应用于金融、物流及军事等领域,但在航天领域尚无实际应用报道。
发明内容
本发明要解决的技术问题是,面向微纳星簇的在轨协同遥感需求,基于区块链技术与人工智能技术,提供一种星簇在轨智能协同与主动感知技术,服务于星基遥感的信息获取需求。
为实现上述目的,本发明充分利用区块链区中心化、不可篡改的特点,发挥人工智能高效自主技术优势,结合微纳星簇遥感任务特点,突破星簇协同遥感中的共识、感知、认知难题,建立一套微纳星簇安全自主智能感知技术,提升星簇遥感能力。
本发明的技术方案是基于区块链的微纳星簇智能感知技术,构建微纳星簇遥感领域的信息安全共识、事件/目标主动感知、认知智能综合的技术,其处理方法包括如下步骤:
步骤1:微纳星簇遥感的信息安全共识步骤:
基于区块链的去除中心化思想,建立主侧链联合星簇遥感信息交互的结构,通过卫星身份认证、星间通信加密与星间/星地高效共识,保障星簇执行任务过程中的信息安全;
步骤2:微纳星簇遥感的事件/目标主动感知步骤:通过弱信息支撑下的场景自适应感知方法提高信息获取数量及质量,基于低复杂度高性能智能感知技术和高精度区域定位技术,形成事件/目标属性输出,满足动态事件/目标信息的有效获取需求;
步骤3:微纳星簇遥感的认知智能综合步骤:实现对探测事件/目标的综合认知,通过信息融合提升事件/目标遥感的准确性、可靠性与全面性。
有益效果
传统卫星遥感领域面临信息防护能力差、域外风险高、自身可靠性低、信息获取片面等问题,信息获取、数据可信、认知综合等问题亟待解决。本发明基于区块链与人工智能技术,提出了一种基于区块链的微纳星簇智能感知技术,具有体制新颖、架构安全、感知高效、应用广泛等有益性。
附图说明
图1是本发明的基于区块链的微纳星簇智能感知技术实现示意图;
图2是两颗星联名认证场景和方法示意图;
图3是星簇链网智能合约流程示意图。
具体实施方式
本发明提出一种基于区块链的微纳星簇智能感知技术,如图1所示,采用星簇主链+地基侧链的联合区块链结构,基于区块链的安全共识等实现星簇遥感任务中信息在星簇/星地网络间的安全共享,基于人工智能技术实现星簇智能协同和敏感事件/目标主动感知,基于智能合约实现区块链节点信息的综合认知,完成所构建的区块链内信息的有效融合。本发明可以通过信息安全共识、事件/目标主动感知、认知智能三个步骤实现。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合,下面对发明的具体实施方式作详细说明。
1微纳星簇遥感的信息安全共识
所述步骤针对卫星面临着信息交互被干扰、篡改等安全威胁,引入区块链的去除中心化思想,通过卫星身份认证、星间通信加密与星间/星地高效共识,保障星簇执行任务过程中的信息安全。本步骤中,首先设计区块链的结构,然后根据区块链的信息交互需求,完成星簇节点进入区块链的身份认证,节点间通信的加密,流转信息在区块链的共识,以及跨链数据共享等。
1)区块链结构构建
由于单个微纳卫星载荷单一、工作能力有限,星簇遥感是通过星簇协同工作来完成对特点区域的敏感事件/目标的天基测量,这是以星间和星地的通信为基础的。因此,本发明在星簇探测网络中,设计如图1所示的主侧链结构,通过区块链的方式实现该网络的信息交互。
主链主要布置在网络的天基端,由星簇通信节点构成,信息以区块的方式在星间传播,保障天基端信息的可靠性,不因某个卫星节点或星星通信链路的故障和干扰,而导致信息错误。
侧链主要布置在地基系统中,针对星簇所需的地面测控和通信站网,信息以区块的方式在该站网内传播,不因某个测站的故障和破坏,而导致信息错误。
区块是区块链的基本结构单元,包括区块主体和区块头。在本发明中,区块主体由要传递的测控、遥感或协同信息等构成,区块头则包括区块版本号、父区块哈希值、Merkle树和时间戳构成。每个节点在接收到信息(父区块)后,需要更新区块头。方法是:首先,对Merkle树根植进行SHA256运算(方法可参考相关文献,如杨晓辉,戴紫彬.基于FPGA的SHA-256算法实现[J].微计算机信息,2006(11):146-148.”),校验哈希值,判断数据是否安全(无丢失和篡改);然后,标记当前时间戳,计算本区块哈希值和Merkle树根值,形成本节点的区块头,与接收区块合,并向下传递。
这里的时间戳也采用区块链的去中心化思想获得。具体地,每个节点在接收到区块数据后,从与其连通的5个以上节点进行通信,获取对方的校验时间,并取各校验时间的中位数作为时间戳。
2)区块链信息的安全共享
以星上主链为例,给出信息安全共享方法。
(1)基于区块链的卫星身份认证机制
星簇智能协同感知是一个动态持续的过程,卫星的身份认证是实现加入区块链,完成通信的前提。这里建立卫星节点身份认证方法,保障链网的用户开放性和安全性。
首先,发送区块时,每个卫星节点需要建立代表自己身份的数字签名,保障接入信息的可靠性。具体地,在信息发送前,建立一段包含信息基本属性,以及星簇内部附属验证信息(星簇基本属性、发送卫星基本属性)的摘要信息,并将摘要信息的二进制编码S通过私钥k1进行加密,作为卫星的数字签名,加入区块头;接收者通过公钥k2对去块头的身份认证部分进行解密,并对摘要信息进行合理性检验,即可实现数字签名的认证。这里根据系统设计或定期上注的密钥对发送信息进行加密,密钥依据卫星处理能力确定,推荐采用椭圆曲线加密算法
k=k1·k2 (1)
详细设计不再赘述。
其次,建立多方联名的认证机制,进一步保障区块链网的安全性。接收卫星从N个卫星接收该信息,对于卫星i发送的信息,若数字签名认证成功,则权重增加赋分权重pi(预先设定),当在通信允许的时间内权值和满足
Figure BDA0003270627830000041
p0为阈值,即则联名认证成立,认为该信息经过多个节点记账,是可靠的。图2中是典型的两颗星联名认证场景,赋分权重pi是3,检测阈值p0是5。
(2)星簇加密通信节点选举
由于星簇链网节点卫星计算能力差异性导致部分节点长期占有出块权力,违背去中心化原则,且星簇构型与通信条件约束等导致信息传递可能经过了多次转发,信息可达性和时效性难以保障。为实现公平、高效、可靠的信息通信与验证,这里基于建立星簇加密通信节点选举机制,只有通过选举的节点才可以参与区块的传递。
首先,根据节点的计算和通信能力,设置准入门槛机制。满足准入门槛的卫星节点可以作为备选节点,参与星簇区块链记账(遥感信息的写入,测控信息的修改等),否则该节点仅作为通信路由,从而参与选举的节点数量和节点质量。
其次,建立卫星节点动态准入与退出机制。对各个卫星节点,统计其一段时间(如任务前一周)的区块输入和输出时间差,以及区块记账成功次数。对于信息处理时间或记账成功超出阈值的节点,则不纳入区块链的节点选取范围,但可继续进行区块链的通信。当其信息处理时间和记账成功率满足阈值,则恢复其备选节点地位。
最后,引入动态路由的思想,通过链路-状态路由选择,在星簇中自动建立网络传输拓扑。具体做法是:
·对于每颗待发送区块的卫星,向其周围有通信链路的卫星发送Hello报文封装的一个简易区块链(封装方法同前),并接收回传信息,测量信息时延和区块链的准确性,在阈值范围内的卫星节点组成可通信拓扑。
·结合前述步骤的节点选举结果,对该结构进行删减。
·对于删减后的网络,选择可通行的若干条最短线路,这些链路所经节点作为动态的节点选取结果。线路条数根据任务的时效性和星簇的通信能力确定,一般保证星簇的通信负载不超过80%。
(3)建立星簇链网传递信息的共识机制
针对星簇智能协同感知过程中卫星通信被干扰、节点故障、卫星被敌劫持等造成卫星感知数据不可靠问题,这里建立基于区块链技术的星簇链共识机制。
选取拜占庭容错算法(Practical Byzantine Fault Tolerance,PBFT)作为星簇共识的主要算法。具体地:
·对于每个区块,接收卫星节点作为用户,所有发送该区块的卫星当作副本。
·取通信时延最短的副本为主节点,其它作为备份节点。
·用户向主节点发送区块内容,主节点通过卫星网络发送给其它副本。
·用户接收所有副本返回的区块,在任务运行通信时间内,接收到的区块数量超过半数,且内容一致,则对认为该区块达成共识。
将地基的各个站点与星簇的卫星同等看待,依托以上技术就可以完成地基侧链的信息安全共享,这里不再赘述。需要指出,由于地基网络自身的处理能力和信息安全能力较强,在通信加密等环节,也可以使用复杂度更高的算法。
3)链间数据跨链共享
针对星间星地一体融合时星簇间以及星簇与地面数据共享难题,面向复杂多样的星簇智能协同感知应用场景,这里建立的主侧链联合结构,需要解决链间数据共享问题。
这里的链间数据共享分为星簇间共享和星地共享两种类型。
(1)星簇间共享
星上处理能力有限,且受到干扰和破坏的可能性较大,适合采用去中心化程度较高的方法,因此这里采用哈希锁定或中继链技术。以哈希锁定为例,星簇A构成的链LA和星簇B构成的链LB通信过程如下。
·LA将要传递的信息CAB加密并形成区块,生成随机数s作为密码,计算随机数s对应的哈希值H(s)并附属在区块头,将区块通过两个链间的网路发送给LB
·LB接收信息后,将要传递的信息CBA加密并形成区块,根据H(s)在星簇网络上部署智能合约,合约中包含要传递的信息。
·LA接收智能合约,将s作为密码,提取信息CBA
·LB根据智能合约,获得密码s,从而获得信息CAB
若是单向通信,即仅CAB是实质性内容,则CBA可以为空信息,或事前约定的任意信息。
(2)星地间共享
由于地面存在处理能力和防护能力相对较强的节点,如境内的测控中心,故选用公证人机制的方式。这里设计一种混合模式的公证人机制。
首先,地面测控中心作为地面单签公证人,地面传输给星上的信息Cgs都要传输到该中心。中心经过密钥和和签名的验证,才可以上传到卫星。
其次,星上的信息通过星簇的分布式公证人(多颗卫星),分别下传到地面。每颗星Si下传的信息在区块头中包含部分密钥碎片ki,地面区块链接收到信息后,对经过签名认证的信息提取密钥碎片并进行合并。当在规定的时间内获得足够的密钥,满足事前约定的解码条件(如正确连接的碎片长度大于原密钥的一半),则认为该信息是合理的,允许其进入地面区块链进行传播。这里的地面接收,则不局限于测控中心,允许存在通信的多个站对接收信息进行合并。
2微纳星簇遥感的事件/目标主动感知
所述步骤针对传统工作模式“地面遥感指令上注到卫星->卫星在过目标区时开展遥感观测->遥感数据在星上存储,过境时下传到地面-地面提取敏感事件/目标-信息指导星群后续观测”的信息获取滞后性,建立不依赖于地面的星群自主工作新模式,即“星群对场景自适应感知,实现区域自适应定位(待遥感观测区域)->星群敏感事件/目标自动观测,获取高价值观测数据”。
1)弱信息支撑下的场景自适应感知
针对境外等地理信息数据库匮乏地区成像信息质量不确定性的限制,这里进行弱信息支撑下的场景自适应感知。
首先,结合相关信息进行任务类型、处理模型及主要参数设置,建立场景自适应驱动下的顶层任务调度和星簇控制策略树。实际策略依赖于星簇自身结构及所执行的任务,一般可以星簇设计阶段部署,并在运行过程中逐渐完善。如针对不同的探测目标和探测时间,选择不同的探测器类型和探测角度等。
其次,集成环境监测、干扰因素检测、图像预处理与图像质量评价算法,完成场景特征及成像质量(遥感信息质量)的分析。相关算法在遥感领域有对应的算法集,星簇设计时根据需要选取即可,不属于本发明的保护内容。
最后,利用神经网络完成场景的区域定位和观测策略推荐。具体方法如下:
·对于历史场景的分析结果,建立数据训练集,训练集内的含敏感事件/目标的区域进行人工进行标注,并根据前文建立的策略数,给出观测的任务调度和星簇控制策略。
·建立神经网络网络,利用标注的数据进行网络模型训练,该网络的输出结果包括敏感区域目标的覆盖区域、典型特征(如亮度对比度)和观测策略等。
·训练后的网路作为场景自适应感知基础模型,为后续场景中敏感事件/目标的提取提供方法。
2)多约束下的事件/目标智能感知
受星载设备处理性能、功耗及开机条件等约束,要求感知系统具备低复杂度、高可靠性、高鲁棒性和适应性等特点,这里结合场景推荐结果,提供多约束下的星簇自主实现的事件/目标智能感知方法。包含特征自主感知和策略动态调整两个环节。
(1)特征自主感知
星簇对敏感区域进行观测,计算区域的对比度总变分
Figure BDA0003270627830000071
其中Ik是遥感图像中第k像素的强度,M为像素总数。若在一定区域(目标最大覆盖像素)内,半数以上像素的Sk超过给定阈值,则将这些像素对应的区域定义为目标区域。对该区域进行详细的遥感测量,提取目标特征(如亮度、形状、运动速度等),从而完成目标特征自主感知。这里的区域大小和判断阈值,均是通过前述的场景自适应神经网络提供。
(2)策略动态调整
此步骤是基于强化学习方法,主动调整卫星遥感的传感器测量行为(包含在任务调度和星簇控制策略中,如相机参数,观测角度,观测卫星数量等),对目标所在区域进行更细致的测量,提高自适应感知的效率和可靠性。具体做法是,基于前述的神经网络建立奖励函数,通过强化学习网络实现传感器测量行为的优化。该网络的构建和解算方式如下。
·构建从测量行为x经过控制动作a到测量行为x'的奖励函数R(x,a,x')
·在每一步状态下遍历所有动作,选出最大化奖励函数的参数动作
π(a/s)=argmax∑R(x,a,x')
其中x是当前状态量,x'是下一时刻状态量,a为当前相机调整动作。该调整动作a对应了策略的调整,该调整过程可以反馈到前述的场景自适应神经网络,扩展训练数据集,提高网络的适应性,实现网络的在线自主学习。
3微纳星簇遥感的认知智能综合
实际系统中,星簇中的卫星的处于轨道高度、飞行姿态,配置不同观测能力的载荷,处于不同的通信网络节点。鉴于微纳卫星传感器能力限制与所处位置约束导致的单个卫星获得信息片面性,直接影响其获取的遥感数据质量。如何有效综合星簇内不同质量的卫星感知数据,形成一致的遥感结果(事件或目标特征)认知,是系统需要解决的一个关键难题。
所述步骤针对该难题,建立星簇链网节点权限动态调整智能合约,实现对探测事件/目标的综合认知,通过信息融合提升遥感信息的准确性、可靠性与全面性。实现过程如图3所示。
1)基于智能合约的信息融合方法
不同于“预先设定不同信息源权重实现不同节点信息的融合”的传统认知综合模式,本发明引入区块链的思想,建立基于智能合约的信息融合模型。其基本思想是,在节点签名的基础上,利用信息源权重对智能合约进行加权,从而通过数字形式实现节点信息融合。具体地:
(1)智能合约构建
根据信息源对应的目标特征,建立智能合约的规则,即节点获得的信息源与目标特征的对应关系。该关系可通过“微纳星簇遥感的事件/目标主动感知”步骤的神经网络获得。
(2)智能合约的融合
将每个节点触发的智能合约结果作为融合系统的输入,融合权值c则通过节点权限来表达。融合方法可以是简单的加权平均,也可引入D-S证据理论等,具体实现方法可以查阅相关文献,这里不再赘述。这里的融合权限通过统计其对相邻节点的签名授权成功率获得。记待融合节点aJ的相邻节点集合{a1,…,aN},融合权限计算方法如下。
·在一定时间内(如任务前一周),统计节点ai接收到aJ信息并被联名认证成功的概率piJ。联名认证的过程参见“微纳星簇遥感的信息安全共识”步骤。
·对piJ,按照ai的赋分权重pi进行系数调制,获得节点aJ的智能合约的融合权值为
Figure BDA0003270627830000081
2)认证综合过程
首先,将上述基于智能合约的信息模型应用于星上信息融合,在星上共识节点形成认知的初步综合。共识方法与“微纳星簇遥感的信息安全共识”步骤相同。
其次,在跨链共享的基础上,将上述基于智能合约的信息模型应用于星上共识节点和地面控制中心,通过信息融合形成综合的目标认知结果,作为事件/目标的感知信息输出。跨链共享方法与“微纳星簇遥感的信息安全共识”步骤相同。
最后,通过建立智能合约的动态调整策略,给出星簇链网、星地链网节点权限动态调整方案,进一步提升遥感数据认知综合的准确性。这里的动态调整,主要是指调整赋分权重,简单方法是每次认知综合后,利用权值cJ对赋分权重pJ进行调整,计算方法为
Figure BDA0003270627830000091
{c1,…,cM}是所有参与认知综合的节点的权值,[·]为取整函数。A权值调整系数,使得pJ与原始值在一个量级,用于保证联合签名时的阈值有效性。
本发明基于区块链与人工智能技术,提出了一种基于区块链的微纳星簇智能感知技术,具有体制新颖、架构安全、感知高效、应用广泛等有益性,具体的:
(1)本发明提供了一种面向遥感应用场景的星簇区块链协同工作新体制,解决遥感卫星联合运用过程中信息交互、任务协同的问题,并具备去中心化、认知综合的能力,可保障星簇的安全性和信息的可信性。该体制是星簇控制方法的本质变革,不再依赖地面系统,自主性更强,可为星簇系统升级提供支撑。
(2)依据本发明方法,可以建立一种星间主链+地基侧链的区块链结构,改变传统卫星通信网络的信息共享和传输模式,实现遥感任务信息的安全共享与应用,提升星簇的抗干扰、抗毁损能力,这对于在不确定和脆弱的空间环境下检测/防御网络攻击,制定网络和物理攻击中恢复策略等也有一定的益处。
(3)依据本发明方法,可以提供一种面向卫星遥感的信息智能获取与融合处理手段,实现弱信息支撑下的星簇的场景自适应感知、目标自主探测和任务自主规划,降低星簇对外部控制信息的依赖性,提高遥感任务的时效性和针对性。
(4)本发明的方法是区块链技术与人工智能和在天基遥感领域的有益尝试,该方法同样适应所有卫星星簇应用场景,解决卫星间的信息安全共享难题,提高智能协同能力,在星基对地遥感、空间目标状态监测、空间资产在轨安全、在轨维护等领域都有广泛的应用前景。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下,可以对这些实例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。

Claims (2)

1.基于区块链的微纳星簇智能感知方法,其特征在于包括如下步骤:
步骤1:微纳星簇遥感的信息安全共识步骤:基于区块链的去除中心化思想,建立主侧链联合星簇遥感信息交互的结构,通过卫星身份认证、星间通信加密与星间/星地共识,保障星簇执行任务过程中的信息安全;区块链结构构建:在星簇探测网络中,设计主、侧链结构,通过区块链的方式实现该网络的信息交互;主链布置在网络的天基端,由星簇通信节点构成,信息以区块的方式在星间传播,保障天基端信息的可靠性,不因某个卫星节点或星星通信链路的故障和干扰,而导致信息错误;侧链布置在地基系统中,针对星簇所需的地面测控和通信站网,信息以区块的方式在该站网内传播,不因某个测站的故障和破坏,而导致信息错误;区块链信息的安全共享包括:建立基于区块链的卫星身份认证机制;完成星簇加密通信节点选举;建立星簇链网传递信息的共识机制;链间数据跨链共享包括:星簇间共享,星地间共享;
步骤2:微纳星簇遥感的事件/目标主动感知步骤:通过场景自适应感知方法提高信息获取数量及质量,基于智能感知技术和区域定位技术,形成事件/目标属性输出,满足动态事件/目标信息的有效获取需求;所述步骤2进一步包括如下内容:多约束下的事件/目标智能感知;
步骤3:微纳星簇遥感的认知智能综合步骤:实现对探测事件/目标的综合认知,通过信息融合方法提升事件/目标遥感的准确性、可靠性与全面性;该信息融合方法包括智能合约构建;根据信息源对应的目标特征,建立智能合约的规则,即节点获得的信息源与目标特征的对应关系;智能合约的融合包括:将每个节点触发的智能合约结果作为融合系统的输入,融合权值c则通过节点权限来表达;融合权值通过统计其对相邻节点的签名授权成功率获得,记待融合节点aJ的相邻节点集合{a1,…,aN},融合权值计算方法如下:在一定时间内,统计节点ai接收到aJ信息并被联名认证成功的概率piJ;对piJ,按照ai的赋分权重pi进行系数调制,获得节点aJ的智能合约的融合权值为:
Figure 234685DEST_PATH_IMAGE001
将基于上述智能合约的信息模型应用于星上信息融合,在星上共识节点形成认知的初步综合;
在跨链共享的基础上,将上述基于智能合约的信息模型应用于星上共识节点和地面控制中心,通过信息融合形成综合的目标认知结果,作为事件/目标的感知信息输出;
通过建立智能合约的动态调整策略,给出星簇链网、星地链网节点权限动态调整方案,进一步提升遥感数据认知综合的准确性;该动态调整是指调整赋分权重,利用权值cJ对赋分权重pJ进行调整,计算方法为:
Figure 36419DEST_PATH_IMAGE002
{c1,…,cM}是所有参与认知智能综合的节点的权值,[·]为取整函数,A为权值调整系数,使得pJ与cJ的原始值在一个量级,用于保证联合签名时的阈值有效性。
2.一种遥感卫星,其特征在于:所述遥感卫星采用如权利要求1 所述的基于区块链的微纳星簇智能感知方法。
CN202111100773.3A 2021-09-18 2021-09-18 一种基于区块链的微纳星簇智能感知方法及其应用 Active CN113836552B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111100773.3A CN113836552B (zh) 2021-09-18 2021-09-18 一种基于区块链的微纳星簇智能感知方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111100773.3A CN113836552B (zh) 2021-09-18 2021-09-18 一种基于区块链的微纳星簇智能感知方法及其应用

Publications (2)

Publication Number Publication Date
CN113836552A CN113836552A (zh) 2021-12-24
CN113836552B true CN113836552B (zh) 2022-07-29

Family

ID=78959912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111100773.3A Active CN113836552B (zh) 2021-09-18 2021-09-18 一种基于区块链的微纳星簇智能感知方法及其应用

Country Status (1)

Country Link
CN (1) CN113836552B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115510250B (zh) * 2022-11-10 2023-02-14 成都国恒空间技术工程股份有限公司 一种基于知识区块链的航天信息协同采集方法及系统
CN118568657B (zh) * 2024-05-16 2025-01-21 江苏久创电气科技有限公司 一种基于区块链的多传感器信息融合系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113328782A (zh) * 2021-05-25 2021-08-31 清华大学 一种基于区块链的星地网络资源共享架构系统及其运行方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140310243A1 (en) * 2010-08-16 2014-10-16 Mr. Steven James McGee Heart beacon cycle
CN110132263B (zh) * 2019-05-28 2023-01-31 北京航空航天大学 一种基于表示学习的星图识别方法
CN111698020B (zh) * 2020-04-30 2022-04-12 航天东方红卫星有限公司 一种基于区块链的星群自主感知及动态规划方法
CN112564775B (zh) * 2020-12-18 2023-04-07 江苏省未来网络创新研究院 一种基于区块链的空间信息网络访问控制系统与认证方法
CN112821934B (zh) * 2020-12-25 2023-05-09 南京优速网络科技有限公司 一种基于区块链的空间信息网络可信快速切换方法
CN113361962A (zh) * 2021-06-30 2021-09-07 支付宝(杭州)信息技术有限公司 基于区块链网络识别企业风险性的方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113328782A (zh) * 2021-05-25 2021-08-31 清华大学 一种基于区块链的星地网络资源共享架构系统及其运行方法

Also Published As

Publication number Publication date
CN113836552A (zh) 2021-12-24

Similar Documents

Publication Publication Date Title
Singh et al. A deep learning-based blockchain mechanism for secure internet of drones environment
Wang et al. A secure and intelligent data sharing scheme for UAV-assisted disaster rescue
Gupta et al. Blockchain‐assisted secure UAV communication in 6G environment: Architecture, opportunities, and challenges
Agyapong et al. Efficient detection of GPS spoofing attacks on unmanned aerial vehicles using deep learning
Kang et al. Securing data sharing from the sky: Integrating blockchains into drones in 5G and beyond
Pauu et al. Differential privacy and blockchain-empowered decentralized graph federated learning-enabled UAVs for disaster response
Wang et al. Disaster relief wireless networks: Challenges and solutions
CN113836552B (zh) 一种基于区块链的微纳星簇智能感知方法及其应用
Song et al. Trustworthy intelligent networks for low-altitude economy
Hafeez et al. Blockchain-enhanced UAV networks for post-disaster communication: A decentralized flocking approach
Rahouti et al. A decentralized cooperative navigation approach for visual homing networks
Aljohani et al. Autonomous strike UAVs in support of homeland security missions: Challenges and preliminary solutions
Yu et al. Optimal consensus control strategy for multi-agent systems under cyber attacks via a stackelberg game approach
CN120264270B (zh) 基于混合加密的无人驾驶清扫车与云平台数据交互系统
CN121150911A (zh) 一种基于无人机通信数据加密传输系统
Xiao et al. MU-BISE: Multi-UAV collaborative mapping based on blockchain information security enhancement
Nakayiza et al. Blockchain-enabled intrusion detection system for distributed vehicular networks
Wang et al. Formation optimization of blockchain-assisted swarm robotics systems against failures based on energy balance
Goh et al. 3L-BC: a three-layer blockchain architecture for collaborative machine learning in secure drone communications
Li et al. Fed-SecTP: A Federated Learning-Based Framework for Secure Vehicle Trajectory Prediction Using Surrounding Vehicle Data
CN120337989B (zh) 基于区块链与联邦学习的交通控制模型训练方法及系统
Mabude et al. BUAS: A Blockchain-Enabled Trust-Aware Security Architecture for Scalable and Resilient UAV Networks
Sathish et al. Federated Learning in Heterogeneous Unmanned Aerial Vehicle
CN116744252B (zh) 用于保障无人机采集数据真实性的系统
CN120434004A (zh) 一种双层可信保障的多智能体协作系统

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
GR01 Patent grant
GR01 Patent grant