《物聯(lián)網(wǎng)技術(shù)概論》第三版配套習(xí)題及參考答案第一章物聯(lián)網(wǎng)概論列舉物聯(lián)網(wǎng)的四個(gè)關(guān)鍵應(yīng)用場(chǎng)景傳感器網(wǎng)絡(luò)，傳感器技術(shù)，RFID技術(shù)，標(biāo)識(shí)及編址技術(shù)列舉物聯(lián)網(wǎng)發(fā)展的不同階段第一階段：傳感器網(wǎng)絡(luò)，以固定部署的傳感器形成聯(lián)網(wǎng)感知能力第二階段：個(gè)體感知，以個(gè)人攜帶智能手機(jī)為載體對(duì)人與周?chē)h(huán)境進(jìn)行感知第三階段：移動(dòng)群體感知，以移動(dòng)人群為感知群體對(duì)物理空間形成大范圍高質(zhì)量長(zhǎng)時(shí)間感知能力第四階段：人機(jī)協(xié)同移動(dòng)群體感知，以深度人機(jī)協(xié)同為特征，形成邊緣感知與計(jì)算智能舉例說(shuō)明泛在網(wǎng)絡(luò)基本架構(gòu)的四個(gè)層次泛在網(wǎng)絡(luò)的最基本組成部分為傳感器網(wǎng)絡(luò)，其中包括RFID、智能家居、智能城市、車(chē)載傳感器能組件。在此之上是接入網(wǎng)絡(luò)層，包括網(wǎng)關(guān)、網(wǎng)橋節(jié)點(diǎn)、現(xiàn)有網(wǎng)絡(luò)等基礎(chǔ)設(shè)施。網(wǎng)絡(luò)接入中間件層。中間件層包括目錄服務(wù)、建模與管理、內(nèi)容管理、空間信息管理等組件。在此之上，最高層為應(yīng)用層。泛在網(wǎng)絡(luò)的廣泛應(yīng)用包括物流、安全檢測(cè)、農(nóng)業(yè)、醫(yī)療、災(zāi)害管理等方面。分析物聯(lián)網(wǎng)的三個(gè)層次的不同作用，及其核心能力感知互動(dòng)層：整個(gè)體系的最底層，大量具有感知和識(shí)別功能的設(shè)備組成；主要作用是感知和識(shí)別物體，收集環(huán)境信息；主要關(guān)注信息采集、組網(wǎng)和傳輸技術(shù)網(wǎng)絡(luò)傳輸層：包括各種通信網(wǎng)絡(luò)（互聯(lián)網(wǎng)、電信網(wǎng)、移動(dòng)通信網(wǎng)、衛(wèi)星網(wǎng)、廣電網(wǎng)）形成的融合網(wǎng)絡(luò)；不同網(wǎng)絡(luò)傳輸協(xié)議的互通、自組織通信等多種網(wǎng)絡(luò)技術(shù)、資源和存儲(chǔ)管理技術(shù)；海量的感知信息進(jìn)行全面的共享應(yīng)用服務(wù)層：將物聯(lián)網(wǎng)技術(shù)與行業(yè)專(zhuān)業(yè)技術(shù)相結(jié)合，提供應(yīng)用支撐，從而實(shí)現(xiàn)廣泛智能化應(yīng)用的解決方案集，包括物聯(lián)網(wǎng)應(yīng)用支撐技術(shù)和物聯(lián)網(wǎng)應(yīng)用服務(wù)集；關(guān)鍵在于實(shí)現(xiàn)信息的社會(huì)化共享以及解決信息安全的保障問(wèn)題信息物理系統(tǒng)（CPS）的概念，并列舉CPS的三個(gè)核心要素通過(guò)集成先進(jìn)的感知、計(jì)算、通信、控制等信息技術(shù)和自動(dòng)控制技術(shù)，構(gòu)建了物理空間與信息空間中人、機(jī)、物、環(huán)境、信息等要素相互映射、適時(shí)交互、高效協(xié)同的復(fù)雜系統(tǒng)，實(shí)現(xiàn)系統(tǒng)內(nèi)資源配置和運(yùn)行的按需響應(yīng)、快速迭代、動(dòng)態(tài)優(yōu)化。它緊密結(jié)合了通信能力、控制能力和計(jì)算能力三個(gè)方面的核心要素。闡釋M2M通信的涵義，以及其和IoT的不同之處M2M（MachinetoMachine）通信是指通過(guò)在機(jī)器內(nèi)部嵌入無(wú)線通信模塊，以無(wú)線通信為主要接入手段，實(shí)現(xiàn)機(jī)器之間智能化、交互式的通信，為客戶(hù)提供綜合的信息化解決方案。以滿(mǎn)足客戶(hù)對(duì)監(jiān)控、數(shù)據(jù)采集、測(cè)量、調(diào)度和控制等方面的信息化需求。M2M和IoT的不同，涵蓋此列表多條即可：M2MIoT機(jī)器傳感器基于硬件基于硬件垂直應(yīng)用橫向應(yīng)用部署在一個(gè)封閉的系統(tǒng)中與更大的網(wǎng)絡(luò)聯(lián)系機(jī)器與機(jī)器聯(lián)系機(jī)器與機(jī)器聯(lián)系、機(jī)器與人、人與機(jī)器用戶(hù)非IP協(xié)議用戶(hù)IP協(xié)議可以用云端但不必須使用云機(jī)器點(diǎn)對(duì)點(diǎn)交流通?；谟布O(shè)備使用IP網(wǎng)絡(luò)交流通常單項(xiàng)交流往返交流主要用來(lái)監(jiān)控和控制大量應(yīng)用，多行業(yè)廣泛應(yīng)用通過(guò)基于操作的觸發(fā)響應(yīng)來(lái)進(jìn)行操作能，但不是必須通過(guò)觸發(fā)響應(yīng)操作有限集成選項(xiàng)設(shè)備必須有配套的通信標(biāo)準(zhǔn)集成選項(xiàng)不限但必須管理協(xié)議的軟件結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)試結(jié)合應(yīng)用場(chǎng)景闡釋CPS在工業(yè)中的應(yīng)用示例：設(shè)備健康管理：將CPS與裝備管理相結(jié)合，通過(guò)應(yīng)用建模、仿真測(cè)試、驗(yàn)證等技術(shù)建立裝備健康評(píng)估模型，在數(shù)據(jù)融合的基礎(chǔ)上搭建具備感知網(wǎng)絡(luò)的智能應(yīng)用平臺(tái)，實(shí)現(xiàn)裝備虛擬健康管理。通過(guò)智能分析平臺(tái)對(duì)裝備運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)的感知與監(jiān)測(cè)，并實(shí)時(shí)應(yīng)用健康評(píng)估模型進(jìn)行分析預(yù)演及評(píng)估，將運(yùn)行決策和維護(hù)建議反饋到控制系統(tǒng)，為裝備最優(yōu)使用和及時(shí)維護(hù)提供自主認(rèn)知、學(xué)習(xí)、記憶、重構(gòu)的能力，實(shí)現(xiàn)裝備健康管理智能維護(hù)：應(yīng)用建模、仿真測(cè)試及驗(yàn)證等技術(shù)，基于裝備虛擬健康的預(yù)測(cè)性智能維護(hù)模型，構(gòu)建裝備智能維護(hù)CPS系統(tǒng)。通過(guò)采集裝備的實(shí)時(shí)運(yùn)行數(shù)據(jù)，將相關(guān)的多源信息融合，進(jìn)行裝備性能、安全、狀態(tài)等特性分析，預(yù)測(cè)裝備可能出現(xiàn)的異常狀態(tài)，并提前對(duì)異常狀態(tài)采取恰當(dāng)?shù)念A(yù)測(cè)性維護(hù)。裝備智能維護(hù)CPS系統(tǒng)突破傳統(tǒng)的閾值報(bào)警和窮舉式專(zhuān)家知識(shí)庫(kù)模式，依據(jù)各裝備實(shí)際活動(dòng)產(chǎn)生的數(shù)據(jù)進(jìn)行獨(dú)立化的數(shù)據(jù)分析與利用，提前發(fā)現(xiàn)問(wèn)題并處理，延長(zhǎng)資產(chǎn)的正常運(yùn)行時(shí)間。運(yùn)營(yíng)調(diào)度協(xié)同優(yōu)化：CPS通過(guò)搭建感知網(wǎng)絡(luò)和智能云分析平臺(tái)，構(gòu)建裝備的全生命周期核心信息模型，并按照能效、安全、效率、健康度等目標(biāo)，通過(guò)對(duì)核心部件和過(guò)程特征等在虛擬空間進(jìn)行預(yù)測(cè)推演，結(jié)合不同策略下的預(yù)期標(biāo)尺線，從而篩選出最佳決策建議，為裝備使用提供輔助決策，從而實(shí)現(xiàn)裝備的最佳應(yīng)用。以飛機(jī)運(yùn)營(yíng)為例，運(yùn)營(yíng)中對(duì)乘客人數(shù)、飛行時(shí)間、飛行過(guò)程環(huán)境數(shù)據(jù)、降落數(shù)據(jù)、機(jī)場(chǎng)數(shù)據(jù)等數(shù)據(jù)的采集，同步共享給相關(guān)方：飛機(jī)設(shè)計(jì)與制造部門(mén)通過(guò)飛機(jī)虛擬模擬模型推演出最優(yōu)方案指導(dǎo)飛機(jī)操作人員、航空運(yùn)營(yíng)商提供最優(yōu)路線方案給地勤運(yùn)營(yíng)等。以戰(zhàn)場(chǎng)輔助物聯(lián)網(wǎng)系統(tǒng)為例，分析物聯(lián)網(wǎng)設(shè)備的作用智能眼鏡：鏡框有天線，為士兵顯示豐富的信息智能手表：低能耗控制，用于不確定時(shí)間的作戰(zhàn)任務(wù)時(shí)長(zhǎng)芯片組系統(tǒng)：分析電熱等信號(hào)，分析當(dāng)前環(huán)境，包括有害的電磁場(chǎng)等單個(gè)士兵和和系統(tǒng)的全面整合：和士兵聯(lián)網(wǎng)的包括：有人/無(wú)人飛行器、直升機(jī)、地面車(chē)輛等，用于準(zhǔn)確地模擬戰(zhàn)場(chǎng)環(huán)境，進(jìn)行電磁干擾分析。不同的設(shè)備都有著極高的可適性，例如直升機(jī)使用不同頻段的天線用于檢測(cè)信號(hào)；整個(gè)系統(tǒng)結(jié)合起來(lái)，在極端和變幻莫測(cè)的戰(zhàn)場(chǎng)環(huán)境下迅速提供解決方案。結(jié)合案例，闡釋“工業(yè)4.0”的概念和優(yōu)點(diǎn) 工業(yè)4.0又稱(chēng)“第四次工業(yè)革命”，并不是單單創(chuàng)造新的工業(yè)技術(shù)，而是著重于現(xiàn)有的工業(yè)相關(guān)的技術(shù)、銷(xiāo)售與產(chǎn)品體驗(yàn)統(tǒng)合起來(lái)，透過(guò)工業(yè)人工智能的技術(shù)建立具有適應(yīng)性、資源效率和人因工程學(xué)的智能工廠，并在商業(yè)流程及價(jià)值流程中整合客戶(hù)以及商業(yè)伙伴，提供完善的售后服務(wù)。其技術(shù)基礎(chǔ)是智能整合感控系統(tǒng)及物聯(lián)網(wǎng)。案例分析示例：作為全球第一大汽車(chē)技術(shù)供應(yīng)商，博世的汽車(chē)剎車(chē)系統(tǒng)在市場(chǎng)上有相當(dāng)?shù)膶?shí)力。博世洪堡工廠，作為公司旗下智能工廠的代表，其生產(chǎn)線的特殊之處在于，所有零件都有一個(gè)獨(dú)特的射頻識(shí)別碼，能同沿途關(guān)卡自動(dòng)“對(duì)話(huà)”。每經(jīng)過(guò)一個(gè)生產(chǎn)環(huán)節(jié)，讀卡器會(huì)自動(dòng)讀出相關(guān)信息，反饋到控制中心進(jìn)行相應(yīng)處理，從而提高整個(gè)生產(chǎn)效率。在洪堡工廠引入的射頻碼系統(tǒng)需幾十萬(wàn)歐元，但由于庫(kù)存減少30%，生產(chǎn)效率提高10%，由此可節(jié)省上千萬(wàn)歐元的成本。獨(dú)立的射頻碼給博世公司旗下工廠的20多條生產(chǎn)線帶來(lái)了低成本高效率的回報(bào)。而這種讓每個(gè)零件都能說(shuō)話(huà)的技術(shù)，也是智能工廠的重要體現(xiàn)形式。初步調(diào)查了解現(xiàn)有物聯(lián)網(wǎng)操作系統(tǒng)，如騰訊的開(kāi)源系統(tǒng)TencentOSTiny。闡述物聯(lián)網(wǎng)和通用操作系統(tǒng)的區(qū)別。（開(kāi)放題目）針對(duì)現(xiàn)有的物聯(lián)網(wǎng)系統(tǒng)，闡述其使用情況。物聯(lián)網(wǎng)操作系統(tǒng)的特性主要體現(xiàn)在以下幾方面：連接性：互聯(lián)互通、互操作性安全性：設(shè)備安全、通信安全、數(shù)據(jù)安全能效性：設(shè)備能耗管理通信：支持多種通信協(xié)議，如低功耗藍(lán)牙、以太網(wǎng)、Wi-Fi、Zigbee、6LoWPAN、LPWAN（LoRa、NB-IoT、SigFox…）等等標(biāo)準(zhǔn)：開(kāi)放標(biāo)準(zhǔn)，開(kāi)放的標(biāo)準(zhǔn)有利于設(shè)備的互聯(lián)互通

第二章物聯(lián)網(wǎng)體系架構(gòu)物聯(lián)網(wǎng)體系架構(gòu)由那幾層構(gòu)成？感知層、網(wǎng)絡(luò)層、應(yīng)用層在物聯(lián)網(wǎng)感知層中，傳感器節(jié)點(diǎn)存在哪些約束？能量受限、通信能力受限、計(jì)算和儲(chǔ)存能力受限請(qǐng)列舉出幾種常見(jiàn)的傳感器。加速度傳感器、震動(dòng)傳感器、磁敏傳感器、光敏傳感器、溫度傳感器、（氧傳感器、負(fù)荷傳感器、轉(zhuǎn)速傳感器、爆震傳感器、節(jié)氣門(mén)傳感器……）三網(wǎng)融合指的是哪些網(wǎng)絡(luò)的融合？互聯(lián)網(wǎng)、電信網(wǎng)、廣播電視網(wǎng)物聯(lián)網(wǎng)的服務(wù)質(zhì)量分為哪幾個(gè)方面？通信為中心的服務(wù)質(zhì)量、數(shù)據(jù)為中心的服務(wù)質(zhì)量、用戶(hù)為中心的數(shù)據(jù)質(zhì)量SENSEI項(xiàng)目提出的體系結(jié)構(gòu)是什么？主要由以下幾層構(gòu)成：通信服務(wù)層、資源層、應(yīng)用層，這些層自下而上依次連接如果想要檢測(cè)火焰，需要什么傳感器？如果是檢測(cè)車(chē)輛碰撞呢？使用溫度傳感器（火焰\煙霧傳感器）來(lái)檢測(cè)，如果檢測(cè)到溫度瞬間的異常變化，如突然的升高，就可以進(jìn)行火焰的報(bào)警；使用加速度傳感器（震動(dòng)傳感器）來(lái)檢測(cè)，如果檢測(cè)到瞬間的加速度的變化（超出車(chē)輛正常水平的加減速能力），就可以進(jìn)行車(chē)輛碰撞的檢測(cè)和警告了。請(qǐng)利用物聯(lián)網(wǎng)的感知功能實(shí)現(xiàn)路燈的自我節(jié)能。物聯(lián)網(wǎng)的感知功能主要是通過(guò)傳感器獲取數(shù)據(jù)并分析實(shí)現(xiàn)的，我們可以利用光敏傳感器自動(dòng)檢測(cè)周?chē)h(huán)境的光線，根據(jù)檢測(cè)到的亮度變化，如由亮變暗則點(diǎn)亮路燈，若由暗變亮則關(guān)閉路燈；利用距離傳感器等檢測(cè)路燈周?chē)苿?dòng)物體，當(dāng)行人和車(chē)輛經(jīng)過(guò)時(shí)，增大亮度進(jìn)行照明，若無(wú)車(chē)輛和行人經(jīng)過(guò)則調(diào)暗路燈實(shí)現(xiàn)節(jié)能；結(jié)合交通大數(shù)據(jù)，由系統(tǒng)感知車(chē)輛的密集程度，自動(dòng)根據(jù)車(chē)輛的密集程度開(kāi)啟路燈，如車(chē)輛密集則開(kāi)啟全部路燈并調(diào)高亮度，若車(chē)輛稀少則減低亮度甚至關(guān)閉部分路燈以實(shí)現(xiàn)節(jié)能。請(qǐng)以智慧農(nóng)業(yè)物聯(lián)網(wǎng)項(xiàng)目結(jié)合物聯(lián)網(wǎng)體系架構(gòu)簡(jiǎn)單說(shuō)說(shuō)如何分配不同層的不同功能。a)感知層：利用傳感器獲取實(shí)際環(huán)境當(dāng)中空氣溫度、濕度，土壤溫度、PH值、導(dǎo)電率以及光強(qiáng)等信息，同時(shí)利用監(jiān)控?cái)z像頭獲取大棚內(nèi)的實(shí)時(shí)監(jiān)控。b)網(wǎng)絡(luò)層：為應(yīng)用層提供數(shù)據(jù)的傳遞、可視化、監(jiān)控、分析等服務(wù)。c)為整個(gè)系統(tǒng)提供數(shù)據(jù)展現(xiàn)和交互的方式，實(shí)現(xiàn)門(mén)戶(hù)網(wǎng)站、溯源查詢(xún)、移動(dòng)園區(qū)、監(jiān)控中心等功能。隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，AIoT（智能物聯(lián)網(wǎng)）逐漸進(jìn)入人們的視野，AIoT的整體架構(gòu)主要包括智能設(shè)備與解決方案層、操作系統(tǒng)層、基礎(chǔ)設(shè)施層，與傳統(tǒng)的物聯(lián)網(wǎng)體系架構(gòu)有著很大的相似之處。請(qǐng)你簡(jiǎn)要分析AIoT的架構(gòu)與物聯(lián)網(wǎng)體系架構(gòu)的相同和不同之處。a)基礎(chǔ)設(shè)施層對(duì)應(yīng)感知層，都是使用了各類(lèi)的信息采集和網(wǎng)絡(luò)通信技術(shù)實(shí)現(xiàn)物理空間和信息空間的感知互動(dòng)，但AIoT還包含了AI訓(xùn)練與部署平臺(tái)。b)操作系統(tǒng)層對(duì)應(yīng)網(wǎng)絡(luò)層，都負(fù)責(zé)實(shí)現(xiàn)信息的傳輸和通信，提供廣域范圍內(nèi)的應(yīng)用和服務(wù)所需的基礎(chǔ)承載傳輸網(wǎng)絡(luò)。AIoT加入智能的分析功能和分配功能。c)智能設(shè)備與解決方案層對(duì)應(yīng)應(yīng)用層，都應(yīng)用于社會(huì)的方方面面，實(shí)現(xiàn)廣泛的物物互聯(lián)，跨系統(tǒng)的信息協(xié)同與共享。AIoT整體架構(gòu)如下圖所示。AIoT的體系架構(gòu)中主要包括智能設(shè)備及解決方案、操作系統(tǒng)OS層、基礎(chǔ)設(shè)施等三大層級(jí)，并最終通過(guò)集成服務(wù)進(jìn)行交付。智能化設(shè)備是AIoT的“五官”與“手腳”，可以完成視圈、音頻、壓力、溫度等數(shù)據(jù)收集，并執(zhí)行抓取、分揀、搬運(yùn)等行為，通常是物聯(lián)網(wǎng)設(shè)備與解決方案搭配向客戶(hù)提供，這一層涉及設(shè)備形態(tài)多樣化，玩家眾多。OS層相當(dāng)于AIoT的“大腦”，主要能夠?qū)υO(shè)備層進(jìn)行連接與控制，提供智能分析與數(shù)據(jù)處理能力，將針對(duì)場(chǎng)景的核心應(yīng)用固化為功能模塊等，這一層對(duì)業(yè)務(wù)邏輯、統(tǒng)一建模、全鏈路技術(shù)能力、高并發(fā)支撐能力等要求較高，通常以PaaS形態(tài)存在，基礎(chǔ)設(shè)施層是AIoT的“軀干”，提供服務(wù)器、存儲(chǔ)、AI訓(xùn)練和部署能力等IT基礎(chǔ)設(shè)施。

第三章物聯(lián)網(wǎng)感知技術(shù)什么是傳感器？傳感器的基本組成包括哪兩大部分？這兩大部分分別起什么作用？1）傳感器是能感受規(guī)定的被測(cè)量、并按照一定的規(guī)律將其轉(zhuǎn)換成可用輸出信號(hào)的器件或裝置。2）通常傳感器由敏感元件和轉(zhuǎn)換元件組成。3）敏感元件：指?jìng)鞲衅髦心苤苯痈惺芑蝽憫?yīng)被測(cè)量的部分。轉(zhuǎn)換元件：傳感器中將敏感元件感受或響應(yīng)的被測(cè)量轉(zhuǎn)換成適于傳輸或測(cè)量的電信號(hào)的部分。列舉物聯(lián)網(wǎng)感知互動(dòng)層的4大關(guān)鍵技術(shù)？簡(jiǎn)要解釋這4大技術(shù)的概念和作用。1）數(shù)據(jù)預(yù)處理技術(shù)：數(shù)據(jù)預(yù)處理技術(shù)是指將傳感器獲得的原始信號(hào)或原始數(shù)據(jù)進(jìn)行操作，完成數(shù)據(jù)歸一化、噪聲剔除抑制、數(shù)據(jù)配準(zhǔn)和信號(hào)分離等處理過(guò)程。2）特征提取技術(shù)：特征提取技術(shù)是通過(guò)提取表示某一特定模式結(jié)構(gòu)或性質(zhì)的特征，并采用一個(gè)特定的數(shù)據(jù)結(jié)構(gòu)對(duì)其進(jìn)行表示的過(guò)程。從概念上說(shuō)，特征提取技術(shù)包括特征生成技術(shù)、特征選擇技術(shù)和特征變換技術(shù)，其中特征選擇和特征變換可實(shí)現(xiàn)特征維數(shù)的消減。3）模式識(shí)別技術(shù)：模式識(shí)別技術(shù)是對(duì)來(lái)自感知互動(dòng)層傳感節(jié)點(diǎn)或設(shè)備感知的信號(hào)（如振動(dòng)、聲響、圖像、視頻等）進(jìn)行分析，進(jìn)而對(duì)其中的物體對(duì)象或行為進(jìn)行判別和解釋的過(guò)程。4）決策融合技術(shù)：決策融合是一種高層次的融合，每一種傳感器基于自身的數(shù)據(jù)做出局部或者單一決策，然后在融合中心完成融合處理。介紹一種基于距離的定位算法？答出以下任意一種算法即可，每個(gè)答案答出標(biāo)紅的要點(diǎn)即可）1）基于到達(dá)的時(shí)間/TOA。由于信號(hào)傳播速率已知，通過(guò)測(cè)量基站與待測(cè)點(diǎn)之間信號(hào)傳輸?shù)臅r(shí)間，便可計(jì)算出兩者間的距離。當(dāng)有三個(gè)基準(zhǔn)站與待測(cè)點(diǎn)距離已知時(shí)，便可利用三邊測(cè)量法確定待測(cè)點(diǎn)的位置。2）基于到達(dá)時(shí)間差/TDOA。在對(duì)待測(cè)點(diǎn)定位時(shí)，從基站將同一時(shí)間測(cè)量同一信號(hào)得到的數(shù)據(jù)發(fā)送至主站，主站計(jì)算信號(hào)到達(dá)兩個(gè)從站的時(shí)間差，便可轉(zhuǎn)換為待測(cè)點(diǎn)到兩站的距離差。由于到兩個(gè)定點(diǎn)的距離之差為定值的點(diǎn)的軌跡為雙曲線，因此采用三臺(tái)基站對(duì)待測(cè)點(diǎn)進(jìn)行定位，便可得到兩條雙曲線，其交點(diǎn)即為待測(cè)點(diǎn)位置。3）基于到達(dá)角/AOA。通過(guò)多個(gè)信號(hào)接收器或陣列天線，接收發(fā)射節(jié)點(diǎn)的信號(hào)，可計(jì)算接收節(jié)點(diǎn)和發(fā)射節(jié)點(diǎn)之間的相對(duì)方位或角度，然后再利用三角測(cè)量法或其他方法計(jì)算出未知節(jié)點(diǎn)的位置。在無(wú)線感知的菲涅爾區(qū)模型中，當(dāng)物體跨越每個(gè)菲涅爾區(qū)邊界時(shí)，接收信號(hào)的表現(xiàn)是？當(dāng)物體沿橢圓運(yùn)動(dòng)時(shí)，接收信號(hào)的表現(xiàn)？根據(jù)干涉原理，當(dāng)物體跨越每個(gè)菲涅爾區(qū)邊界時(shí)，接收信號(hào)將表現(xiàn)為波峰或者波谷。當(dāng)物體沿著橢圓運(yùn)動(dòng)時(shí)，由于信號(hào)路徑長(zhǎng)度不變，接收端的信號(hào)也將保持穩(wěn)定。什么是群智感知？群智感知方法相比于使用普通的傳感器網(wǎng)絡(luò)進(jìn)行感知的優(yōu)勢(shì)是什么？1）移動(dòng)群智感知指的是人們使用移動(dòng)設(shè)備收集和共享數(shù)據(jù)，從而完成傳統(tǒng)感知方式無(wú)法完成的感知數(shù)據(jù)的收集和分析。2）群智感知技術(shù)的優(yōu)勢(shì)在于：讓用戶(hù)在不知情的情況下完成感知任務(wù),突破專(zhuān)業(yè)人員參與的壁壘。其具有部署靈活經(jīng)濟(jì)、感知數(shù)據(jù)多源異構(gòu)、覆蓋范圍廣泛均勻和高擴(kuò)展多功能等諸多優(yōu)點(diǎn)。RFID技術(shù)的原理是什么？RFID的原理為閱讀器與標(biāo)簽之間進(jìn)行非接觸式的數(shù)據(jù)通信，達(dá)到識(shí)別目標(biāo)的目的。如圖所示是一個(gè)基于無(wú)線感知原理的手勢(shì)識(shí)別互動(dòng)系統(tǒng)框架，該系統(tǒng)通過(guò)識(shí)別用戶(hù)的手勢(shì)（三種手勢(shì)：石頭、剪刀、布），讓用戶(hù)和大屏幕進(jìn)行隔空游戲互動(dòng)。請(qǐng)你寫(xiě)出分類(lèi)模塊中可以使用的兩個(gè)分類(lèi)算法（無(wú)監(jiān)督分類(lèi)和有監(jiān)督分類(lèi)各舉出一種），并結(jié)合框架圖簡(jiǎn)述其中一個(gè)算法的流程。1）K-means方法。把特征提取部分提取到的4個(gè)特征作為特征向量，每個(gè)樣本點(diǎn)對(duì)應(yīng)一個(gè)特征向量。初始時(shí)，在樣本中隨機(jī)選取三個(gè)點(diǎn)作為中心點(diǎn)A，B，C。使用歐氏距離衡量?jī)蓚€(gè)樣本特征之間的差距，計(jì)算每個(gè)樣本距中心點(diǎn)的歐氏距離，并把距離最小的中心點(diǎn)的類(lèi)作為該樣本點(diǎn)的類(lèi)，一次聚類(lèi)會(huì)形成三個(gè)簇，每個(gè)簇內(nèi)的所有樣本屬于一類(lèi)。之后，在每個(gè)簇內(nèi)重新計(jì)算中心點(diǎn)，并再次執(zhí)行上述聚類(lèi)過(guò)程，直到中心點(diǎn)不變。在預(yù)測(cè)時(shí)，同樣計(jì)算該樣本距離中心點(diǎn)的距離，樣本距離哪個(gè)中心點(diǎn)近，就屬于哪一類(lèi)。2）SVM方法。假設(shè)一個(gè)群智感知系統(tǒng)中有3個(gè)用戶(hù)，4個(gè)任務(wù)。每個(gè)用戶(hù)到達(dá)系統(tǒng)的時(shí)間為3，5，15，每個(gè)感知任務(wù)所需要的完成時(shí)間是9，2，10，5，用戶(hù)到達(dá)系統(tǒng)后才能做感知任務(wù)，且用戶(hù)同一時(shí)間只能做一個(gè)任務(wù)，且必須完全做完一個(gè)任務(wù)之后才能進(jìn)行下一個(gè)任務(wù)。如果任務(wù)分配順序不能改變（即必須要先分配第一個(gè)任務(wù)，才能再分配第二個(gè)任務(wù)），那如何進(jìn)行任務(wù)分配（即哪個(gè)時(shí)間點(diǎn)把哪個(gè)任務(wù)分配給哪個(gè)用戶(hù)）才能保證總體任務(wù)完成時(shí)間最短？如果任務(wù)分配順序可以改變，應(yīng)該如何進(jìn)行分配？1）在t=3時(shí)，把任務(wù)1分配給用戶(hù)1。在t=5時(shí)，把任務(wù)2分配給用戶(hù)2。在t=7時(shí)，把任務(wù)3分配給用戶(hù)2。在t=12時(shí)，把任務(wù)4分配給用戶(hù)1。2）在t=3時(shí)，把任務(wù)3分配給用戶(hù)1。在t=5時(shí)，把任務(wù)1分配給用戶(hù)2。在t=13時(shí)，把任務(wù)4分配給用戶(hù)1。在t=14時(shí)，把任務(wù)2分配給用戶(hù)2。請(qǐng)你談?wù)剬?duì)定位技術(shù)發(fā)展趨勢(shì)的看法？略請(qǐng)舉出4個(gè)在智能手機(jī)中使用的傳感器？并說(shuō)說(shuō)他們的作用。1）光線傳感器。可以讓手機(jī)感測(cè)環(huán)境光線的強(qiáng)度，用來(lái)調(diào)節(jié)手機(jī)屏幕的亮度。2）重力傳感器。透過(guò)壓電效應(yīng)來(lái)實(shí)現(xiàn)，可用來(lái)切換橫屏與直屏方向。3）磁(場(chǎng))傳感器。測(cè)量電阻變化來(lái)確定磁場(chǎng)強(qiáng)度，使用時(shí)需要搖晃手機(jī)才能準(zhǔn)確判斷，大多運(yùn)用在指南針、地圖導(dǎo)航當(dāng)中。4）GPS?？蛇\(yùn)用在定位、測(cè)速、測(cè)量距離與導(dǎo)航等用途。5）其他。

第四章物聯(lián)網(wǎng)傳輸組網(wǎng)技術(shù)窄帶通信技術(shù)、擴(kuò)頻通信技術(shù)和正交多載波通信技術(shù)分別指什么？窄帶通信技術(shù)是指占用帶寬不超過(guò)無(wú)線信道相關(guān)帶寬的無(wú)線通信技術(shù)的統(tǒng)稱(chēng)；擴(kuò)頻通信技術(shù)是指利用與信息符號(hào)無(wú)關(guān)的偽隨機(jī)碼，通過(guò)調(diào)制的方法將信息符號(hào)序列的頻譜寬度擴(kuò)展得比原始信號(hào)的帶寬寬得多的過(guò)程；正交多載波通信技術(shù)的原理是將信道分成若干正交子信道，將高速數(shù)據(jù)信號(hào)轉(zhuǎn)換成并行的低速子數(shù)據(jù)流，調(diào)制到在每個(gè)子信道上進(jìn)行傳輸。請(qǐng)介紹兩種典型的無(wú)線互聯(lián)技術(shù)。①藍(lán)牙技術(shù)：藍(lán)牙技術(shù)是一種近距離無(wú)線通信標(biāo)準(zhǔn)，最初由瑞典愛(ài)立信公司創(chuàng)立，現(xiàn)在由藍(lán)牙技術(shù)聯(lián)盟（BluetoothSpecialInterestGroup，SIG）負(fù)責(zé)制定。它旨在服務(wù)于以個(gè)人為單位的人域網(wǎng)（Personal

area

net，PAN），可將個(gè)人周?chē)?0m內(nèi)的設(shè)備連接起來(lái)，并支持音頻、互聯(lián)網(wǎng)、文件等多種格式傳輸，具有兼容設(shè)備豐富、傳輸穩(wěn)定、抗干擾能力強(qiáng)等優(yōu)勢(shì)。②IEEE802.15.4/ZigBee協(xié)議：IEEE

802.15.4標(biāo)準(zhǔn)是針對(duì)低速無(wú)線個(gè)人區(qū)域網(wǎng)絡(luò)（low-ratewirelesspersonalareanetwork，LR-WPAN）制定的標(biāo)準(zhǔn)，旨在為個(gè)人或者家庭范圍內(nèi)不同設(shè)備之間的低速互連提供統(tǒng)一標(biāo)準(zhǔn)，重點(diǎn)在于低能量消耗、低速率傳輸、低成本。MAC協(xié)議分類(lèi)以何為依據(jù)？并介紹2種MAC協(xié)議?？梢愿鶕?jù)信道訪問(wèn)策略、信道分配方式、數(shù)據(jù)通信類(lèi)型、性能需求、硬件特點(diǎn)以及應(yīng)用范圍等作為依據(jù)，對(duì)現(xiàn)有的MAC協(xié)議進(jìn)行分類(lèi)。①基于競(jìng)爭(zhēng)的MAC協(xié)議：競(jìng)爭(zhēng)協(xié)議采用按需使用信道的方式，當(dāng)節(jié)點(diǎn)需要發(fā)送數(shù)據(jù)時(shí)，通過(guò)競(jìng)爭(zhēng)方式使用無(wú)線信道，若數(shù)據(jù)發(fā)送產(chǎn)生了沖突，就按照某種策略重發(fā)數(shù)據(jù)，直到數(shù)據(jù)發(fā)送成功或放棄發(fā)送為止。②基于調(diào)度的MAC協(xié)議：采用某種調(diào)度算法將時(shí)槽映射為節(jié)點(diǎn)，這種映射導(dǎo)致一個(gè)調(diào)度決定一個(gè)節(jié)點(diǎn)只能使用其特定的時(shí)槽無(wú)沖突訪問(wèn)信道。什么是6LowPAN？6LoWPAN是IPv6overLowPowerWirelessPersonalAreaNetwork的簡(jiǎn)寫(xiě)，即基于IPv6的低速無(wú)線個(gè)域網(wǎng)。IPv6overLR_WPAN（6LoWPAN）工作組由IETF組織于2004年11月宣布正式成立，負(fù)責(zé)制定基于IPv6的低速無(wú)線個(gè)域網(wǎng)標(biāo)準(zhǔn)，旨在將IPv6引入以IEEE802.15.4為底層標(biāo)準(zhǔn)的無(wú)線個(gè)域網(wǎng)。什么是中間件？中間件是一類(lèi)連接軟件組件和應(yīng)用的計(jì)算機(jī)軟件，它包括一組服務(wù)，以便運(yùn)行在一臺(tái)或多臺(tái)機(jī)器上的多個(gè)軟件通過(guò)網(wǎng)絡(luò)進(jìn)行交互。什么是網(wǎng)關(guān)？未來(lái)的物聯(lián)網(wǎng)不僅需要以一個(gè)開(kāi)放的、分層的、可擴(kuò)展的網(wǎng)絡(luò)體系結(jié)構(gòu)為框架，實(shí)現(xiàn)異種異構(gòu)網(wǎng)絡(luò)能夠與網(wǎng)絡(luò)傳輸層實(shí)現(xiàn)無(wú)縫連接，并提供相應(yīng)的服務(wù)質(zhì)量保證，同時(shí)要實(shí)現(xiàn)多種設(shè)備異構(gòu)網(wǎng)絡(luò)接入，這些設(shè)備即物聯(lián)網(wǎng)網(wǎng)關(guān)。請(qǐng)畫(huà)出LoRaWAN的網(wǎng)絡(luò)架構(gòu)圖。請(qǐng)畫(huà)出SigFox的網(wǎng)絡(luò)架構(gòu)。請(qǐng)從SigFox的特點(diǎn)中分析SigFox的優(yōu)點(diǎn)和缺點(diǎn)。優(yōu)點(diǎn)：消耗電力小、在其所在的區(qū)域中支持廣泛的覆蓋范圍；缺點(diǎn)：沒(méi)有部署到任何地方、使用Sigfox設(shè)備很難移動(dòng)、最好從端點(diǎn)到基站進(jìn)行通信，它具有雙向功能，但從基站到端點(diǎn)的容量受到限制，并且鏈路預(yù)算下降比上升的鏈路預(yù)算少。請(qǐng)比較NB-IoT與LoRaWAN的相同點(diǎn)與不同點(diǎn)。相同點(diǎn)：NB-IoT與LoRaWAN都提高了物聯(lián)網(wǎng)設(shè)備的安全性、能效和互操作性；都具有雙向通信，這意味著網(wǎng)絡(luò)可以向物聯(lián)網(wǎng)設(shè)備發(fā)送數(shù)據(jù)，物聯(lián)網(wǎng)設(shè)備也可以發(fā)回?cái)?shù)據(jù)。不同點(diǎn)：LoRaWAN使用未經(jīng)許可的頻譜，限制了流量的數(shù)量和頻率，以及基站控制網(wǎng)絡(luò)和向下發(fā)送流量的能力；LoRaWAN數(shù)據(jù)速率低于NB-IoT、延遲時(shí)間比NB-IoT長(zhǎng)；LoRaWAN電池壽命比NB-IoT長(zhǎng)。

第五章物聯(lián)網(wǎng)云邊端平臺(tái)技術(shù)簡(jiǎn)述虛擬化的優(yōu)勢(shì)。虛擬化前虛擬化后每臺(tái)主機(jī)一個(gè)操作系統(tǒng)軟件硬件緊密地結(jié)合在同一主機(jī)上運(yùn)行多個(gè)應(yīng)用程序通常會(huì)遭遇沖突系統(tǒng)的資源利用率低硬件成本高昂而且不夠靈活打破了操作系統(tǒng)和硬件的互相依賴(lài)通過(guò)封裝到到虛擬機(jī)的技術(shù),管理操作系統(tǒng)和應(yīng)用程序?yàn)閱我坏膫€(gè)體強(qiáng)大的安全和故障隔離虛擬機(jī)是獨(dú)立于硬件的,它們能在任何硬件上運(yùn)行如何理解云計(jì)算的三個(gè)層次，可舉例說(shuō)明。假設(shè)一家提供云服務(wù)的公司，擁有硬件基礎(chǔ)設(shè)施、軟件應(yīng)用等等一切，把它們分為三層：基礎(chǔ)設(shè)施（infrastructure）、平臺(tái)（platform）和軟件（software），如下圖：這就是云計(jì)算的三個(gè)分層，基礎(chǔ)設(shè)施在最下層，平臺(tái)在中間，軟件在頂層，分別是代表基礎(chǔ)設(shè)施作為服務(wù)（IaaS）、平臺(tái)作為服務(wù)（PaaS）、軟件作為服務(wù)（SaaS），別的一些“軟”的層可以在這些層上面添加。如果一家企業(yè)，為了存儲(chǔ)運(yùn)營(yíng)數(shù)據(jù)、庫(kù)存管理、采購(gòu)進(jìn)貨管理、銷(xiāo)售管理、財(cái)務(wù)管理、人力資源管理、生產(chǎn)管理...需要去買(mǎi)服務(wù)器、空調(diào)、軟件、請(qǐng)IT工程師，來(lái)部署自己的IT基礎(chǔ)設(shè)施，這就叫本地部署。但這些服務(wù)不一定全部要自己實(shí)現(xiàn)，可以求助專(zhuān)業(yè)提供云服務(wù)的公司，公司提供云計(jì)算的三種服務(wù)類(lèi)型：IaaS、PaaS和SaaS。IaaSIaaS就是出租服務(wù)器、存儲(chǔ)和網(wǎng)絡(luò)設(shè)備，讓租用者初期不必花大價(jià)錢(qián)購(gòu)買(mǎi)硬件設(shè)備，也更加彈性，業(yè)務(wù)增長(zhǎng)時(shí)增加租用量，業(yè)務(wù)下降時(shí)減少租用量。PaaSPaaS是在SaaS，也就是線上軟件之后興起的一種新構(gòu)架，它提供完整的云端開(kāi)發(fā)環(huán)境，意味著軟件開(kāi)發(fā)者無(wú)需本地安裝開(kāi)發(fā)工具，直接在遠(yuǎn)端進(jìn)行開(kāi)發(fā)，這不但節(jié)省了開(kāi)發(fā)者的成本和時(shí)間，且加快了產(chǎn)品上線時(shí)間。SaaS我們每天都會(huì)接觸到SaaS，簡(jiǎn)單的講，就是軟件放在云端，我們需要的時(shí)候可上網(wǎng)通過(guò)瀏覽器或客戶(hù)端線上使用軟件，不必本地下載再安裝，比如我們經(jīng)常使用的Google、iCloud、Office365等等。不只是電腦，手機(jī)也可以登入同一服務(wù)，實(shí)時(shí)同步。簡(jiǎn)述邊緣計(jì)算的概念。邊緣計(jì)算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)、應(yīng)用核心能力的分布式開(kāi)放平臺(tái)，就近提供邊緣智能服務(wù)，滿(mǎn)足行業(yè)數(shù)字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。簡(jiǎn)述大數(shù)據(jù)的5個(gè)特性①Volume：海量性。數(shù)據(jù)的采集，計(jì)算，存儲(chǔ)量都非常的龐大。②Variety：多樣性。種類(lèi)有：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)等，常見(jiàn)的來(lái)源有：網(wǎng)絡(luò)日志、音頻、視頻、圖片等等。③Value：潛在價(jià)值。數(shù)據(jù)價(jià)值密度相對(duì)較低，猶如浪里淘金，百煉成鋼般才能獲取到大量信息中的部分有價(jià)值的信息④Velocity：時(shí)效性。數(shù)據(jù)增長(zhǎng)速度快，處理速度也快，獲取數(shù)據(jù)的速度也要快。⑤Veracity：真實(shí)性。數(shù)據(jù)的準(zhǔn)確性和可信賴(lài)度，即數(shù)據(jù)的質(zhì)量。簡(jiǎn)述為什么需要云邊協(xié)同？云計(jì)算是一種能夠處理大量復(fù)雜數(shù)據(jù)的技術(shù)，它有助于分析大規(guī)模數(shù)據(jù)，而不必在本地維護(hù)計(jì)算硬件、數(shù)據(jù)存儲(chǔ)和相關(guān)軟件等。但在帶來(lái)好處的同時(shí)，還有許多挑戰(zhàn)需要考慮，例如它的網(wǎng)絡(luò)依賴(lài)性和隱私問(wèn)題。此外，云平臺(tái)與數(shù)據(jù)源距離較遠(yuǎn)，響應(yīng)速度慢的情況也時(shí)有發(fā)生，可能會(huì)給延遲敏感應(yīng)用帶來(lái)很大的問(wèn)題。而邊緣計(jì)算，作為云計(jì)算系統(tǒng)的一種方式被引入。因?yàn)檫吘壙拷锫?lián)網(wǎng)設(shè)備，所以可以降低網(wǎng)絡(luò)數(shù)據(jù)處理的延遲并減少數(shù)據(jù)源和存儲(chǔ)中心之間所需的帶寬。然而，邊緣平臺(tái)的處理性能通常不如云平臺(tái)，資源受限沒(méi)有足夠的內(nèi)存和處理器來(lái)處理大量數(shù)據(jù)，因此無(wú)法執(zhí)行一些諸如深度學(xué)習(xí)之類(lèi)的復(fù)雜操作。在這種情況下，邊緣計(jì)算與云計(jì)算需要通過(guò)緊密協(xié)同合作才能更好的滿(mǎn)足各種需求場(chǎng)景的匹配，從而放大邊緣計(jì)算和云計(jì)算的應(yīng)用價(jià)值。簡(jiǎn)述批處理、流處理的區(qū)別以及如何理解批流融合處理。批處理流處理隨著時(shí)間的推移收集數(shù)據(jù)。數(shù)據(jù)流連續(xù)不斷。收集一批數(shù)據(jù)后，再將其發(fā)送進(jìn)行處理。數(shù)據(jù)是實(shí)時(shí)逐段處理的。批處理時(shí)間很長(zhǎng)，用于處理大量時(shí)間不敏感的信息。流處理速度很快，可以立即獲取所需信息。批流融合處理可以從用戶(hù)、運(yùn)行、運(yùn)維三個(gè)方面來(lái)看：用戶(hù)：目前用戶(hù)在解決流計(jì)算和批計(jì)算總是將其分開(kāi)，開(kāi)發(fā)出兩套API。流批一體需要解決的首要問(wèn)題就是用一套邏輯來(lái)描述流與批業(yè)務(wù)。運(yùn)行：目前作業(yè)總是流批二選一。流批融合后，流批選擇是計(jì)算優(yōu)化后的結(jié)果，同一個(gè)作業(yè)在不同的階段呈現(xiàn)出流批兩種特性。運(yùn)維：目前架構(gòu)需要運(yùn)維多個(gè)架構(gòu)，維護(hù)多個(gè)組件及多個(gè)系統(tǒng)。流批融合后，單引擎即可解決。請(qǐng)思考如果你經(jīng)營(yíng)一家公司，如何知道云是否適合你的業(yè)務(wù)。選擇遷移到云有很多原因，與云的靈活性，可伸縮性，節(jié)省成本等優(yōu)點(diǎn)有關(guān)。從戰(zhàn)略和運(yùn)營(yíng)角度評(píng)估云是否適合，例如全年對(duì)IT的需求是否有所不同？IT成本是否會(huì)影響業(yè)務(wù)發(fā)展能力？如果是這樣，可以考慮擴(kuò)展到云。另外，還應(yīng)該評(píng)估當(dāng)前的IT設(shè)置，以了解遷移到云的好處，尤其在以下方面：①服務(wù)。安全性，可靠性和靈活性對(duì)業(yè)務(wù)有多重要？當(dāng)前的解決方案是否滿(mǎn)足需求？有改善的空間嗎？②技術(shù)前景。有多少業(yè)務(wù)用戶(hù)？用戶(hù)群的地理分布是什么？員工需要遠(yuǎn)程訪問(wèn)嗎？③成本。對(duì)本地解決方案的成本滿(mǎn)意嗎？擴(kuò)大或升級(jí)服務(wù)的費(fèi)用是否可以接受？④易于遷移。上一次投資大量資本支出是什么時(shí)候？是否有任何限制遷移的合同和供應(yīng)商承諾？回答這些問(wèn)題可以幫助了解云是否適合你的業(yè)務(wù)。針對(duì)某一個(gè)應(yīng)用場(chǎng)景，如智能電梯、智能照明等，設(shè)計(jì)一個(gè)邊緣計(jì)算框架。（參照華為梯聯(lián)網(wǎng)）。通過(guò)電梯上多重傳感器和監(jiān)控設(shè)備與安裝在電梯上的邊緣計(jì)算網(wǎng)關(guān)相連，實(shí)現(xiàn)運(yùn)維管理的本地化部署，并通過(guò)“敏捷控制器”與電梯遠(yuǎn)程運(yùn)維管理平臺(tái)、物業(yè)公司互聯(lián)互通。梯聯(lián)網(wǎng)中的每一部電梯都好像章魚(yú)的一個(gè)可以獨(dú)立思考的“腕足”，能將電梯的運(yùn)營(yíng)數(shù)據(jù)實(shí)時(shí)采集并回傳，后臺(tái)數(shù)據(jù)中心利用大數(shù)據(jù)的分析并與外部系統(tǒng)綜合決策，實(shí)現(xiàn)遠(yuǎn)程管理、運(yùn)維以及預(yù)測(cè)性維護(hù)。若在電梯上應(yīng)用邊緣計(jì)算，實(shí)現(xiàn)梯聯(lián)網(wǎng)，邊緣網(wǎng)關(guān)（融合物聯(lián)網(wǎng)關(guān)）、敏捷控制器等“章魚(yú)腕足”缺一不可，再配合物聯(lián)網(wǎng)的大腦“云端管理平臺(tái)”，才可實(shí)現(xiàn)智能連接和高效管理。簡(jiǎn)述大數(shù)據(jù)如何影響業(yè)務(wù)收入？大數(shù)據(jù)分析提供了見(jiàn)解，這些見(jiàn)解可幫助確定與業(yè)務(wù)收入直接相關(guān)的庫(kù)存管理，生產(chǎn)，營(yíng)銷(xiāo)，服務(wù)產(chǎn)品等。大數(shù)據(jù)可幫助提高業(yè)務(wù)各個(gè)階段的效率，從而減少總支出，增加利潤(rùn)，增強(qiáng)競(jìng)爭(zhēng)力。為了增加業(yè)務(wù)收入，可以使用多種選擇，例如：提升銷(xiāo)量減少開(kāi)支提高效率等增加銷(xiāo)售量并非易事。取決于市場(chǎng)需求和客戶(hù)優(yōu)先考慮。如何了解市場(chǎng)需求以及客戶(hù)想要什么？通過(guò)分析大數(shù)據(jù)，可以獲得有關(guān)此類(lèi)問(wèn)題的正確答案。大數(shù)據(jù)包含有價(jià)值的信息和見(jiàn)解，需要根據(jù)您的要求進(jìn)行發(fā)現(xiàn)和利用。通過(guò)分析大數(shù)據(jù)，您可以獲得各種模式，趨勢(shì)，客戶(hù)見(jiàn)解等。此類(lèi)見(jiàn)解將幫助制定業(yè)務(wù)策略，并增加客戶(hù)轉(zhuǎn)化的機(jī)會(huì)并最終增加收入。大數(shù)據(jù)還可以通過(guò)適當(dāng)?shù)膸?kù)存管理，簡(jiǎn)化運(yùn)營(yíng)并提高各個(gè)級(jí)別的效率來(lái)幫助降低成本?？梢院喜?lái)自各個(gè)部門(mén)和各種來(lái)源的數(shù)據(jù)，以進(jìn)行綜合分析，并獲得各種業(yè)務(wù)問(wèn)題的正確見(jiàn)解。因此，通過(guò)利用大數(shù)據(jù)的內(nèi)在潛力，可以提高效率，降低成本，進(jìn)而增加收入和整體業(yè)務(wù)增長(zhǎng)。簡(jiǎn)要設(shè)計(jì)云邊協(xié)同在智能安防領(lǐng)域的應(yīng)用。 視頻采集：通過(guò)攝像頭完成數(shù)據(jù)信息采集與上傳數(shù)據(jù)接入：通過(guò)4/5G、Wifi等網(wǎng)絡(luò)技術(shù)完成數(shù)據(jù)數(shù)據(jù)接入與回傳邊緣計(jì)算節(jié)點(diǎn)：通過(guò)視頻監(jiān)控一體機(jī)、存儲(chǔ)設(shè)備、監(jiān)控大屏幕等邊緣節(jié)點(diǎn)完成數(shù)據(jù)緩存、本地判決與數(shù)據(jù)清洗。云端：通過(guò)智能分析、人臉大數(shù)據(jù)、AI訓(xùn)練中心、集中數(shù)據(jù)庫(kù)等實(shí)現(xiàn)全局布局監(jiān)控、AI模型訓(xùn)練、集中性管理、圖像檢索、屬性對(duì)比等功能。

第六章邊緣智能技術(shù)簡(jiǎn)述邊緣智能的概念和分級(jí)。邊緣智能是邊緣節(jié)點(diǎn)在邊緣側(cè)提供的高級(jí)數(shù)據(jù)分析、場(chǎng)景感知、實(shí)時(shí)決策、自組織與協(xié)同等服務(wù)。根據(jù)數(shù)據(jù)卸載的數(shù)量和路徑長(zhǎng)度，可以將邊緣智能分為6個(gè)級(jí)別。第一級(jí)——云-邊緣聯(lián)合推理和云訓(xùn)練:在云中訓(xùn)練DNN模型，但以邊緣-云合作的方式推理DNN模型。這里，邊緣云合作意味著數(shù)據(jù)被部分卸載到云中。第二級(jí)——邊緣內(nèi)協(xié)同推理和云訓(xùn)練:在云中訓(xùn)練DNN模型，但在邊緣推理DNN模型。這里，邊緣內(nèi)意味著模型推理在網(wǎng)絡(luò)邊緣內(nèi)執(zhí)行，數(shù)據(jù)將被全部或部分卸載到邊緣節(jié)點(diǎn)或附近的設(shè)備上。第三級(jí)——設(shè)備上推理和云訓(xùn)練:在云中訓(xùn)練DNN模型，但完全在本地設(shè)備上進(jìn)行DNN推理。在這里，設(shè)備上意味著不會(huì)卸載任何數(shù)據(jù)。第四級(jí)——云-邊緣協(xié)同訓(xùn)練和推理:以云-邊緣協(xié)同的方式訓(xùn)練和推理DNN模型。第五級(jí)——全邊緣:訓(xùn)練和推理DNN模型全部在邊緣上實(shí)現(xiàn)。第六級(jí)——全設(shè)備:訓(xùn)練和推理DNN模型全部在設(shè)備上實(shí)現(xiàn)。簡(jiǎn)述邊緣智能面臨的挑戰(zhàn)。1）訓(xùn)練損失從本質(zhì)上講，DNN訓(xùn)練過(guò)程解決了一個(gè)尋求最小化訓(xùn)練損失的優(yōu)化問(wèn)題。訓(xùn)練損失捕獲了學(xué)習(xí)值和標(biāo)簽值之間的差距，表明訓(xùn)練的DNN模型與訓(xùn)練數(shù)據(jù)的擬合程度。因此，期望能使訓(xùn)練損失最小化。訓(xùn)練損失主要受訓(xùn)練樣本和訓(xùn)練方法的影響。2）收斂性收斂指標(biāo)專(zhuān)門(mén)用于分散式方法。直觀地講，分散式方法只有在分布式訓(xùn)練過(guò)程收斂到共識(shí)時(shí)才有效，這是該方法的訓(xùn)練結(jié)果?！笆諗俊币辉~衡量分散方法是否以及以多快的速度收斂到這樣一個(gè)共識(shí)。在分散訓(xùn)練模式下，收斂值取決于梯度同步和更新的方式。3）隱私性當(dāng)使用大量終端設(shè)備上產(chǎn)生的數(shù)據(jù)來(lái)訓(xùn)練DNN模型時(shí)，需要將原始數(shù)據(jù)或中間數(shù)據(jù)從終端設(shè)備傳輸出去,在這種情況下處理隱私問(wèn)題是不可避免的。為了保護(hù)隱私，期望將隱私敏感度較低的數(shù)據(jù)從終端設(shè)備傳輸出去。是否實(shí)施隱私保護(hù)取決于是否將原始數(shù)據(jù)卸載到邊緣。4）通訊開(kāi)銷(xiāo)DNN模型的訓(xùn)練是數(shù)據(jù)密集型的，原始數(shù)據(jù)或中間數(shù)據(jù)應(yīng)該跨節(jié)點(diǎn)傳輸。直觀地說(shuō)，這種通信開(kāi)銷(xiāo)增加了訓(xùn)練延遲、能量和帶寬消耗。通信開(kāi)銷(xiāo)受原始輸入數(shù)據(jù)的大小、傳輸方式和可用帶寬的影響。5）延遲可以說(shuō)，延遲是分布式DNN模型訓(xùn)練最基本的性能指標(biāo)之一，因?yàn)樗苯佑绊懹?xùn)練模型何時(shí)可用。分布式訓(xùn)練過(guò)程的延遲通常由計(jì)算延遲和通信延遲兩部分組成。計(jì)算延遲與邊緣節(jié)點(diǎn)的性能密切相關(guān)，通信延遲可能因傳輸?shù)脑紨?shù)據(jù)或中間數(shù)據(jù)的大小以及網(wǎng)絡(luò)連接的帶寬而異。6）能效當(dāng)以分散的方式訓(xùn)練DNN模型時(shí)，計(jì)算和通信過(guò)程都會(huì)消耗大量的能量。然而，對(duì)于大多數(shù)終端設(shè)備，它們是能量是有限的。因此，非常希望DNN訓(xùn)練可以節(jié)能。能效主要受目標(biāo)訓(xùn)練模型的大小和所用設(shè)備資源的影響。簡(jiǎn)述聯(lián)邦學(xué)習(xí)的分類(lèi)。根據(jù)參與各方數(shù)據(jù)源分布的情況不同，聯(lián)邦學(xué)習(xí)可以被分為三類(lèi)：橫向聯(lián)邦學(xué)習(xí)、縱向聯(lián)邦學(xué)習(xí)、聯(lián)邦遷移學(xué)習(xí)。橫向聯(lián)邦學(xué)習(xí)：在兩個(gè)數(shù)據(jù)集的用戶(hù)特征重疊較多而用戶(hù)重疊較少的情況下，我們把數(shù)據(jù)集按照橫向(即用戶(hù)維度)切分，并取出雙方用戶(hù)特征相同而用戶(hù)不完全相同的那部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。這種方法叫做橫向聯(lián)邦學(xué)習(xí)?？v向聯(lián)邦學(xué)習(xí)：在兩個(gè)數(shù)據(jù)集的用戶(hù)重疊較多而用戶(hù)特征重疊較少的情況下，我們把數(shù)據(jù)集按照縱向（即特征維度）切分，并取出雙方用戶(hù)相同而用戶(hù)特征不完全相同的那部分?jǐn)?shù)據(jù)進(jìn)行訓(xùn)練。這種方法叫做縱向聯(lián)邦學(xué)習(xí)。聯(lián)邦遷移學(xué)習(xí)：在兩個(gè)數(shù)據(jù)集的用戶(hù)與用戶(hù)特征重疊都較少的情況下，我們不對(duì)數(shù)據(jù)進(jìn)行切分，而可以利用遷移學(xué)習(xí)來(lái)克服數(shù)據(jù)或標(biāo)簽不足的情況。這種方法叫做聯(lián)邦遷移學(xué)習(xí)。簡(jiǎn)述深度學(xué)習(xí)框架的作用。深度學(xué)習(xí)框架是一種界面、庫(kù)或工具，它使我們?cè)跓o(wú)需深入了解底層算法的細(xì)節(jié)的情況下，能夠更容易、更快速地構(gòu)建深度學(xué)習(xí)模型。深度學(xué)習(xí)框架利用預(yù)先構(gòu)建和優(yōu)化好的組件集合定義模型，為模型的實(shí)現(xiàn)提供了一種清晰而簡(jiǎn)潔的方法。恰當(dāng)?shù)目蚣芸梢杂脕?lái)快速構(gòu)建模型，而無(wú)需編寫(xiě)數(shù)百行代碼。簡(jiǎn)述幾種不同的邊緣智能訓(xùn)練算法內(nèi)涵。聚合頻率控制：該方法著重于DNN模型訓(xùn)練過(guò)程中通信開(kāi)銷(xiāo)的優(yōu)化。在邊緣計(jì)算環(huán)境下的深度學(xué)習(xí)模型訓(xùn)練中，一種普遍采用的方法（如聯(lián)合學(xué)習(xí)）是先在本地訓(xùn)練分布式模型，然后集中聚合更新。在這種情況下，更新聚合頻率的控制顯著地影響通信開(kāi)銷(xiāo)。因此，應(yīng)該仔細(xì)地控制聚合過(guò)程，包括聚合內(nèi)容和聚合頻率。梯度壓縮：在邊緣智能分布式學(xué)習(xí)中，參與模型訓(xùn)練的邊緣節(jié)點(diǎn)之間需要進(jìn)行頻繁的梯度參數(shù)交換，從而造成了巨大的通信開(kāi)銷(xiāo)。為了降低開(kāi)銷(xiāo)，還可以采用一種以梯度稀疏化和梯度量化為代表的梯度壓縮技術(shù)。其中，梯度稀疏化的基本思想是選擇對(duì)模型訓(xùn)練結(jié)果較大的部分梯度參數(shù)進(jìn)行傳輸；梯度量化的基本思想則是降低用于表示梯度參數(shù)的數(shù)值的精度，例如從32比特降低到8比特。DNN拆分：DNN拆分的目的是保護(hù)隱私。DNN拆分通過(guò)傳輸部分處理過(guò)的數(shù)據(jù)而不是傳輸原始數(shù)據(jù)來(lái)保護(hù)用戶(hù)隱私。為了實(shí)現(xiàn)基于邊緣訓(xùn)練的隱私保護(hù)DNN模型，在終端設(shè)備和邊緣服務(wù)器之間進(jìn)行DNN拆分。這是因?yàn)镈NN模型可以在兩個(gè)連續(xù)的層之間進(jìn)行內(nèi)部拆分而不會(huì)損失精度，其中兩個(gè)分區(qū)部署在不同的位置。遷移學(xué)習(xí)：遷移學(xué)習(xí)的思路是首先在基礎(chǔ)數(shù)據(jù)集上訓(xùn)練一個(gè)基礎(chǔ)模型，隨后將學(xué)習(xí)到的特征遷移到目標(biāo)模型，并以目標(biāo)數(shù)據(jù)集進(jìn)行訓(xùn)練。因此，為了降低深度學(xué)習(xí)模型在網(wǎng)絡(luò)邊緣側(cè)訓(xùn)練的資源消耗，我們可以在云端預(yù)先訓(xùn)練一個(gè)大規(guī)模的基礎(chǔ)模型，然后通過(guò)遷移學(xué)習(xí)方式，在邊緣側(cè)結(jié)合本地?cái)?shù)據(jù)集與計(jì)算資源進(jìn)行個(gè)性化，輕量級(jí)目標(biāo)模型的訓(xùn)練和部署。Gossip訓(xùn)練：Gossip訓(xùn)練是一種基于隨機(jī)Gossip算法的分散訓(xùn)練方法，旨在縮短訓(xùn)練延遲。隨機(jī)Gossip算法的早期工作是Gossip平均，它可以通過(guò)點(diǎn)對(duì)點(diǎn)交換信息快速收斂到節(jié)點(diǎn)之間的共識(shí)。知識(shí)蒸餾：把復(fù)雜模型或者多個(gè)模型（Teacher）學(xué)到的知識(shí)遷移到另一個(gè)輕量級(jí)模型（Student）上叫知識(shí)蒸餾。使模型變輕量的同時(shí)（方便部署），盡量不損失性能。元學(xué)習(xí)：元學(xué)習(xí)的核心是學(xué)習(xí)（訓(xùn)練）過(guò)程，即研究如何讓神經(jīng)元可以很好的利用舊知識(shí)，使得其能根據(jù)新任務(wù)的調(diào)整自己。簡(jiǎn)述幾種不同的邊緣智能推理算法內(nèi)涵。模型壓縮：從線性代數(shù)的角度對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行壓縮，在盡量小的影響精度的情況下減少神經(jīng)網(wǎng)絡(luò)的內(nèi)存限制，允許邊緣設(shè)備運(yùn)行深度學(xué)習(xí)模型。模型分割：模型分割將計(jì)算密集的部分卸載到邊緣服務(wù)器或附近的移動(dòng)設(shè)備上，獲得更好的模型推理性能。模型早退：高精度的DNN模型通常具有深層結(jié)構(gòu)。在終端設(shè)備上執(zhí)行這樣的DNN模型需要消耗大量的資源。為了加速模型推理，模型早退方法利用早期層的輸出數(shù)據(jù)得到分類(lèi)結(jié)果，即利用部分DNN模型完成推理過(guò)程。邊緣緩存：邊緣緩存是一種用于加速DNN模型推理的新方法，即通過(guò)緩存DNN推理結(jié)果來(lái)優(yōu)化延遲問(wèn)題。邊緣緩存的核心思想是在網(wǎng)絡(luò)邊緣對(duì)圖像分類(lèi)預(yù)測(cè)等任務(wù)結(jié)果進(jìn)行緩存和重用，減少邊緣智能應(yīng)用的查詢(xún)延遲。輸入過(guò)濾：輸入濾波是加速DNN模型推理的一種有效方法，特別是在視頻分析中。輸入濾波的核心思想是去除輸入數(shù)據(jù)的非目標(biāo)對(duì)象幀，避免了DNN模型推理的冗余計(jì)算，從而提高推理精度，縮短推理延遲，降低了能耗。模型選擇:預(yù)先訓(xùn)練好一批DNN模型，在應(yīng)用過(guò)程中根據(jù)不同的需求選擇使用特定的DNN模型。支持多租戶(hù)：一個(gè)終端或邊緣設(shè)備通常同時(shí)運(yùn)行多個(gè)DNN應(yīng)用程序。如果沒(méi)有多租戶(hù)的支持，即并發(fā)應(yīng)用程序的資源分配和任務(wù)調(diào)度，全局效率會(huì)大大降低。應(yīng)用程序特定優(yōu)化：可以利用特定于應(yīng)用程序的優(yōu)化來(lái)進(jìn)一步優(yōu)化邊緣智能應(yīng)用程序的性能，即精度、延遲、能量和內(nèi)存占用。簡(jiǎn)要思考聯(lián)邦學(xué)習(xí)如何應(yīng)用到自動(dòng)駕駛領(lǐng)域。一個(gè)普通車(chē)輛受制于駕駛的時(shí)間和空間限制，通常獲取到的傳感器信息是有一定局限的，通過(guò)引入橫向聯(lián)邦學(xué)習(xí)，融合不同車(chē)輛的攝像頭、超聲波傳感器、雷達(dá)等傳感器信息，可以更快地建立場(chǎng)景信息，同時(shí)有助于提高模型的魯棒性。另外，無(wú)人駕駛不應(yīng)該只是簡(jiǎn)單學(xué)習(xí)或復(fù)制人類(lèi)個(gè)體的駕駛能力，還可以與車(chē)聯(lián)網(wǎng)、車(chē)路協(xié)同，甚至整個(gè)交通系統(tǒng)共同交互，來(lái)創(chuàng)造更好的駕駛環(huán)境。車(chē)輛與系統(tǒng)環(huán)境的交互學(xué)習(xí)，可以用城市的其它信息輔助，諸如城市攝像頭、交通燈、未來(lái)的智能道路等，通過(guò)縱向聯(lián)邦的方式來(lái)更好地在隱私保護(hù)下融合不同來(lái)源信息，提升無(wú)人駕駛體驗(yàn)。你認(rèn)為邊緣的智能水平取決于內(nèi)存嗎？為什么？智能通常不是限制因素，限制是存儲(chǔ)容量。內(nèi)存限制了可以部署的機(jī)器學(xué)習(xí)模型的大小，例如基于視覺(jué)的應(yīng)用程序的機(jī)器學(xué)習(xí)模型將需要更高的處理能力和更多的內(nèi)存。同樣，當(dāng)需要實(shí)時(shí)響應(yīng)時(shí)，處理能力更是關(guān)鍵因素。功耗會(huì)限制智能節(jié)點(diǎn)的數(shù)量。這些節(jié)點(diǎn)通常由小型電池供電，有的甚至自己收集能量，同時(shí)數(shù)據(jù)傳輸也要消耗大量能量。異構(gòu)計(jì)算在整個(gè)基礎(chǔ)架構(gòu)中無(wú)處不在，能夠確定在什么地方處理數(shù)據(jù)最有意義，并且這會(huì)因應(yīng)用程序和時(shí)間而異。市場(chǎng)需要能夠?qū)⒉煌巧平唤oAI的不同層的解決方案，以便獲得能夠推動(dòng)真正業(yè)務(wù)轉(zhuǎn)型的見(jiàn)解。隨著許多AI應(yīng)用開(kāi)始在醫(yī)療領(lǐng)域進(jìn)行應(yīng)用，在醫(yī)療行業(yè)中的數(shù)據(jù)保護(hù)也越發(fā)重視。針對(duì)醫(yī)療機(jī)構(gòu)的數(shù)據(jù)對(duì)于隱私和安全問(wèn)題特別敏感，直接將這些數(shù)據(jù)收集在一起是不可行的；另外，因?yàn)獒t(yī)療涉及到的機(jī)構(gòu)眾多，很難收集到足夠數(shù)量的、具有豐富特征的、可以用來(lái)全面描述患者癥狀的數(shù)據(jù)。針對(duì)此種情況，可以應(yīng)用本章什么技術(shù)，為什么？可以使用聯(lián)邦遷移學(xué)習(xí)技術(shù)。在智能醫(yī)療系統(tǒng)中，醫(yī)藥數(shù)據(jù)、基因數(shù)據(jù)、醫(yī)療影像數(shù)據(jù)、專(zhuān)家知識(shí)、電子健康記錄等等，都是重要的數(shù)據(jù)，但因?yàn)閿?shù)據(jù)隱私或數(shù)據(jù)安全，無(wú)法直接進(jìn)行使用。同時(shí)，醫(yī)療相關(guān)的數(shù)據(jù)，一般是多源異構(gòu)的，含醫(yī)療影像、基因測(cè)序、健康記錄等等，只有使用聯(lián)邦遷移學(xué)習(xí)技術(shù)，才能融合這些數(shù)據(jù)，更好進(jìn)行場(chǎng)景應(yīng)用。利用聯(lián)邦遷移學(xué)習(xí)技術(shù)，可以幫助擴(kuò)展訓(xùn)練數(shù)據(jù)的樣本和特征空間，并且降低各醫(yī)療機(jī)構(gòu)之間樣本分布的差異性，進(jìn)而改善共享模型的性能，發(fā)揮出重要作用。舉例說(shuō)明如何應(yīng)用模型選擇？以視覺(jué)應(yīng)用中常用的物體檢測(cè)功能為例，常用的模型有Yolo、VGG和AlexNer等。然而，針對(duì)同一輸入，不同模型的資源消耗和識(shí)別精度不同。因此，我們可以針對(duì)輸入動(dòng)態(tài)自適應(yīng)地選擇最優(yōu)模型，從而協(xié)同優(yōu)化資源消耗和模型精度。

第七章物聯(lián)網(wǎng)安全與管理技術(shù)簡(jiǎn)述物聯(lián)網(wǎng)安全的總體目標(biāo)。物聯(lián)網(wǎng)的以數(shù)據(jù)為中心的特點(diǎn)和與應(yīng)用密切相關(guān)性決定了物聯(lián)網(wǎng)總體安全目標(biāo)，此目標(biāo)包括以下幾個(gè)方面。保密性：避免非法用戶(hù)讀取機(jī)密數(shù)據(jù)，一個(gè)感知網(wǎng)絡(luò)不應(yīng)泄漏機(jī)密數(shù)據(jù)到相鄰網(wǎng)絡(luò)。數(shù)據(jù)鑒別：避免物聯(lián)網(wǎng)節(jié)點(diǎn)被惡意注入虛假信息，確保信息來(lái)源于正確的節(jié)點(diǎn)。設(shè)備鑒權(quán)：避免非法設(shè)備接入到物聯(lián)網(wǎng)中。完整性：通過(guò)校驗(yàn)來(lái)檢測(cè)數(shù)據(jù)是否被修改。數(shù)據(jù)完整性是消息被非法（未經(jīng)認(rèn)證的）改變后才能夠被識(shí)別?？捎眯裕捍_保感知網(wǎng)絡(luò)的信息和服務(wù)在任何時(shí)間都可以提供給合法用戶(hù)。新鮮性：保證接收到數(shù)據(jù)的時(shí)效性，確保沒(méi)有惡意節(jié)點(diǎn)重放過(guò)時(shí)的消息。簡(jiǎn)述防火墻的概念及三種形態(tài)。防火墻是部署在兩個(gè)網(wǎng)絡(luò)系統(tǒng)之間的一個(gè)或一組部件（硬件設(shè)備或者軟件），這類(lèi)組件定義了一系列預(yù)先設(shè)定的安全策略，要求所有進(jìn)出內(nèi)部網(wǎng)絡(luò)的數(shù)據(jù)流都通過(guò)它，并根據(jù)安全策略進(jìn)行檢查，只有符合安全策略、被授權(quán)的數(shù)據(jù)流才可以通過(guò)，由此保護(hù)內(nèi)部網(wǎng)絡(luò)的安全。值得注意的是，防火墻是在邏輯上進(jìn)行隔離，而不是物理上的隔離。防火墻的具體形態(tài)可以是以下3種。純軟件防火墻：通過(guò)運(yùn)行在計(jì)算機(jī)或者服務(wù)器系統(tǒng)上的軟件，進(jìn)行數(shù)據(jù)安全訪問(wèn)策略控制，實(shí)現(xiàn)簡(jiǎn)單，配置靈活。但是并發(fā)處理能力、安全防衛(wèi)水平較差，多用于個(gè)人計(jì)算機(jī)或者中小型企業(yè)服務(wù)器。純硬件防火墻：將防火墻相關(guān)軟件固化在專(zhuān)門(mén)設(shè)計(jì)的硬件之上，數(shù)據(jù)處理能力較純軟件防火墻得到了很大的提升。在一些數(shù)據(jù)中心，必須使用純硬件防火墻進(jìn)行相關(guān)的安全防護(hù)。軟硬件結(jié)合防火墻：結(jié)合了前兩種防火墻的優(yōu)點(diǎn)，在數(shù)據(jù)中心使用較多。簡(jiǎn)述安全多方計(jì)算的概念。安全多方計(jì)算（SMPC）是一種加密協(xié)議，可在多方之間分配計(jì)算過(guò)程，輸出計(jì)算結(jié)果，保證任何一方均無(wú)法得到除應(yīng)得的計(jì)算結(jié)果之外的其他任何信息。換句話(huà)說(shuō)，SMPC允許在不共享數(shù)據(jù)的情況下對(duì)數(shù)據(jù)進(jìn)行聯(lián)合分析。簡(jiǎn)述同態(tài)加密技術(shù)的概念。同態(tài)加密是基于數(shù)學(xué)難題的計(jì)算復(fù)雜性理論的密碼學(xué)技術(shù)。對(duì)經(jīng)過(guò)同態(tài)加密的數(shù)據(jù)進(jìn)行處理得到一個(gè)輸出，將這一輸出進(jìn)行解密，其結(jié)果與用同一方法處理未加密的原始數(shù)據(jù)得到的輸出結(jié)果是一樣的。簡(jiǎn)述物聯(lián)網(wǎng)終端管理技術(shù)。對(duì)于物聯(lián)網(wǎng)終端管理技術(shù)的研究，目前主要集中在兩個(gè)方向。首先是研究如何在物聯(lián)網(wǎng)中使用現(xiàn)有網(wǎng)絡(luò)管理協(xié)議；其次，是借鑒現(xiàn)有網(wǎng)管協(xié)議開(kāi)發(fā)新的適用于物聯(lián)網(wǎng)的專(zhuān)用網(wǎng)管協(xié)議。傳統(tǒng)設(shè)備管理協(xié)議多種研究結(jié)果表明，經(jīng)過(guò)適當(dāng)優(yōu)化及定制，部分現(xiàn)有的互聯(lián)網(wǎng)設(shè)備管理協(xié)議可以用于某些場(chǎng)景下的物聯(lián)網(wǎng)設(shè)備管理，如在Contiki操作系統(tǒng)及Atmel公司的AVRRaven硬件平臺(tái)上實(shí)現(xiàn)了輕量級(jí)的SNMP協(xié)議和NETCONF協(xié)議。新型物聯(lián)網(wǎng)設(shè)備管理協(xié)議新型物聯(lián)網(wǎng)設(shè)備管理技術(shù)的研究工作及協(xié)議標(biāo)準(zhǔn)制定工作在不斷進(jìn)行。IETF成立了多個(gè)工作組進(jìn)行受限環(huán)境下IP網(wǎng)絡(luò)技術(shù)的研究。研究在資源受限節(jié)點(diǎn)上實(shí)現(xiàn)IPv6的6lo工作組；研究在低功耗無(wú)線個(gè)域網(wǎng)(802.14.4)上實(shí)現(xiàn)的IPv6協(xié)議棧的6lowpan工作組；研究各種輕量級(jí)實(shí)現(xiàn)的LWIG工作組；研究低功率松散網(wǎng)絡(luò)條件下輕量級(jí)路由協(xié)議的roll工作組，研究家庭網(wǎng)絡(luò)的homenet工作組；研究受限網(wǎng)絡(luò)環(huán)境下安全傳輸?shù)膁ice工作組；研究受限IP網(wǎng)絡(luò)中面向資源應(yīng)用協(xié)議的core工作組等等。為什么傳統(tǒng)的網(wǎng)絡(luò)管理技術(shù)不能直接適用于物聯(lián)網(wǎng)？相對(duì)傳統(tǒng)網(wǎng)絡(luò)而言，物聯(lián)網(wǎng)具有以下特點(diǎn)：網(wǎng)絡(luò)拓?fù)渥兓瘎×?。網(wǎng)絡(luò)中沒(méi)有固定的節(jié)點(diǎn)和中心。傳感器網(wǎng)絡(luò)的無(wú)線傳輸距離一般比較小。物聯(lián)網(wǎng)對(duì)于數(shù)據(jù)的安全性有一定的要求。網(wǎng)絡(luò)終端之間的關(guān)聯(lián)性較低。網(wǎng)絡(luò)地址的短缺性導(dǎo)致網(wǎng)絡(luò)管理的復(fù)雜性。因此要針對(duì)物聯(lián)網(wǎng)的新特性開(kāi)發(fā)出新的網(wǎng)絡(luò)管理技術(shù)。攻擊者用傳輸數(shù)據(jù)來(lái)沖擊網(wǎng)絡(luò)接口，使服務(wù)器過(guò)于繁忙以至于不能應(yīng)答請(qǐng)求，該種攻擊方式是什么？此外，還存在哪些網(wǎng)絡(luò)攻擊，請(qǐng)列舉三種。拒絕服務(wù)攻擊。耗盡攻擊：是指通過(guò)持續(xù)通信的方式使節(jié)點(diǎn)能量耗盡。如利用協(xié)議漏洞不斷發(fā)送重傳報(bào)文或確認(rèn)報(bào)文，最終耗盡節(jié)點(diǎn)資源。女巫攻擊：攻擊者通過(guò)向網(wǎng)絡(luò)中的其他節(jié)點(diǎn)申明有多個(gè)身份，達(dá)到攻擊的目的。區(qū)塊鏈為什么相對(duì)于中心數(shù)據(jù)庫(kù)有更高的安全性？中心化數(shù)據(jù)庫(kù)很可能被攻擊。黑客成功入侵中心數(shù)據(jù)庫(kù)后，會(huì)從中獲得許多重要的敏感信息。雖然分散式網(wǎng)絡(luò)數(shù)據(jù)庫(kù)也會(huì)受到攻擊，但是攻擊分散式數(shù)據(jù)庫(kù)的風(fēng)險(xiǎn)/回報(bào)率，遠(yuǎn)遠(yuǎn)低于中心化數(shù)據(jù)庫(kù)，其攻擊難度遠(yuǎn)遠(yuǎn)大于中心化數(shù)據(jù)庫(kù)。另外，中心化數(shù)據(jù)庫(kù)存在安全風(fēng)險(xiǎn)。內(nèi)部人員和供應(yīng)商可能存在信任問(wèn)題。區(qū)塊鏈采用分散式數(shù)據(jù)庫(kù)，利用散列和算法保障數(shù)據(jù)安全，為網(wǎng)絡(luò)安全帶來(lái)了全新的范例。分散化，意味著沒(méi)有任何一方需要負(fù)責(zé)安全，安全是在網(wǎng)絡(luò)中集體創(chuàng)建的，安全性由參與者共同授予。散列和算法，讓用戶(hù)在使用過(guò)程中，無(wú)需信任任何第三方，代碼即法律。因此，區(qū)塊鏈具有更高的安全性。存在很多關(guān)于比特幣被盜的報(bào)道，所以區(qū)塊鏈容易被入侵嗎？這些報(bào)告里大多數(shù)實(shí)際上是指在交易中交易加密貨幣的交易所，而不是區(qū)塊鏈本身。實(shí)際上，我們?nèi)匀豢梢栽趨^(qū)塊鏈中找到失竊的貨幣，但無(wú)法訪問(wèn)它，或者知道是誰(shuí)偷了該貨幣。簡(jiǎn)要分析，差分隱私是如何防范差分攻擊的。差分隱私是一種數(shù)學(xué)技術(shù)，它對(duì)原操作中的某些步驟，通過(guò)注入噪聲、混淆等形式，使得操作得到差分隱私保證。它是對(duì)所有數(shù)據(jù)查詢(xún)、分析過(guò)程進(jìn)行約束，盡可能減少隱私泄露的風(fēng)險(xiǎn)。如在拉普拉斯機(jī)制中，給定數(shù)據(jù)集D，設(shè)有函數(shù)f:D→Rd，其敏感度為?f，那么隨機(jī)算法MD=fD+

第八章物聯(lián)網(wǎng)典型應(yīng)用請(qǐng)列舉一些智能電網(wǎng)的技術(shù)需求（至少3個(gè)）？并作簡(jiǎn)要解釋。1）智能用電。智能用電環(huán)節(jié)作為智能電網(wǎng)直接面向社會(huì)、面向客戶(hù)的重要環(huán)節(jié)，是社會(huì)各界感知和體驗(yàn)