.png){kind=icon}
返回
Data Aggregation Mechanisms With Dynamic Integrity Trustworthiness Evaluation Framework for Datacenters
.png){kind=icon}
PRE
AI
DOI：10.1109/TDSC.2025.3617164.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着大型模型和分布式训练的加速发展，数据量的爆炸式增长给传统数据处理和机器学习算法带来了巨大挑战。数据处理的一致性和准确性将直接影响数据分析与决策效果。本文研究了一种基于可信度度量模型的数据融合框架，旨在将数据源的可信度评估机制融入数据融合过程。首先，我们提出了一种基于动态贝叶斯网络且与时间因素相关的可信度度量模型，并考虑了网络交互行为对可信度测量的影响。其次，我们设计了一种基于可信度度量模型的数据安全聚合机制，该机制结合可信度测量与最小生成树（MST）协议，以提升网络感知性能。最后，我们分别进行了仿真实验和真实实验平台测试，结果表明，所提出的模型在动态不确定网络环境中具备连续的可信度测量能力。在一个大型基准数据集上，所提出的算法在统计性能上优于当前先进方法，控制中心的计算成本降低了36.6%，系统通信成本和存储成本分别降低了23.8%和34.7%。
Keyword:
Data centers
data fusion
dynamic integrity trustworthiness
performance evaluation
期刊
IF:
7.5
论文数:
2.6K
被引数:
9.6K
机构
引用论文
.png){kind=icon}
Trustworthiness of Self-Driving Vehicles for Intelligent Transportation Systems in Industry Applications工业应用中智能交通系统的自动驾驶车辆的可信性
PREAI
分享收藏
A Trust-Based Framework for Fault-Tolerant Data Aggregation in Wireless Multimedia Sensor Networks
PREAI
分享收藏
查看更多内容