近日，实验室田浩教授领导的人工智能PI团队的研究论文“Employing RNN and Petri Nets to Secure Edge Computing Threats in Smart Cities”，发表在高水平期刊《Journal of Grid Computing》上。
近年来，随着工业物联网（IIoT）的兴起，城市资产之间的通信日益频繁，构建了一个潜在的系统，旨在增强城市内部的通信。然而，这一系统依赖于无线连接到城市景观中的众多限制性设备。然而，技术的发展也暴露了这些网络面临各种有害攻击、网络安全威胁和潜在的黑客威胁，从而危及了无线信息传输的安全性。尤其是，未受保护的IIoT网络成为潜在攻击的易受攻击的后门入口。
智慧城市系统模型
为了解决这些挑战，田浩教授领导的人工智能PI团队提出了一种综合的安全结构，结合了基于极限学习机的复制神经网络（ELM-RNN）和基于深度强化学习的深度Q网络（DRL-DQN），以保护智能城市中的边缘计算风险。该提案首先引入了一个分布式授权机制，采用了一个已建立的信任范式，以有效地调节网络内的数据流动。此外，一种称为Secure Trust-Aware Philosopher Privacy and Authentication（STAPPA）的新颖框架，通过Petri网进行建模，可缓解网络隐私泄露并增强数据保护。该系统利用Garson算法和基于ELM的RNN来优化网络性能，并加强异常检测能力。这使得能够在网络环境中高效地确定最短路径、准确地检测异常和有效地进行搜索优化。通过大量模拟实验，该安全框架利用强化学习的力量展现出了卓越的检测和准确率。
这一研究成果为解决智能城市中边缘计算风险提供了全面的解决方案，为构建安全可靠的城市物联网提供了有力支持。该研究不仅在理论上提出了新的安全框架，还通过实验验证了其在实际场景中的可行性和有效性。这一成果有望在智慧城市建设、物联网安全、数字金融风险领域产生深远影响，为金融数字化转型提供了重要的技术支持和保障。
《Journal of Grid Computing》（影响因子5.5），中科院二区，JCR一区，是自然-Springer旗下出版的高水平期刊，旨在探索能够在分布式、松散协调的群体中解决大规模的资源共享问题的新技术，覆盖范围包括协议、安全性、可扩展性等。
