01 自然語言處理：

• “Data-driven Microseismic Event Localization: an Application to the Oklahoma Arkoma Basin Hydraulic Fracturing Data”

譯：資料驅動的微震事件定位：對"澳柯瑪盆地,奧克拉荷馬"水力壓裂資料的應用
簡介：微震監測技術被廣泛應用于石油儲層，以了解水力壓裂的程序，地震儀連續記錄地球表面或監測井中的流體注入所引發的微震事件，對于微震事件定位，本文建議使用深度卷積神經網路（CNN）來直接將現場記錄映射到其事件位置，與傳統方法相比，深度學習方法的最大優勢在于它們可以在沒有人類干預的情況下有效地預測海量記錄資料的特征，文中使用合成資料和從記錄中提取的現場噪聲來訓練CNN，合成訓練資料能夠產生相應的標簽，而從現場資料中提取的噪聲減少了現場和合成資料之間的差異，然后使用相關的預處理步驟，以避免對事件檢測和挑選到達的需要，實驗證明所提出的方法能以比傳統成像方法（如時間反轉成像）更快的速度提供準確的微震事件位置，
發表于：IEEE Transactions on Geoscience and Remote Sensing(TGARS)
等級：CCF: B; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9576548
日期：2021.10.15

• “Price TAG: Towards Semi-Automatically Discovery Tactics, Techniques and Procedures OF E-Commerce Cyber Threat Intelligence”

譯：價格標簽：面向半自動發現電子商務網路威脅情報的策略、技術和程式
簡介：策略、技術和程式（TTP）是網路威脅情報（CTI）的一種型別，它描述了與特定威脅者相關的攻擊模式（例如，訂單倒賣）、基礎設施（例如，防彈托管平臺）和受害者目標（例如，銀行用戶）的特征，收集這些資訊有助于組織有效地識別、緩解和應對網路威脅，本文從電子商務威脅情報庫中半自動地提取TTP，建立了一個名為TTP半自動生成器（TAG）的系統，該系統將自然語言處理技術，如主題詞提取和名稱物體識別，用于電子商務TTP識別，在39個月的229,729個電子商務威脅語料上運行，TAG成功地識別了6,042個TTP，精確度達到80%，這遠遠超過了最先進的NLP技術所能達到的水平，反映了電子商務CTI的新情況，
發表于：IEEE Transactions on Dependable and Secure Computing(TDSC)
等級：CCF: A; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9576636
日期：2021.10.15

• “Hierarchical Representation Network with Auxiliary Tasks for Video Captioning and Video Question Answering”

譯：用于視頻字幕和視頻問題回答的帶有輔助任務的層次表示網路
簡介：如視頻字幕和視頻問題回答這類視頻和語言結合的視頻理解，從復雜的視頻資訊中提取一個能很好地代表多層次概念的視頻特征，即物體、行動和事件具有一定的挑戰性，對此，本文名提出一個帶有輔助任務的層次表征網路（HRNAT），用于學習多層次表征并獲得語法感知的視頻字幕，即，跨模式匹配任務能夠在語言的三級表征指導下學習視頻的層次表征，語法指導任務和視覺輔助任務有助于生成描述，這些描述不僅與視頻內容全域相似，而且與地面真實描述在語法上一致，通過在幾個基準資料集上實驗驗證了該方法的有效性和優越性
原始碼：https://github.com/riesling00/HRNAT
發表于：IEEE Transactions on Image Processing (TIP)
等級：CCF: A; 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9592722
日期：2021.11.01

02 計算機視覺：

• “LGGD+: Image Retargeting Quality Assessment by Measuring Local and Global Geometric Distortions”

譯：LGGD+：通過測量區域和全域的幾何失真對影像重定向質量評估
簡介：影像重定向演算法被提出來以實作自適應的影像大小調整，非常需要可靠的客觀影像重定向質量評估（IRQA）指標來比較不同的演算法，本文通過測量區域和全域的幾何失真（LGGD）提出了一個客觀的IRQA指標，引入了一個基于草圖示記的區域邊緣描述符（ST-LED）來表示LGGD中的幾何感知特征，首先，ST-LED首先被應用于源影像和重定向影像的邊緣模式表示，其次，進行像素級的后向登記以估計區域幾何失真（LGD），并建立一個空間金字塔改進的標記袋（BoT）模型以估計全域幾何失真（GGD），然后進一步融合LGGD和現有的（EXT）IRQA指標，建立一個最終版本，稱為LGGD+ for IRQA，實驗證明LGGD+的優越性以及改善現有的各種IRQA度量的兼容性，
發表于：IEEE Transactions on Circuits and Systems for Video Technology(TCSVT)
等級：CCF: B; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9537816
日期：2021.09.14

• “Monocular and Binocular Interactions Oriented Deformable Convolutional Networks for Blind Quality Assessment of Stereoscopic Omnidirectional Images”

譯：用于立體全向影像的盲質量評估的單目和雙目相互作用導向的可變形卷積網路
簡介：立體全向內容作為一種新的視覺媒體，能夠帶來沉浸式的體驗，由于立體全向影像（SOI）涉及全景和立體視覺感知的特性，為SOI建立一個高效的視覺質量評估模型極具挑戰，在本文中提出了一個新穎的深度學習框架來評估SOIs的質量，首先，采用了可變形卷積代替標準卷積，以確保卷積核在等角投影（ERP）上的不變的接受域，其次，根據立體屬性，使用雙眼差異資訊和從粗到細的機制來構建雙眼特征提取網路，然后，提出了一個涉及左視、右視和雙眼差異通道的三通道網路來模擬單目和雙目相互作用的程序，其中為每個通道提供了獨立的質量標簽，以反映單眼和雙眼視覺對整個視覺質量的單獨影響，在基準資料庫上的實驗證明，該方法在預測SOI的質量方面的優勢性，
發表于：IEEE Transactions on Circuits and Systems for Video Technology(TCSVT)
等級：CCF: B; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9536507
日期：2021.09.13

• “Blind Image Quality Index for Authentic Distortions With Local andGlobal Deep Feature Aggregation”

譯：采用區域和全域深度特征融合的真實失真盲圖質量指數
簡介：針對真實失真的盲圖質量評估（BIQA），區域和全域特征對于IQA來說都是不可缺少的，它們發揮著互補的作用，由于深度神經網路通常需要固定尺寸的輸入影像，要么調整影像的大小，要么使用區域斑塊作為輸入，但它們不能整合區域和全域以及它們之間的相互作用來實作全面的質量評價，本文提出了一個新的BIQA指標，通過在Vision-Transformer框架中融合區域和全域的深層特征來實作真實的失真，在所提出的指標中，選擇性的區域區域和全域內容同時被輸入以進行互補的特征提取，并采用Vision-Transformer來建立不同區域斑塊和影像質量之間的關系，進一步采用自注意機制來探索區域和全域深度特征之間的互動，產生最終的影像質量分數，大量實驗資料證明，所提出的指標在預測性能和概括能力方面都優于最先進的技術，
發表于：IEEE Transactions on Circuits and Systems for Video Technology(TCSVT)
等級：CCF: B; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9536693
日期：2021.09.13

03 機器學習：

• “Learning Fast and Slow: Propedeutica for Real-Time Malware Detection”

譯：學習的快與慢：用于實時惡意軟體檢測的Propedeutica
簡介：本文介紹了Propedeutica，這是一個高效和有效的實時惡意軟體檢測框架，利用了傳統機器學習（ML）和深度學習（DL）技術的優點，在Propedeutica中，所有軟體的啟動執行都被認為是良性的，并由傳統的ML分類器監測，以實作快速檢測，如果軟體從ML檢測器中得到一個邊界分類（例如，該軟體50%可能是良性的，50%可能是惡意的），該軟體將被轉移到一個更準確但性能要求高的DL檢測器，為了解決空間-時間動態和軟體執行的異質性，為Propedeutica引入了一個具有多流輸入的新型DL架構（DeepMalware），在9115個惡意軟體樣本和1338個不同類別的良性軟體評估中，Propedeutica實作了94.34%的準確率和8.75%的假陽性率，其中41.45%的樣本被移用于DeepMalware分析，即使只使用CPU，Propedeutica也能在不到0.1秒內檢測出惡意軟體，
發表于：IEEE Transactions on Neural Networks and Learning Systems(TNNLS)
等級：CCF: B; 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9596571
日期：2021.11.01

• “Spiking Deep Residual Networks”

譯：脈沖深層殘差網路
簡介：脈沖神經網路（SNNs）因其生物學上的合理性而受到關注，SNNs擁有實作高能效機器智能的潛力，同時保持與ANNs相當的性能，然而，要訓練一個非常深的SNN仍然是一個很大的挑戰，本文提出了一種有效的方法來構建深度SNN，采用了將訓練好的殘差網路（ResNet）轉換為一個名為Spiking ResNet（S-ResNet）的脈沖神經元網路的想法，接著，提出了一個殘差轉換模型，該模型適當地縮放了ANNs中的連續值激活，以匹配SNNs中的發射率，并提出了一個補償機制來減少離散化引起的誤差，實驗證明，該方法在CIFAR-10、CIFAR-100和ImageNet 2012上以低延遲實作了最佳性能，這項作業首次建立了一個深度超過100層的異步SNN，其性能與原始ANN相當，
發表于：IEEE Transactions on Neural Networks and Learning Systems(TNNLS)
等級：CCF: B; 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9597475
日期：2021.11.01

• “Deep Reinforcement Learning for Cyber Security”

譯：用于網路安全的深度強化學習
簡介：網路攻擊的復雜性和動態性要求保護機制具有回應性、適應性和可擴展性，通過將深度學習納入傳統的深度強化學習（DRL），DRL在解決復雜的、動態的、特別是高維的網路防御問題方面有很強的能力，本文介紹了為網路安全開發的DRL方法的調查，包括基于DRL的網路物理系統安全方法、自主入侵檢測技術和基于DRL的多代理博弈論模擬，用于防御網路攻擊的策略，還對基于DRL的網路安全進行了廣泛的討論和未來的研究方向，
發表于：IEEE Transactions on Neural Networks and Learning Systems(TNNLS)
等級：CCF: B; 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9596578
日期：2021.11.01

04 物聯網：

• “EWS: Exponential Windowing Scheme to Improve LoRa Scalability”

譯：EWS：提高LoRa可擴展性的指數化開窗方案
簡介：物聯網（IoT）應用需要一個覆寫大面積、耗電少、成本低的網路，并且可以隨著連接設備數量的增加而擴展，為了滿足物聯網應用的這些要求，低功耗廣域網（LPWANs）最近受到了極大的關注，具有長距離（LoRa）的長距離廣域網（LoRaWAN）（LoRaWAN的物理層設計）已成為物聯網的領先LPWAN解決方案，LoRa網路的可擴展性在很大程度上取決于傳播因子（SF）的分配方案，為LoRa網路提出了一種指數開窗方案（EWS），以提高LoRa網路的可擴展性，EWS是一種基于距離的SF分配方案，它為每個SF分配一個距離引數，使整個LoRa網路的成功概率最大化，利用隨機幾何學，推匯出在共同SF干擾下的成功概率運算式，分析了指數視窗和資料包大小對資料包成功概率的影響，與基于距離的SF分配方案：基于等間隔的方案和基于等面積的方案進行了比較，證明了本方案的優勢性，
發表于：IEEE Transactions on Industrial Informatics(TII)
等級：中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9409666
日期：2021.04.20

• “A Secure and LoRaWAN Compatible User Authentication Protocol for Critical Applications in the IoT Environment”

譯：用于物聯網環境中關鍵應用的一種安全和LoRaWAN兼容的用戶認證協議
簡介：長距離廣域網（LoRaWAN）是一個協議，它有效地允許物聯網環境中電池受限的終端設備進行長距離通信，并被個人和行業所接受和使用，為了促進這項技術的使用并獲得用戶的信任，有必要保證終端設備收集的資訊的安全和隱私，其中用戶認證和密鑰建立協議是非常重要的，本文為LoRaWAN網路引入了一個新的安全用戶認證的密鑰建立方案，所提出的方案提供了參與者之間的相互認證，它允許用戶和終端設備之間建立一個安全的會話密鑰，而不需要無條件地完全信任網路服務器，通過構建采用實數或隨機模型的正式證明，證明該方案是安全的，最后采用了Proverif和互聯網安全協議和應用的自動驗證工具來確認它滿足認證和安全特性，
發表于：IEEE Transactions on Industrial Informatics(TII)
等級：中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9416234
日期：2021.04.26

• “A Joint Energy and Latency Framework for Transfer Learning Over 5G Industrial Edge Networks”

譯：用于5G工業邊緣網路上進行遷移學習的一種聯合能量和延遲框架
簡介：為5G工業邊緣網路提出了一個具有隱私保護特性的遷移學習（TL）邊緣卷積神經網路（CNN）框架，邊緣服務器可以使用現有的影像資料集來提前訓練CNN，并根據設備上傳的有限資料集進行進一步的微調，在TL的幫助下，沒有參與訓練的設備只需要對訓練好的邊緣CNN模型進行微調，而不需要從頭訓練，由于設備的能量預算和有限的通信帶寬，制定了一個聯合能量和延遲問題，通過將原始問題分解為一個上傳決策子問題和一個無線帶寬分配子問題來解決，實驗證明，在ImageNet上，自動編碼器的壓縮比為32的情況下，所提出的TL-enabled edge-CNN框架只需上傳約1%的模型引數，就能達到基線的近85%的預測精度，
發表于：IEEE Transactions on Industrial Informatics(TII)
等級：中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9416178
日期：2021.04.26

05 資料庫及資料挖掘：

• “Data-Aware Predictive Scheduling for Distributed-Memory Ray Tracing”

譯：用于分布式記憶體光線追蹤的資料感知預測調度
簡介：科學的光線追蹤現在可以包括逼真的陰影和材料屬性，但是追蹤不同深度的光線以通過磁區資料得出結論是低效的，對于這樣的資料，許多光線調度方法已經證明了渲染性能的提高，然而，先前方法中固有的同步性和非自適應阻礙了進一步的性能優化，在本文中加入了能夠動態調整光線資料查詢中的猜測水平的預測模型，使光線調度能夠高度適應一系列的場景特征，將射線組織在一棵推測節點的樹上，推測在自適應射線組的子樹中成對協調，促進了并發性和并行性，與之前的非預測方法相比，該方法在分布式系統上的體積和幾何渲染的吞吐量提高了三倍，適合于互動和離線應用，
發表于：IEEE Transactions on Visualization and Computer Graphics(TVCG)
等級：CCF: A; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9552600
日期：2021.09.29

• “Interactive Visual Pattern Search on Graph Data via Graph Representation Learning”

譯：通過圖表示學習在圖資料上進行互動式視覺模式搜索
簡介：識別圖中的子圖模式是理解其結構特性的重要方法，本文提出了一個視覺分析系統GraphQ，以支持在一個包含許多單獨圖形的資料庫中進行人在回路、基于例子的子圖模式搜索，為了支持快速、互動式的查詢，文中使用圖神經網路（GNNs）將圖形編碼為固定長度的潛向量表示，并在潛向空間中進行子圖匹配，由于在匹配結果中仍然很難獲得準確的一對一的節點對應關系，為此，提出了一種新的用于節點對齊的GNN，稱為NeuroAlign，以方便驗證和解釋查詢結果，GraphQ提供了一個可視化的查詢界面，包括一個查詢編輯器和結果的多尺度可視化，以及一個用戶反饋機制，用額外的約束條件來完善結果，在兩個場景中：分析程式作業流程中的可重用子程式和影像中的語意場景圖搜索，定量實驗表明，與基線GNN相比，NeuroAlign的節點對齊精度提高了19%-29%，與組合演算法相比，速度提高了100倍，
發表于: IEEE Transactions on Visualization and Computer Graphics(TVCG)
等級：CCF: A; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9552902
日期：2021.09.29

• “Explanatory Journeys: Visualising to Understand and Explain Administrative Justice Paths of Redress”

譯：解釋之旅：視徑訓地理解和解釋行政司法的救濟之路
簡介：行政司法涉及個人與國家之間的關系，它包括對兒童教育、社會關懷、許可、規劃、環境、住房和無家可歸的決定進行救濟和投訴，然而，如果有人有投訴或問題，人們要了解不同的可能的救濟途徑，并探索哪種途徑適合他們的情況，這是一個挑戰，解釋性的可視化有可能以一種清晰的方式顯示這些救濟途徑，這樣人們就可以看到、理解和探索他們的選擇，本文的貢獻如下：(i) 解釋型可視化工具（Artemus）的應用設計研究，(ii) 協調和共同設計的資料匯總方法，(iii) 在住房和教育方面的兩個深入案例研究，展示了行政法中的解釋型救濟路徑，(iv) 對專家共同設計程序和專家資料收集以及行政司法和法律的解釋型可視化的思考，
發表于: IEEE Transactions on Visualization and Computer Graphics(TVCG)
等級：CCF: A; 中科院磁區：2區
原文鏈接：https://ieeexplore.ieee.org/document/9552910
日期：2021.09.29

06 計算機網路：

• “Network Cost-Aware Geo-Distributed Data Analytics System”

譯：網路成本感知的跨地域資料分析系統
簡介：許多跨地域資料分析（GDA）系統都關注網路性能瓶頸：資料中心間的網路帶寬，以提高性能，但這些系統沒有考慮資料傳輸成本（$），這是多云環境中最昂貴的異質資源之一，因此，本文提出了Kimchi，一個網路成本感知的GDA系統，通過利用資料傳輸成本的異質性來避免成本瓶頸，從而滿足性價比的權衡，Kimchi為調度任務確定成本意識的任務放置決策，給定的輸入包括資料傳輸成本、網路帶寬、輸入資料大小和位置，以及所需的成本-性能權衡偏好，此外，Kimchi還注意到在動態情況下的資料傳輸成本，實驗表明，與其他集中式、vanilla Spark和帶寬感知（如Iridium）的基線方法相比，它在不影響性能的情況下減少了5%～24%的成本，并在不影響成本的情況下減少了45%～70%的查詢執行時間，更重要的是，Kimchi允許應用程式在多云環境中探索更豐富的成本-性能權衡空間，
發表于：IEEE Transactions on Parallel and Distributed Systems(TPDS)
等級：CCF: A; 中科院磁區：3區
原文鏈接：https://ieeexplore.ieee.org/document/9527073
日期：2021.09.01

• “HSA-Net: Hidden-State-Aware Networks for High-Precision QoS Prediction”

譯：HSA-Net：用于高精度QoS預測的隱藏狀態感知網路
簡介：高精度的QoS（服務質量）預測是基于對用戶和服務的狀態資訊的全面感知，但用戶和服務的大部分狀態資訊（即網路速度、延遲、網路型別等）由于隱私保護而被隱藏，因此，本文提出了一個隱藏狀態感知網路（HSA-Net），包括三個步驟，即隱藏狀態初始化、隱藏狀態感知和QoS預測，首先，基于隱狄利克雷分配（LDA）開發了一個隱藏狀態初始化方法，之后，提出了一個隱藏狀態感知方法，通過融合已知資訊（如服務ID和用戶位置）來抽象出初始化的隱藏狀態，該感知方法由四種隱藏狀態感知（HSP）模式（即已知模式、物件模式、混合模式和整體模式）組成，通過四個自適應卷積核產生可解釋和融合的特征，最后，通過全連接網路發現融合后的特征和服務質量之間的關系，以完成高精度的服務質量預測程序，根據資料集上實驗結果，HSA-Net的平均絕對誤差（MAE）指數減少了3.67%和28.84%，而平均根誤差（RMSE）指數與兩個資料集的十個基線相比平均減少了3.07%和7.14%，
發表于：IEEE Transactions on Parallel and Distributed Systems(TPDS)
等級：CCF: A; 中科院磁區：3區
原文鏈接：https://ieeexplore.ieee.org/document/9535236
日期：2021.09.10

• “Mapping-Aware Kernel Partitioning Method for CGRAs Assisted by Deep Learning”

譯：用于深度學習輔助下的CGRAs的映射感知Kernel分割法
簡介：粗粒度可重構架構（CGRAs）通過字級可編程性而不是像FPGA那樣的位級可編程性提供高能效，與FPGA相比，更粗的可重構性帶來了更高的能源效率，并降低了編譯器任務的復雜性，然而，CGRAs的應用映射程序仍然很耗時，當編譯器試圖將龐大而復雜的應用資料流圖（DFG）映射到可重構結構上時，往往會導致資源使用效率低下或映射失敗，在失敗的情況下，編譯器必須把它分成幾個子DFG，并回傳到同一個流程，本文提出了一種基于遺傳演算法的新型磁區方法，以消除不可應用的DFG并提高映射的質量，為了不產生不可應用的子DFG，還提出了一個估計模型，使用DGCNN（深度圖卷積神經網路）預測可應用性和資源需求，于是，遺傳演算法可以在沒有后端映射程序的情況下尋求資源效率最高的映射，該模型能以98%以上的準確率預測可映射性，并以可忽略不計的誤差預測兩個研究的CGRA的資源使用，同時顯示了53-75%的記憶體節省，1.28-1.39倍的吞吐量，以及比三種比較方法更好的映射質量，
發表于：IEEE Transactions on Parallel and Distributed Systems(TPDS)
等級：CCF: A; 中科院磁區：3區
原文鏈接：https://ieeexplore.ieee.org/document/9524520
日期：2021.08.27

07 區塊鏈：

• “Attribute-based Private Data Sharing with Script-driven Programmable Ciphertext and Decentralized Key Management in Blockchain Internet of Things”

譯：區塊鏈物聯網中帶有腳本驅動的可編程密碼文本和去中心化的密鑰管理的基于屬性的私有資料共享
簡介：本文解決了區塊鏈物聯網（BIoT）中為指定接收者安全共享敏感資料的問題，提出了一個密碼學解決方案，通過密鑰管理和可編程的密碼文本來滿足去中心化和便利性的要求，首先，設計了一個新的密碼文本-策略去中心化-基于密鑰屬性的加密（CP-DK-ABE）方案，在主秘鑰以閾值秘密共享的形式被共享到所有全節點后，采用分散的多方計算協議，以互動方式生成用戶的私鑰，同時，與私鑰相關的屬性子密鑰可以通過從每個全節點獲得的片段進行重構，從而實作通過所有全節點對屬性密鑰的合作管理，按照區塊鏈的腳本系統，引入了五個新的操作碼，以可編程的格式表示密碼文本，通過腳本語言來表示CP-DK-ABE密碼文本中屬性子密碼之間的訪問控制策略的邏輯關系，因此，加密和解密的程序完全由區塊鏈節點上的腳本解釋器實作，從而大大提高了BIoT設備中編程的便利性，實驗證明了所提出的CP-DK-ABE方案在決策線性和雙線性Diffie-Hellman假設下，分別對有限數量的損壞的全節點是密鑰私有和語意安全的，
發表于：IEEE Internet of Things Journal(ITJ)
等級: 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9594085
日期：2021.11.01

• “Real-Time Control of Distributed Batteries with Blockchain-Enabled Market Export Commitments”

譯：用區塊鏈支持的市場出口承諾對分布式電池的實時控制
簡介：近年來，人們對使用可再生能源發電的家庭的分布式住宅電池興趣大增，本文提出了一個框架，其中批發市場的出價由分布式住宅電池的聚集者放在遠期能源市場上，這些電池由一個新的家庭能源管理系統（HEMS）控制演算法實時控制，以滿足市場承諾，同時最大限度地提高本地自我消費，在第一階段，集中計算匯總的存盤資產的最佳日前或日內調度，在第二階段，為能源批發市場制定了一個競價策略，最后，在第三階段，基于智能合約的新型HEMS實時控制演算法允許協調住宅電池以滿足市場承諾，并最大限度地提高本地生產的自我消費，該框架應用于一個有70個住宅電池的集合器，結果表明，與沒有住宅靈活性的情況相比，所提出的方法使聚合器的收入增加了35%，并使家庭的自我消費率增加了2倍，
發表于：IEEE Transactions on Power Electronics(TPE)
等級: 中科院磁區：1區
原文鏈接：https://ieeexplore.ieee.org/document/9582837
日期：2021.10.20

• “Pistis: Issuing Trusted and Authorized Certificates with Distributed Ledger and TEE”

譯：Pistis: 利用分布式賬本和TEE發布可信和授權的證書
簡介：HTTPS的安全性從根本上依賴于由證書頒發機構（CA）頒發的SSL/TLS證書，然而，這些證書很容易被破壞，以頒發未經授權的證書（即未經域的許可而頒發的證書），本文提出了Pistis，一個利用分布式賬本和可信執行環境（TEE）技術發行授權和可信證書的框架，TEE節點驗證所請求的證書中的域名是否通過了域名所有權驗證（即在相應的申請人的控制下），并將證明的結果提交給分布式賬本中的智能合約，當認證結果顯示通過時，智能合約會將證書發給申請人，由于TEE中的域名所有權驗證機制，Pistis可以確保其頒發的證書得到授權，此外，由于簽發的證書存盤在Pistis的Merkle Patricia Tree（MPT）中，它們是可信的，可以被一個普通用戶輕松驗證，Pistis通過防止未經授權的證書發行，避免了潛在的損害，
發表于：IEEE Transactions on Parallel and Distributed Systems(TPDS)
等級：CCF: A; 中科院磁區：3區
原文鏈接：https://ieeexplore.ieee.org/document/9582795
日期：2021.10.20

08 每周書摘：

09 申明：

周報內容來源：IEEE Xplore、LetPub、Unsplash、MONO、SCI-HUB、中國知網、谷歌學術中國計算機學會推薦國際學識訓議和期刊目錄、花瓣網、南風窗，由[學術云工坊]整理編輯，內容著作權歸原單位/作者所有，此處僅作分享學習使用，如有侵權，請聯系本號做洗掉處理，以上分類方法按文章keywords進行分類，如有分類不當、專業術語表達有誤的地方，歡迎聯系本號進行處理，

更多往期精彩歡迎關注我的公眾號【學術云工坊】