首页/论文/1902.10086

arXiv 1902.100862019-02-26cs.AIcs.CY

战场上的智能自主物

Intelligent Autonomous Things on the Battlefield

U.S. Army Research Laboratory（美国陆军研究实验室）

Alexander Kott, Ethan Stump

备注：: This is a much expanded version of an earlier conference paper available at arXiv:803.11256
发表信息：: In Artificial Intelligence for the Internet of Everything, pp. 47-65. Academic Press, 2019

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

未来的战场上将充斥着大量人工智能的网络化设备，它们与人类战士密切合作，并在高度对抗的环境中作为团队作战。本章探讨了这样一个由智能物和人组成的网络--物联网（IOBT）所需的特征、能力和智能。IOBT将面临当前一代人工智能和机器学习尚未很好解决的独特挑战。

英文摘要：

Numerous, artificially intelligent, networked things will populate the battlefield of the future, operating in close collaboration with human warfighters, and fighting as teams in highly adversarial environments. This chapter explores the characteristics, capabilities and intelli-gence required of such a network of intelligent things and humans - Internet of Battle Things (IOBT). The IOBT will experience unique challenges that are not yet well addressed by the current generation of AI and machine learning.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

中级深度特征压缩：智能感知的下一个战场

Intermediate Deep Feature Compression: the Next Battlefield of Intelligent Sensing

Nanyang Technological University（南洋理工大学）；City University of Hong Kong（香港城市大学）；Peking University（北京大学）

近年来硬件技术的进步，使得前端配备深度学习的智能分析更加普及和实用。为了更好地实现前端的智能感知，我们建议将具有高泛化能力的中间层深度学习特征进行压缩表示和传达，而不是压缩和传输视觉信号或最终使用的顶层深度学习特征，以促进前端和云端之间的协作方法。该策略在部署深度神经网络进行大规模基于云的可视化分析时，能够在云服务器的计算负载、传输负载和泛化能力之间实现良好的平衡。此外，所提出的策略还使深度特征编码的标准化更具可行性和前景，因为一系列任务可以同时受益于传输的中间层。我们还介绍了四种基准数据压缩方法对无损深度特征压缩的评估结果，这为未来的研究和标准化活动提供了有意义的调查和基线。

2018-09-17cs.AIcs.MM

战场物联网中边缘设备上与数据库的自然语言交互

Natural Language Interaction with Databases on Edge Devices in the Internet of Battlefield Things

Department of Intelligent Systems & Robotics - The University of West Florida（威斯弗拉明戈大学智能系统与机器人系）；Florida Institute for Human and Machine Cognition（佛罗里达人类与机器认知研究所）；US Army DEVCOM Army Research Laboratory（美国陆军 DEVCOM 军事研究实验室）

本文提出面向IoBT边缘设备的LLM与图数据库工作流，将自然语言转换为Cypher并总结结果，实验显示Llama 3.1 8B最优且准确率提升19.4%。

2025-06-05cs.AIcs.CLcs.DB

高对抗环境下作战物联网智能自治的挑战与特点

Challenges and Characteristics of Intelligent Autonomy for Internet of Battle Things in Highly Adversarial Environments

U.S. Army Research Laboratory（美国陆军研究实验室）

未来的战场上将充斥着大量人工智能的网络化设备，它们与人类战士密切合作，并在高度对抗的环境中作为团队作战。本文探讨了这样一个智能物与人的网络--作战物联网（IOBT）所需的特征、能力和智能。它将经历当前一代人工智能和机器学习尚未很好解决的独特挑战。

2018-04-13cs.AIcs.CY

Ancilia：面向物联网人工智能的可扩展智能视频监控

Ancilia: Scalable Intelligent Video Surveillance for the Artificial Intelligence of Things

The University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）

随着基于视觉的人工智能的发展，物联网连接摄像头的普及，以及社会对快速和公平安全的需求日益增加，对准确实时智能监控的需求从未如此之高。本文介绍了Ancilia，一个端到端的可扩展的，智能视频监控系统的人工智能的东西。Ancilia将最先进的人工智能引入到现实世界的监控应用中，同时尊重伦理问题并实时执行高级认知任务。Ancilia旨在彻底改变监控领域，为现场带来更有效，更智能和更公平的安全性，从而在不需要人们牺牲隐私权的情况下，实现更安全，更安全的社区。

2023-03-09cs.AIcs.CVcs.CY

一种用于5G医疗物联网安全集群的智能信任云管理方法

An Intelligent Trust Cloud Management Method for Secure Clustering in 5G enabled Internet of Medical Things

Waseda University（早稻田大学）；University of Guelph（圭尔夫大学）；Birla Institute of Technology, Mesra（梅斯拉贝拉理工学院）

5G边缘计算支持的医疗物联网（IoMT）是提供分散式医疗服务的有效技术，而设备到设备（D2D）通信是未来5G网络的一个有前途的范例。为了确保5G边缘计算和D2D支持的IoMT系统中的安全可靠通信，本文提出了一种智能信任云管理方法。首先，提出了一种主动训练机制来构建标准信任云。其次，可以通过模糊信任推理和推荐来建立IoMT设备的个体信任云。第三，提出了一种信任分类方案来确定IoMT设备是否是恶意的。最后，提出了一种信任云更新机制，使所提出的信任管理方法在开放的无线介质下具有自适应性和智能性。仿真结果表明，该方法能有效解决信任不确定性问题，提高恶意设备检测的准确性。

2022-07-19cs.AIcs.NIcs.SY

面向去中心化异构平台的智能物联网框架

An Internet of Intelligent Things Framework for Decentralized Heterogeneous Platforms

Computer Science, CUNY--Queens College；Computer Science, CUNY--Graduate Center \& Queens College

针对智能物联网集中式系统存在的瓶颈与安全隐患，提出一种异构去中心化对等网状网络系统模型，结合联邦学习、元启发式算法与多目标优化，实现节点在可靠性、能效和延迟上的协同优化。

2025-09-01cs.AIcs.NI

更多相关论文收起更多论文

智能交通系统中上下文感知计算的建模与推理技术

Modelling and Reasoning Techniques for Context Aware Computing in Intelligent Transportation System

Jyoti Nivas College（乔蒂尼瓦斯学院）；VTU（维斯维萨亚理工大学）；CMR Institute of Technology（CMR理工学院）

物联网技术的出现和传感器网络的最新进展使交通系统进入了一个新的层面，称为智能交通系统。由于道路交通场景中车辆的使用和实体之间的通信增加，智能交通系统中产生的原始数据量非常巨大。这些原始数据将被处理，以推断上下文信息，并提供新的服务，如交通信号管理，事故预测，目标检测等不同的道路运输模式，以了解上下文的重要性，本文的目的是研究智能交通系统中的上下文感知。我们提出了一个审查有关的智能交通系统中的上下文感知的文献中开发的突出应用。本文的研究目的是突出智能交通系统中的上下文及其特征，并讨论建模技术和推理方法在智能交通系统中的适用性。还阐明了物联网和机器学习在智能交通系统发展中的影响。

2021-07-29cs.AI

发展中国家基于物联网的水运系统安全性提升

Enhancing safety in water transport system based on Internet of Things for developing countries

United International University（联合国际大学）；King Saud University（沙特国王大学）

发展中国家内陆水道的事故是一年四季经常发生的现象，造成死亡、受伤、金钱损失和大量人员失踪。结果，许多家庭失去了他们亲爱的人，导致许多痛苦。上述背景要求为发展中国家提供智能、安全和可靠的水运系统。智能交通系统（Intelligent Transport System，ITS）的概念可以应用于水运系统的开发，但ITS存在的问题和物联网（Internet of Things，IoT）为水运系统的开发提供了新的思路。基于IPv6的机器对机器（M2M）协议、3G电信技术和IEEE 802.15.4网络标准在这个提出的基于物联网的系统中起着重要作用。

2021-03-05cs.AIcs.NI

物联网中的智能设备发现-使机器人社会成为可能

Intelligent Device Discovery in the Internet of Things - Enabling the Robot Society

California State University Los Angeles（加州州立大学洛杉矶分校）

物联网（IoT）正在不断发展，以类似互联网的结构随时随地连接数十亿台智能设备，从而实现人与物体之间的各种应用、服务和交互。在未来，智能设备应该能够自主发现具有所需功能的目标设备，并生成一组全新的服务和应用程序，这些服务和应用程序不受人类的监督甚至想象。智能设备的普及以及它们的设计和功能的异质性引起了一个主要问题：智能设备如何有效地发现所需的目标设备？在本文中，我们提出了一种社交感知和分布式（SAND）方案，可以在物联网中实现快速，可扩展和高效的设备发现。建议的SAND计划采用了一种新的设备排名标准，衡量设备的程度，社会关系的多样性，聚类系数和介数。基于设备排名标准，可以引导发现请求行进通过位于网络的主要交叉点处的关键设备，并且因此通过仅联系有限数量的中间设备来快速到达期望的目标设备。在SAND这样的智能设备发现的帮助下，物联网设备以及互联网上的其他计算设施、软件和数据可以像人类一样自主地彼此建立新的社会联系。它们可以形成自组织的计算群体来执行所需的计算任务，促进各种计算服务、网络服务和数据的融合以产生新的应用和服务，从个体人工智能发展到协作智能，最终使机器人社会诞生。

2018-01-08cs.AI

面向人工智能物联网的深度图像语义通信模型

Deep Image Semantic Communication Model for Artificial Intelligent Internet of Things

College of Information Engineering, Zhejiang University of Technology（浙江工业大学信息工程学院）；National Key Laboratory of Electromagnetic Space Security（电磁空间安全全国重点实验室）；State Key Laboratory of Internet of Things for Smart City, University of Macau（澳门大学智慧城市物联网国家重点实验室）；Department of Computer Information Science, University of Macau（澳门大学计算机与信息科学系）；Zhuhai UM Science and Technology Research Institute（珠海澳大科技研究院）；Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系）；Institute of Cyberspace Security, Zhejiang University of Technology（浙江工业大学网络空间安全研究院）

针对AIoT图像数据爆炸式增长的问题，提出一种深度图像语义通信模型，发射端用高精度语义分割压缩、接收端用GAN恢复图像，在压缩比、恢复精度及时延上均显著优于现有方案。

2023-11-08cs.AIcs.CV

一种边缘使能工业物联网超低时延通信的智能确定性调度方法

An Intelligent Deterministic Scheduling Method for Ultra-Low Latency Communication in Edge Enabled Industrial Internet of Things

Chongqing University of Posts and Telecommunications（重庆邮电大学）；University of Guelph（圭尔夫大学）；Hubei University of Arts and Science（湖北文理学院）；Hosei University（法政大学）；RIKEN（理化学研究所）

边缘使能的工业物联网（IIoT）平台对加速智能工业的发展具有重要意义。然而，随着实时IIoT应用的急剧增加，支持快速响应时间、低延迟和高效的带宽利用率是一个巨大的挑战。为了解决这个问题，时间敏感网络（TSN）最近研究通过确定性调度来实现低延迟通信。据我们所知，多个流的可组合性，这可以显着影响调度性能，从来没有被系统地分析过。在这篇文章中，我们首先分析了可组合性问题。然后提出了一种基于非冲突理论的确定性调度方法来实现时间敏感流的超低延迟通信。此外，为了提高带宽利用率，一个动态队列调度（DQS）方法的尽力而为流。实验结果表明，NDS/DQS能够很好地支持确定性超低延迟业务，并保证有效的带宽利用率。

2022-07-17cs.AIcs.NIcs.SI

对抗环境中的网络安全异常检测

Cybersecurity Anomaly Detection in Adversarial Environments

Army Cyber Institute, United States Military Academy（美国军事学院陆军网络研究所）；Johns Hopkins University（约翰斯·霍普金斯大学）

互联的战场信息共享设备（称为战场物联网（IoBT））的激增带来了一些安全挑战。IoBT操作环境固有的是对抗性机器学习的实践，它试图绕过机器学习模型。这项工作探讨了成本效益的无监督学习和基于图的方法在网络入侵检测系统设置的异常检测的可行性，并利用集成方法的异常检测问题的监督学习。我们在训练监督模型时引入了一个现实的对抗训练机制，以在对抗环境中实现强大的分类性能。结果表明，非监督和基于图的方法优于检测异常（恶意活动）的监督堆叠集成方法与两个层次。该模型在第一级中由三个不同的分类器组成，其次是用于第二级的朴素贝叶斯或决策树分类器。该模型在所有测试的二级分类器中，恶意样本的F1得分均高于0.97。值得注意的是，朴素贝叶斯是平均1.12秒的最快的二级分类器，而决策树保持最高的AUC分数0.98。

2021-11-02cs.AIcs.CRstat.ML

基于柔性摩擦电传感器的智能医疗物联网健康监测系统及其在虚拟现实中的应用

A Health Monitoring System Based on Flexible Triboelectric Sensors for Intelligence Medical Internet of Things and its Applications in Virtual Reality

Henan University（河南大学）；University of Waterloo（滑铁卢大学）

本研究提出一种结合柔性可穿戴摩擦电传感器与深度学习的智能医疗物联网系统，通过嵌入四个传感器的腕带精准监测帕金森病患者的肢体运动、心脏及身份等，为Health 4.0社会提供低成本、高灵敏的全面评估方案。

2023-09-13cs.AIcs.HCeess.SP

智能物联网综述：应用、安全、隐私与未来方向

A Survey on Intelligent Internet of Things: Applications, Security, Privacy, and Future Directions

University of Luxembourg（卢森堡大学）；Nantes University（南特大学）；École Centrale Nantes（南特中央理工学院）；Politecnico di Torino（都灵理工大学）；University of Ulsan（蔚山大学）；University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校）；Trinity College Dublin, The University of Dublin（都柏林大学圣三一学院）

本文全面综述智能物联网（IIoT）范式，梳理其在多领域的应用，分析安全与隐私问题及应对方案，并指出未来研究挑战与方向。

2024-06-21cs.AIcs.CRcs.ET

具有知识导航的智能个人助理

Intelligent Personal Assistant with Knowledge Navigation

AIT Pune（浦那AIT）

智能个人代理（IPA）是一种代理，其目的是帮助用户通过可靠的资源，借助知识导航技术获得信息，并节省时间来搜索最佳内容。该代理还负责在会话语料库的帮助下响应基于聊天的查询。我们将测试不同的优化查询生成方法。为了庆祝应用程序的易用性，代理将能够通过文本（键盘），语音（语音识别）和服务器（Facebook）接受输入，并使用相同的方法输出响应。现有的聊天机器人通过更改输入来回复，但我们将根据多个SRT文件给出响应。该模型将使用人类对话数据集进行学习，并能够像人类一样做出响应。对有关著名事物（地点，人物和单词）的查询的响应可以使用网络抓取来提供，这将使机器人具有知识导航功能。代理甚至会从过去的经验中学习，支持半监督学习。

2017-04-28cs.AI

网络化智能：迈向自主的网络物理系统

Networked Intelligence: Towards Autonomous Cyber Physical Systems

本文探讨了如何结合产业与学术成果，构建大规模网络物理系统，提出概念架构并评估子系统成熟度，为智能系统发展提供规划指导。

2016-08-28cs.AIcs.SYeess.SY