发布时间:2019-05-22   浏览次数:66

我室林丽美副教授在《IEEE Transactions on Dependable and Secure Computing 》发表了题为:“The g-Good-Neighbor Conditional Diagnosability of Arrangement Graphs ”的学术论文,文章通讯作者为我室许力教授,其他合作作者为:王大进教授(美国Montclair State University)和我室周书明教授。《IEEE Transactions on Dependable and Secure Computing 》期刊2017-2018年影响因子(IF)为4.41,中科院分区为2区,JCR Q1,中国计算机学会推荐的A类期刊,国际上极少数的顶级刊物,鼓励我国学者去突破。


在大规模多处理机系统中,处理机失效是不可避免的。当发生故障时,我们希望找到故障的处理机,以便修复或更换它们。因此,区分故障处理机和无故障处理机是至关重要的。网络的可诊断性是通过在处理机之间进行相互测试来单独区分的最大故障处理机数,它是衡量网络鲁棒性的一个重要指标。传统诊断策略因为受到网络最小度的限制,它的诊断能力通常相当低。g-好邻居条件诊断度是保证每个无故障处理机至少有g个无故障邻居(即好邻居)的情况下,网络可以识别到的最大故障处理机数目。本研究提出了(n,k)-排列图网络的g-好邻居条件诊断度,证明了在PMC模型和比较模型下,(n,k)-排列图网络的g-好邻居条件诊断能度是[(g+1)k-g](n-k), 这比(n,k)-排列图网络的传统诊断度高出好几倍。在本研究的基础上,在今后的工作中可以针对本研究的结果提出复杂网络的隐私保护方案。

本研究得到国家自然科学基金项目(项目编号:61072080,U1405255,61572010)、福建省自然科学基金(项目编号:2013J01221,2013J01222),福建师范大学创新研究团队(项目编号:IRTL1207)资助。

文章详细信息: Limei Lin, Li Xu*, Dajin Wang, Shuming Zhou: The g-Good-Neighbor Conditional Diagnosability of Arrangement Graphs. IEEE Transactions on Dependable and Secure Computing 15(3): 542-548 (2018).

 
版权所有 © 联系地址:福建省网络安全与密码技术重点实验室(福建师范大学)  
邮编:350007  联系电话:0591-83456050转406   
访问量:
74192019年06月22日