1. 毕业设计（论文）主要内容：

深度学习方法近几年在人工智能领域中被广泛利用，其最具有代表性的模型是神经网络，原理是利用复杂的神经元连接关系来表示比普通函数规模大得多的自然集合。深度学习传统方法所处理的图像和网络数据具有极其相似之处，目前已有利用深度学习方法预测网络流量，但其技术尚不成熟，实际运行时结果并不准确。本课题旨在针对基于深度学习的网络流量预测技术（如LSTM神经网络等），研究能在其实际运行时误导预测结果的攻击方法，如数据投毒等，并探讨相应的攻击效率、攻击复杂度和防御方法等，为基于人工智能的知识定义网络（KDN）减少管控上的安全漏洞。

2. 毕业设计（论文）主要任务及要求

(1) 学习反向散射通信技术原理；

(2) 搭建物联网系统，并进行通信实验；

(3) 针对具体的实验数据，完成对系统安全性、通信效率、节点能耗的检测与评估；

3. 毕业设计（论文）完成任务的计划与安排

(1) 第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。

(2) 第4－5周：论文开题。

(3) 第6－12周：撰写论文初稿。

4. 主要参考文献

[1] 臧云娟．无线通信网络流量预测综述[j]．电子设计工程，2017，25（4）：150-153．

[2] 刘恺．基于深度学习的网络业务流量识别算法研究[d]．东南大学，2017．

[3] 孙杉．基于深度学习和云计算的电力信息网入侵检测研究[d] ．华北电力大学，2016.