将群体智能与网络安全技术进行结合，实现局域网范围内的协同防御。
局域网内的计算机、工控设备、打印机等网络设备。
- 能够从局域网内的不同设备采集数据。群智感知？分布式数据采集？显然主要任务是实现分布式数据采集。群智感知的对象是分布式网络中的智能个体-人。人后通过智能个体构成的分布式网络实现对整个社会的感知任务。然而在我们的目标当中，每个对象都是计算机，不需要激励机制，不需要设备对象感知社会。
不过也存在这么一种情况。如果是分布式的群体智能的话，即没有中央控制的智能设备的话，智能个体之间的交互是否可以存在两种形式：请求响应，主动分发。通过这两种形式，实现局域网络内智能设备的沟通与同步，实现知识积累后的传递。
综上所述，群智感知领域的论文可能不太适合，应该是分布式数据采集的能力。
关于构想的模型，分布式数据采集，是否需要中央控制器。群体智能与协同防御是否是中央控制网络还是分布式控制网络。如果要实现分布式控制网络，每个个体可能都是一个能够独立完成任务的独立个体。所以相比中央控制的网络具有哪些优势？就像传统的360安全控制一样，有统一的服务器分发针对每种病毒每种攻击的防御方法。
所以现在，主要是搞清楚要做一个什么样的东西。 - 每个个体能够独立完成个体的数据采集与防御工作，同时又能与其他个体进行协同，交换彼此的数据，增强个体防御工作。协同防御。
- 所以我的研究方向，必然是将群体智能与网络安全技术进行结合的产物，你的目标不应该是为了完成某个自己都不明确的项目，而是创造一个符合你当前具备的知识的项目或者说潜在可能有价值的项目。
- 群智感知--不太适合。分布式数据采集。这里可以扭曲一下。群智感知的特点：个体有必要决定是否参加感知任务，感知任务的主要目标是将数据发送给集中服务器，或者说，发送给数据请求者。
关于分布式数据采集和群智感知的分析：经过阅读论文，crowd sensing群智感知与分布式数据采集存在明显的不同。
- 移动群智感知网络MCSN（mobile crowd sesing network）
- 对移动群智感知网络的优化方案：
- 任务分配：将感知任务进行合理分配，针对性覆盖。
- 定价机制：以最少的代价获得质量最高的信息。
- 激励机制MRAI-BDQ基于参与者能力与数据质量的激励机制。这种信息采集的激励机制，采取不同方法提高参与者的积极性。
- 移动群智感知网络主要是从移动设备构成的智能感知网络，获取信息用于趋势预测、信息分析、数据共享。
- 分析：这里的群智感知是基于移动网络的，这里的激励机制主要是针对人群参与度进行激励；而我们要面对的群智感知应该是自主运行的电脑，采集的信息，那是否需要进行激励？如何激励单个智能体反馈更多的信息。
- 多智能体系统====>分布式自主系统。
- 网络拓扑是网络形状，是网络在物理上的连通性。网络拓扑结构是互连各种设备的物理布局，用什么方式把网络中设备连接起来。拓扑图给出网络服务器、工作站的网络配置和相互间的连接。
- 高阶多智能体，拓扑结构动态性、层次性。
- 多智能体一致控制。（集中控制）协同控制问题：多层次下同步控制；动态条件下的协同控制。
- 分析：解决了多智能体的协同-控制问题。可能与自己的目标方向不太一致。
- MCS（mobile crowd sensing）旨在利用大量普通用户及其携带的移动设备来实现大规模的社会感知任务。
- 所以说群智感知这个课题可能与自己需要完成的任务不太一样。
- 群智感知是一种参与感知。以人为中心的计算，通过移动用户手机数据。
- 自然界智能个体-->相互作用应用-->产生集群行文。
- 动力学模型（基于群体相互作用的集群动力学模型）、信息传递机制、混合多智能体、数据驱动的运动评价。
- 多智能体动力学建模、大规模鸟群中的扰动现象。
- 分析：通过对蚁群、羊群等群体生物的仿真，可以分析群体智能系统的构成，群体中个体之间的交互以及相互作用，对理解群体智能算法有非常大的帮助。
- 群智感知分为被动感知和主动感知。
- 被动群体感知：不需要取的感知对象的同意，准确性、稀疏数据处理。
- 主动群体感知：感知对象选择性参与（激励机制）。
- 主要解决的问题：大范围数据的感知路径规划。稀疏数据重建。使用动态任务分配降低单个感知对象的任务处理难度。
- 群体智能：生物群体间对信息分享和相互协作表现出的智能行为。应用在调度问题、路径规划、可靠性优化问题上。
- 旅行商问题：
- 蚁群算法
- 粒子群算法
- 鱼群算法
- 混合蛙跳算法
- 人工蜂群算法
- 分析：通过五种不同的群体智能算法解决旅行商问题。可一根据这个文献自己实现组合优化的旅行商问题。进行代码实验。
- 入侵检测领域有IDS、IPS、NSM等入侵检测系统，降低误报率，提高检测率。常用的入侵检测算法主要有贝叶斯分类器、人工免疫原理、支持向量机、深度神经网络算法等。
- 群体智能优化算法，只能用在问题解决过程中的参数优化步骤上。
- 智能体通过事件响应机制，对外部的变化实施响应，不需要一致通信。
- 智能体能够通过相邻的智能体获得状态信息以及所期望的编队信息。
- 分析：对于多个智能体扮演的角色、通信方式、事件响应机制提供一些思路。
- 简单个体行为->复杂群体行为。
- 特点：分布式控制、个体之间间接沟通、个体能力有限行为简单、群体自发形成表现出自组织特性。
- 对群体智能的发展过程进行综述。
- 文献级别：重要文献
- 关键词：群体智能算法、信息安全、密码学
- 主要内容：讲解SI的应用方法。
觉得自己感兴趣的方向：智能算法的研究与应用。
显然智能算法------与智能算法的具体应用领域。都需要进行细化。
智能算法：神经网络、支持向量机、遗传算法……应用在不同领域。
智能算法应用领域：自然语言处理、语音识别……