2024年9月16日，美国斯坦福大学 (Stanford University) 发布了最新全球前2%顶尖科学家榜单 (World's Top 2% Scientists)。此次榜单以Scopus数据库为依据，结合引用次数、H-index、HM-index等综合指标，根据学术生涯影响力和年度影响力从全球近百万名科学家中遴选出世界排名前2%的科学家。榜单主要分为“终身科学影响力排行榜 (1960年至2024年)”和“2024年度科学影响力排行榜”两个榜单。

据统计，MDPI 的 Journal of Sensor and Actuator Networks 期刊编委团队共有28位学者因其突出的学术贡献入围全球前2%顶尖科学家 (占编委总数高达38%)。在此，Journal of Sensor and Actuator Networks 期刊团队向他们致以诚挚的祝贺，同时也衷心感谢他们为期刊发展做出的卓越贡献。

Journal of Sensor and Actuator Networks 所有入围学者

未来，Journal of Sensor and Actuator Networks 期待与更多学术界同行共同推进开放科学的蓬勃发展。

相关Topic

Feature Papers in the Section of Network Security and Privacy

Edited by Dr. Jordi Mongay Batalla, Prof. Dr. Pascal Lorenz and Dr. Ioannis Chatzigiannakis

进入专题主页：https://www.mdpi.com/journal/jsan/special_issues/F3RB8164EE

相关文章

1. AI and Computing Horizons: Cloud and Edge in the Modern Era

人工智能和计算视野：现代云计算和边缘计算

Nasif Fahmid Prangon and Jie Wu

https://doi.org/10.3390/jsan13040044

利用互联网的远程计算能力，无需昂贵的硬件，并以较低成本向广大用户提供昂贵的服务，从而产生了云计算的概念。本调查简要概述了云计算、边缘智能和人工智能的日益融合，重点介绍了它们对物联网(IoT) 的革命性影响。

该调查从云计算的基本介绍开始，概述了云计算的关键部分和不同服务提供商提供的服务。随即，讨论人工智能如何通过其本地应用程序和服务提高云计算能力，并创建一个更智能的云。然后重点关注人工智能在一种称为边缘云的流行云范式中的影响，并讨论AI on Edge和AI for Edge。涉及到边缘设备上的人工智能实施如何通过将认知处理更接近数据起源，提高效率和响应来改变边缘和物联网网络，以及主要的云提供商及其在生态系统中的服务产品及其各自的用例。最后，本研究展望了云计算、边缘计算和人工智能在物联网中的融合所带来的新趋势和未来范围。

本研究的目的是揭开边缘智能的神秘面纱，包括云计算、边缘计算和人工智能，并重点关注它们在将物联网技术推向新高度方面的协同作用。

2. A Review of Artificial Intelligence Technologies in Mineral Identification: Classification and Visualization

矿物识别中的人工智能技术综述：分类与可视化

Teng Long et al.

https://doi.org/10.3390/jsan11030050

人工智能是计算机科学的一个分支，它试图理解智能的本质，并制造出一种新的智能机器，能够以类似于人类智能的方式做出反应。该领域的研究包括机器人技术、语言识别、图像识别、自然语言处理和专家系统。

近年来，大数据集的可用性、有效算法的发展以及强大计算机的使用导致人工智能取得了前所未有的成功。这一强大的工具已用于许多科学和工程领域，包括矿物鉴定。在研究的基础上，总结了人工智能在智能矿物识别中的应用方法和技术，将其分为人工神经网络、机器学习和深度学习。在此基础上，分别从领域发展路径、研究热点、关键词检测三个方面对人工智能矿物识别进行可视化分析。最后，在趋势分析和关键词分析的基础上，提出了智能矿物识别未来可能的研究方向。

3. DDoS Attack and Detection Methods in Internet-Enabled Networks: Concept, Research Perspectives, and Challenges

互联网网络中的DDoS攻击与检测方法：概念、研究展望与挑战

Kazeem B. Adedeji et al.

https://doi.org/10.3390/jsan12040051

近年来，分布式拒绝服务攻击 (DDoS) 已成为支持互联网的网络中最普遍的安全威胁之一，许多物联网 (IoT) 设备已被利用来进行攻击。由于其固有的安全缺陷，攻击试图通过从分布式系统发送大量欺骗请求来耗尽目标网络的资源。研究表明，DDoS攻击会对目标网络资源产生相当大的影响，如果未被检测到，可能会导致长时间的运营中断。DDoS攻击的检测已经采用了多种方法。在本文中，全面调查了在选定的互联网支持网络上用于DDoS攻击检测的方法。本调查旨在为早期研究人员在基于物联网的应用中开发和应用攻击检测方法提供简明的介绍性参考。与其他研究不同，该研究涵盖了从传统方法到机器和深度学习方法的各种方法。这些方法根据其操作性质进行分类，调查其优缺点，然后通过使用每种方法的几项研究进行检查。此外，还涵盖了无人机互联网、基于路由协议的物联网、命名数据网络等新兴网络的攻击场景和检测研究，以及确定了每项研究中的技术挑战。最后，提出了进一步加强研究的建议，并对今后的研究方向进行了展望。

JSAN 期刊介绍：https://www.mdpi.com/journal/jsan

主编： Prof. Dr. Lei Shu, Nanjing Agricultural University, China; University of Lincoln, UK

期刊主题涵盖传感器/执行器网络的系统架构、操作系统和网络硬件；智能传感器和执行器；工业4.0和嵌入式无线传感器等。期刊已被Scopus、ESCI (Web of Science) 等数据库收录。

2023 Impact Factor：3.3

2023 CiteScore：7.9

Time to First Decision：22.6 Days

Acceptance to Publication：4.6 Days