区块链技术下移动用户位置隐私可搜索加密

位置隐私加密是为了防止用户的历史位置以及现在的位置被不法分子在未经用户允许的情况下获取,导致用户隐私泄露,造成用户的财产损失。为此,提出一种基于区块链的移动用户位置隐私可搜索加密方法。通过转换用户的位置信息形成用户模型,构建带有用户位置信息的查询矩阵,通过矩阵加密移动用户位置,隐藏用户位置信息。将加密后的移动用户位置信息上传至区块链,引入B+树索引提升区块链密文交易搜索速度,采用加权统计算法完成移动用户位置隐私可搜索加密。实验结果表明,所提方法有效加强了移动用户位置隐私保护能力,且可搜索加密可信度值接近1,提升了加密数据查询的实用性。

基于异构移动用户的无人机基站3D部署研究

空中无人机基站因具有高灵活性等优势,可扩大对地面用户的通信支持范围,在战场环境下可以解决地面机动用户的移动覆盖问题。考虑到战场环境中高层地形特征对无线电信号的影响、用户差异化的通信需求,以及无人机基站能耗问题,对地面用户信道容量、无人机能耗、无人机基站动态部署分别建模,提出了一种基于异构移动用户的强化学习通信覆盖算法(Reinforcement Learning Communication Coverage Algorithm Based on Heterogeneous Mobile Users,ABS-RL),旨在为地面用户提供高质量的通信服务。仿真结果表明,该算法在提高地面用户信道容量、降低无人机基站总能耗方面有显著优势。

移动用户画像构建研究

基站通信网络数据蕴含着丰富的移动用户行为,从移动用户频繁活动、规律行为以及移动速度3方面建构移动用户行为画像,可以为个性化服务提供更完整丰富的信息。在分析和挖掘某电信运营商3万位移动用户记录的基站数据的基础上,本文采用频繁模式挖掘、构建概率矩阵、计算熵等方法,从用户基站日志中所包含的地理位置信息中构建移动用户行为画像。研究结果表明,该画像模型可显示移动用户的频繁活动规律、周期性行为及出行方式,可作为分析移动用户群体行为及用户间交互行为的基础。

移动用户需求获取技术及其应用

近年来,移动用户需求获取技术已成为移动个性化服务研究领域的热点之一.如何利用移动上下文信息进一步提高移动个性化服务的精确性和实时性,成为移动用户需求获取技术的主要任务.对移动用户需求获取技术研究进展进行综述,并对其关键技术、效用评价、应用实践进行前沿概括、比较和分析,最后,对移动用户需求获取技术有待深入的研究难点和发展趋势进行了展望.

一种上下文移动用户偏好自适应学习方法

针对移动网络对个性化移动网络服务系统的性能提出了更高的要求,但现有研究难以自适应地修改上下文移动用户偏好以为移动用户提供实时、准确的个性化移动网络服务的问题,提出了一种上下文移动用户偏好自适应学习方法,在保证精确度的基础上缩短了学习的响应时间.首先,通过分析移动用户行为日志来判断移动用户行为是否受上下文影响,并在此基础上判断移动用户行为是否发生变化.然后,根据判断结果对上下文移动用户偏好进行修正.在对发生变化的上下文移动用户偏好进行学习时,将上下文引入到最小二乘支持向量机中,进一步提出了基于上下文最小二乘支持向量机(C-LSSVM)的上下文移动用户偏好学习方法.最后,实验结果表明,当综合考虑精确度和响应时间两方面因素时,所提出的方法优于其他学习方法,并且可应用于个性化移动网络服务系统中.

云图书馆中移动用户隐私五维保护模型的构建

文章在已有理论与应用研究基础上,采取理性概括和历史分析的方法对云图书馆用户隐私保护问题研究进行了反思与探讨。从移动用户隐私保护问题的研究与进展出发,对其分类、性质、内容及研究现状等进行了分析。提出一种以云图书馆为核心,以法律约束保护体系、社会规范保护体系为辅助二维,以技术保护体系中的移动用户隐私感知体系、管理体系及处理体系为主控三维的云图书馆移动用户隐私五维保护模型。根据所提出的五维保护模型,设计出云图书馆中移动用户隐私保护的体系结构,并对相应业务流程及处理过程进行描述。

基于人工蜂群改进的BP神经网络移动用户行为分析及预测方法

如何根据不同的用户行为,来为移动用户提供精准的个性化服务是目前移动应用服务开发技术发展的主流。为解决BP神经网络建模算法收敛速度慢及预测不准确问题,提出基于人工蜂群算法改进的BP神经网络算法。为测试改进后算法的准确性,采用Matlab编程进行试验仿真,通过黑盒子测试方法输出预测的用户行为和实际的用户行为。在18次预测中只有2次预测失败,预测成功率达80%以上。为了验证改进的BP神经网络算法的效率,采用初始总群数为1000,进行了收敛性测试。试验结果表明:基于人工蜂群算法改进的BP神经网络算法可以有效的提高移动用户行为分析的效率和准确性,对在使用移动用户行为分析模型构建过程中,准确定位用户上网需求,提升企业在营销中的竞争力具有非常重要的意义。

移动图书馆中移动用户体验质量评价机制的构建分析

文章论述了移动用户体验质量评价(MUQoEE)的基本概念,进行了MUQoEE的研究情境设定,并构建了对应的数学模型,在此基础上,设计出MUQoEE的基础模型及数学模型,建立了一套MUQoEE评价指标体系,最后,指出存在的局限性及未来研究方向。

面向移动用户的矢量地图数据压缩方法

随着第4代移动通信技术(4G)的普及以及4核和8核CPU手机的出现,无线网络数据传输能力大幅提升,移动终端性能大为改善.移动用户的广泛参与使得地理信息的采集和上传下载数据巨量,致使有限的带宽传输速率与海量信息传输需求不匹配.针对移动用户对空间数据的高压缩率和高失真度容忍率的需求,提出了一种新的矢量地图数据压缩方法,通过去除冗余点、平移坐标轴和转换数据类型3个步骤,可2次压缩数据.测试结果显示,该方法的综合压缩率接近70%,可有效降低无线网络数据传输负荷,节约移动终端的存储空间.

基于TAM的移动用户学术采纳行为影响因素研究

在分析国内外研究现状的基础上,以情报学、经济学、行为学等相关理论作为基础,基于技术接受模型,引入移动设备可用性、信息服务机构权限、用户学历结构、信息质量、信息服务机构环境等因素,构建移动用户学术采纳模型,分析各个变量之间的影响关系,提出假设。在问卷调研的基础上,通过结构方程模型进行实证分析。结果表明,感知有用性、感知易用性、信息质量显著影响学术用户使用态度,移动设备可用性和信息服务机构权限都不同程度地影响了学术用户的感知易用性,用户学历对用户使用态度影响明显,信息服务机构环境也是影响用户使用态度的重要因素,模型对于移动用户学术采纳行为影响因素具有较好的解释度。

基于情境偏好知识超图的移动用户细分研究

构建了一个通用的用户细分模型,定义了用户情境偏好的概念和度量方式,采用情境偏好知识超图描述了用户间基于情境偏好相似性的多元弱关联,并基于超图分割实现用户细分,避免了一般聚类操作中用户间弱关联的丢失。应用该模型进一步构建了移动服务策略矩阵。最后通过实证验证了模型在用户细分和服务策略分析、制定上的适用性。

基于云计算的移动用户上网行为分析系统

传统行为分析方法针对日志内容进行分析,缺少数据挖掘和行为分析手段,未细分用户需求,导致营销与用户需求不匹配。基于Hadoop云计算平台技术及相关工具,设计并实现了一个移动用户上网行为分析系统,该系统能够针对不同移动用户的上网行为,准确为其定制个性化的服务。详细描述了移动用户上网行为分析系统的关键技术、外部接口以及软硬件配置环境,并通过实验对系统进行了验证。实验数据表明,与传统方法相比,提出的基于云计算的移动用户上网行为分析系统能够掌握用户上网习惯,准确定位用户上网需求,对于帮助移动运营商进行大数据专题分析,提升企业竞争力具有重要意义。

一种基于移动用户的高效率服务发现算法

提出了移动Internet服务管理框架模型[1]。提出的高效服务发现算法就是基于这一框架模型的,并对这一算法进行了仿真,结果表明,经过优化后,不仅节省了无线带宽资源,而且还保证了服务的可用性,提高了服务发现的效率。

基于区块链理念的图书馆移动用户行为大数据挖掘研究

区块链的出现为图书馆移动用户行为大数据提供了重新架构技术底层基础的机会。图书馆移动用户行为大数据挖掘具有数量大、速度快、类型复杂等本质特征,使数据挖掘在实际工作中面临逻辑困境与现实问题。区块链去中心化、时间戳、安全密钥的特征是改变图书馆移动用户行为大数据挖掘的支撑条件。区块链通过去信任达成共识、通过隐私安全达成可持续发展、通过智能合约达成智慧化是改变图书馆移动用户行为大数据挖掘的应用手段。在图书馆移动用户行为大数据挖掘过程中融合区块链理念,可以推动优势资源的共建和低成本资源共享市场的开拓,帮助图书馆移动用户行为大数据挖掘实现从网络信息服务向价值服务的转变。

基于冲突度和协同过滤的移动用户界面模式推荐

移动用户界面模式能够有效地提高移动界面开发的效率和质量。针对现有界面模式检索方法的检索结果不能满足界面开发需求的问题,提出一种基于冲突度和协同过滤的移动用户界面模式推荐方法。首先,根据移动界面的开发需求,使用模糊C均值聚类算法缩小界面模式的查找范围;然后,利用界面模式的历史评分和冲突度,构建了两个张量模型,并利用基于Hamiltonian蒙特卡洛的张量分解方法实现张量模型的重构;最后,通过线性方法得到推荐的界面模式。实验结果表明,与现有的检索方法相比,该推荐方法能够更好地帮助开发人员查找界面模式。

面向移动用户的乘客需求预测系统

公共交通,特别是公交运输,可以减少私家车的使用和燃油消耗,缓解交通拥堵.然而,当乘坐公交车时,乘客不仅关心等待时间,还在乎公交车的拥挤程度,过度拥挤的公交车可能会吓走很多乘客,从而使他们放弃乘坐公交车.可见,准确的、实时的乘客需求预测可以帮助公交公司决定合理的公交发车时间间隔,并且可以减少乘客的等车时间,这正是人们急切需要的.基于实际公交系统的大量数据,旨在提出一个面向移动用户的乘客需求预测系统.该系统包括服务器端的信息数据流处理和挖掘程序,以及客户端的移动应用程序.然而,公交网络中的乘客需求预测存在三大挑战:不均匀性、突发性和周期性.为了解决这些挑战性问题,提出了3种预测模型和一种基于滑动窗口的框架来预测乘客的数目.开发了一个原型系统,该系统可运行在多个版本的Android移动手机上,通过22周的连续实验,该系统能够对公交网络中的86 411乘客需求进行精确预测,其准确度超过78%.

一种远程移动用户访问企业虚拟网的方法

针对远程移动用户给VPN系统带来的配置问题和安全问题,提出了一种包含反向连接和客户端防火墙两种技术在内的远程移动用户访问VPN系统的方法,并给出了这两种技术的实现流程。实验结果表明,反向连接通过VPN网关服务器向远程移动用户建立连接简化了安装配置,客户端防火墙通过动态过滤数据包保证了远程移动用户的安全,并可以扩展防信息泄漏和用户监控功能。

基于地理位置的移动用户群组划分方法

为解决移动用户分组问题,提出一种基于地理位置的移动用户群组划分方法。根据已有用户统计信息,计算用户分布密度,利用用户密度及多峰高斯分布函数,找出各个高斯分布的顶点、特征半径、顶点对应群组的中心位置,以及特征半径对应群组的半径,从而划分出各个群组。实验证明,该方法能够合理划分移动用户群组,易于控制群组规模。

基于情景感知与约束的移动用户序列行为研究

行为研究是为用户推送个性化服务的关键问题之一。针对移动环境下用户行为的情景敏感性,以及前一行为与后续行为之间的关联性、序列性特征,提出一种以情景感知和情景约束为基础的移动用户序列行为挖掘方法;实验表明了该方法在用户序列行为挖掘的有效性和准确性。

基于网络访问项序的移动用户重入网身份识别方法

用户身份的唯一性标识是任何移动商务营销活动所必不可少的一项基础工作.由于多种因素的交叉影响,移动用户大进大出已成为移动运营商面临的普遍现象.一旦用户重新入网,不仅针对旧号码的用户特征刻画记录将完全荒废,而且面向新号码的用户洞察又需要从头开始,并将耗费相当长的时间才能得到完整的用户画像.而另一方面,基于用户资料的移动用户身份识别准确率仅为42%.因此,针对移动用户重入网身份识别的问题,提出基于用户网络访问项序的用户相似性计算方法,通过数据预处理、相似用户集裁剪、用户身份识别等6个步骤来精确定位重入网用户身份.在某电信运营商某地区25 809个用户60d网络访问日志这一数据集上,对所提方法进行了实验,总体准确率为98.32%,验证了方法的可行性与有效性.