To analyze the impact of solar eclipse attacks on the block-chain network and comprehensively and accurately evaluate the security of the current system,a method based on the Markov differential is proposed to solve t...To analyze the impact of solar eclipse attacks on the block-chain network and comprehensively and accurately evaluate the security of the current system,a method based on the Markov differential is proposed to solve the problem that it is difficult to meet the multi-stage continuous real-time randomness in the current block-chain network attack and defense process.Block-chain network security situation awareness method based on game model.This method analyzes the security data generated by the solar eclipse attack,establishes the corresponding attack graph,and classifies the offensive and defensive strengths of the offensive and defensive parties.Through a multi-stage offensive and defensive game,the security level of each node of the blockchain system is combined with the final objective function value comprehensively evaluates the real-time security status of the system.The results of simulation experiments show that the proposed model and algorithm can not only effectively evaluate the overall security of the blockchain network,but also have feasibility in predicting the future security status.展开更多
联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与...联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与方,协作学习中全局模型的性能在很大程度上取决于参与方的选择.然而,现有研究在选择参与方时都没有对不同机构医疗数据中存在的异质性加以直接关注.导致包含稳定性在内的全局模型的性能难以得到保障.提出了从信誉的角度尝试探索求解该问题.以迭代协作学习的方式尽可能挑选出具有良好信誉的参与方进行协作学习,以获得稳定可靠的高性能全局模型.首先,提出了一个描述医疗机构数据质量的AI信誉值指标AMP(AI medical promise),以帮助其在医疗领域中形成良好的AI生态.其次,建立了一个基于后向选择的迭代协作学习(colback-learning)框架.在单次协作学习任务中,利用后向选择方法以多项式时间复杂度迭代计算出性能良好且稳定的全局模型,完成AMP计算和积累.在AMP信誉值计算中,制定了一个综合考虑全局性能指标的评分函数,以针对医疗领域更有效地指导全局模型的训练.最后,使用真实医疗数据模拟多样化的协作学习场景.实验表明,colback-learning能够选择可靠参与方训练得到性能良好的全局模型,模型的性能稳定性比现有最好的参与方选择方法提高了1.3~6倍.全局模型的可解释性与集中式学习保持了较高的一致性.展开更多
共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通...共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通过训练好的模型分析节点的行为动机,根据判别结果及时剔除恶意节点;其次基于固定协商出块顺序优化传统算法的出块流程,提升出块效率,进一步提高了整个区块链网络的运行效率。在公开数据集上的实验结果表明,与已有的几种方法相比,改进后的共识机制能够快速剔除恶意节点,不仅维护了系统稳定性,而且增强了对恶意行为的防范能力,从而在保障区块链网络正常运行的同时,提高了整体共识的安全性。展开更多
[目的/意义]通过综述国内外医疗数据共享研究成果,为相关理论研究与共享实践提供参考。[方法/过程]文章以中国知网和Web of Science数据库为数据源,运用可视化软件CiteSpace绘制关键词聚类图谱,统计高频关键词和聚类标签词,分析国内外...[目的/意义]通过综述国内外医疗数据共享研究成果,为相关理论研究与共享实践提供参考。[方法/过程]文章以中国知网和Web of Science数据库为数据源,运用可视化软件CiteSpace绘制关键词聚类图谱,统计高频关键词和聚类标签词,分析国内外医疗数据共享领域研究成果的宏观态势;进一步利用文本内容分析法对研究热点主题展开系统性分析。[结果/结论]医疗数据共享领域的研究热点主题可归纳为医疗数据共享模式、利益相关者、平台技术、影响因素、激励机制5个方面。“区块链”技术在医疗数据共享领域的研究中应用广泛,在平台技术、激励机制等关键问题上发挥了重要作用,但国内医疗数据共享实践仍处于初级阶段,需加强医疗数据共享理论研究,丰富调查形式和研究路径,完善数据共享政策法规,以推动医疗数据共享实践。展开更多
基金supported by Heilongjiang Provincial Natural Science Foundation of China(LH2021F031)。
文摘To analyze the impact of solar eclipse attacks on the block-chain network and comprehensively and accurately evaluate the security of the current system,a method based on the Markov differential is proposed to solve the problem that it is difficult to meet the multi-stage continuous real-time randomness in the current block-chain network attack and defense process.Block-chain network security situation awareness method based on game model.This method analyzes the security data generated by the solar eclipse attack,establishes the corresponding attack graph,and classifies the offensive and defensive strengths of the offensive and defensive parties.Through a multi-stage offensive and defensive game,the security level of each node of the blockchain system is combined with the final objective function value comprehensively evaluates the real-time security status of the system.The results of simulation experiments show that the proposed model and algorithm can not only effectively evaluate the overall security of the blockchain network,but also have feasibility in predicting the future security status.
文摘联邦学习和群智学习等协作学习技术,能够在保护数据隐私的条件下充分利用分布在各地的分布式数据深度挖掘数据中所蕴含的知识,拥有非常广阔的应用前景,尤其是在强调隐私惯例和道德约束的医疗健康领域.任何协作工作都需要选择可靠的参与方,协作学习中全局模型的性能在很大程度上取决于参与方的选择.然而,现有研究在选择参与方时都没有对不同机构医疗数据中存在的异质性加以直接关注.导致包含稳定性在内的全局模型的性能难以得到保障.提出了从信誉的角度尝试探索求解该问题.以迭代协作学习的方式尽可能挑选出具有良好信誉的参与方进行协作学习,以获得稳定可靠的高性能全局模型.首先,提出了一个描述医疗机构数据质量的AI信誉值指标AMP(AI medical promise),以帮助其在医疗领域中形成良好的AI生态.其次,建立了一个基于后向选择的迭代协作学习(colback-learning)框架.在单次协作学习任务中,利用后向选择方法以多项式时间复杂度迭代计算出性能良好且稳定的全局模型,完成AMP计算和积累.在AMP信誉值计算中,制定了一个综合考虑全局性能指标的评分函数,以针对医疗领域更有效地指导全局模型的训练.最后,使用真实医疗数据模拟多样化的协作学习场景.实验表明,colback-learning能够选择可靠参与方训练得到性能良好的全局模型,模型的性能稳定性比现有最好的参与方选择方法提高了1.3~6倍.全局模型的可解释性与集中式学习保持了较高的一致性.
文摘共识机制是区块链技术的重要组成部分,针对委托权益证明(delegated proof of stake,DPoS)共识机制中对恶意节点不能及时有效处理的问题,提出了一种基于支持向量机的DPoS共识机制改进方案(SVM-DPoS)。首先构建基于SVM的节点判别模型,通过训练好的模型分析节点的行为动机,根据判别结果及时剔除恶意节点;其次基于固定协商出块顺序优化传统算法的出块流程,提升出块效率,进一步提高了整个区块链网络的运行效率。在公开数据集上的实验结果表明,与已有的几种方法相比,改进后的共识机制能够快速剔除恶意节点,不仅维护了系统稳定性,而且增强了对恶意行为的防范能力,从而在保障区块链网络正常运行的同时,提高了整体共识的安全性。
文摘[目的/意义]通过综述国内外医疗数据共享研究成果,为相关理论研究与共享实践提供参考。[方法/过程]文章以中国知网和Web of Science数据库为数据源,运用可视化软件CiteSpace绘制关键词聚类图谱,统计高频关键词和聚类标签词,分析国内外医疗数据共享领域研究成果的宏观态势;进一步利用文本内容分析法对研究热点主题展开系统性分析。[结果/结论]医疗数据共享领域的研究热点主题可归纳为医疗数据共享模式、利益相关者、平台技术、影响因素、激励机制5个方面。“区块链”技术在医疗数据共享领域的研究中应用广泛,在平台技术、激励机制等关键问题上发挥了重要作用,但国内医疗数据共享实践仍处于初级阶段,需加强医疗数据共享理论研究,丰富调查形式和研究路径,完善数据共享政策法规,以推动医疗数据共享实践。