一种基于信用的改进PBFT高效共识机制

基于联盟链的特点和要求,分析共识机制的协议性能和资源的使用,在实用拜占庭容错技术(practical Byzantine fault tolerance,PBFT)的基础上,对共识过程中的协议进行了针对性的改进。新共识机制中,首先引入了信用评价,配合简化的一致性协议促进系统进入良性循环;修改检查点协议,使节点能动态地加入、离开系统,提高系统灵活性。实验结果表明,新的共识机制能在长期运行中缩短交易确认时间、减少通信资源的使用、提高系统的效率。

基于SMOTE和GBDT的网络入侵检测方法研究

现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率,为此,提出了一种基于SMOTE(synthetic minority oversampling technique)和GBDT(gradient boosting decision tree)的入侵检测方法。其核心思想是:首先在预处理阶段使用SMOTE技术提高少数类别的样本数量,且对多数类别样本降采样,最后在平衡数据集上训练GBDT分类器。利用KDD99数据集进行实验验证,并与在原始训练集上训练的分类器、KDD99竞赛的最好成绩进行对比。结果表明,该方法在保持较高的整体正确率的同时,其平均漏报率比KDD99最好成绩及原始训练集上的模型降低了约17%,从而证明了该方法的有效性。

我国房地产营销师职业标准研究

房地产营销专业人员需要职业标准指导和评价其工作水平。本文提出了研制房地产营销师职业标准的价值和原则,从职业概况、基本要求、工作要求与比重表四个方面设计了房地产营销师职业标准。

基于云原生服务网格的AI模型部署方案

人工智能模型训练完成后并不适合直接运行在互联网生产环境,需要对其进行一定的封装和部署。探讨基于容器和云原生服务网格对AI模型进行自动封装和部署,以微服务形式对外提供Restful API,能够提高模型的兼容性和部署灵活性。封装过程采用适用多框架的通用AI模型代码打包方法,解决AI模型运行环境配置问题;通过部署在云原生平台由服务网格进行管理,实现AI模型从实验室开发到互联网生产环境高效应用的自动化实时流转。

基于区块链的可监管数字货币模型

以比特币为代表的数字货币具有去中心化特性,造成了监管上的困难.然而,针对去中心化的数字货币可监管研究工作相对较少,还有很多问题有待解决.提出了一种可监管的数字货币模型.该模型采用了双链结构设计,联盟链作为共识的核心参与者,收集和确认交易,决定系统的状态,加密存储完整的交易信息.联盟链参与者通过秘密共享保证用户交易数据的隐私性,也可以通过投票完成对交易内容的解密,以此来实现可控匿名.针对该模型,同时提出了一种基于信用的拜占庭容错机制.该机制配合简化的一致性协议以及检查点协议,让节点能够动态优化调整,促进整个模型进入良性循环.实验结果表明:该方法在保护用户隐私的前提下具有交易防篡改、可追溯、去中心化以及可监管的能力.容错性能、运行效率以及通信开销均达到设计要求.

基于卷积神经网络的情感分析算法

随着词向量的广泛应用,情感词典在情感分析任务中不再使用。但是使用传统机器学习方法时,情感词仍然提供了重要的特征。通过结合词向量与情感词典,提出两种基于卷积神经网络的情感分析方法,分别为朴素连接法和独立卷积法。其中情感词典的构建采用传统的种子词方法,根据How Net和Word2Vec共同计算出当前语料库的词语-情感分数键值对。实验结果表明,提出的情感分析方法可以有效地提高情感分析的准确率。

基于混沌的3D线框模型加密方法

随着网络环境中图形数据的急速增长,图形数据安全处理成为了亟待解决的网络安全新挑战。对3D模型的加密也是刻不容缓。利用混沌映射提出了一种针对3D线框模型的加密方案。该方法分为两部分:混淆和扩散。利用逻辑映射生成一个随机可逆矩阵对点进行扩散,利用Arnold’s cat map对边进行置乱,加密的顶点,多边形合成在一起,形成最终的加密3D线框模型。结果表明:对每个3D线框模型都能正确的加解密。该加密方法也能很好的抵抗暴力攻击、统计攻击等。