一种改进条件广播代理重加密的数据共享方案

传统的条件广播代理重加密数据共享方式过度依赖不可信第三方代理商,存在效率低、数据安全和隐私泄露等问题。针对以上问题,提出了一种将条件广播代理重加密与区块链共识机制相结合的信息安全保障方案。首先,为解决单个代理商的单点故障以及合谋攻击问题,所提方案使用区块链节点轮流担任代理商节点,同时利用融合信誉机制的委托权益证明共识算法筛选出高信誉度的代理商节点参与重加密过程,大大降低了单点故障和合谋攻击的风险。其次,针对代理商节点对重加密密钥使用的高权限问题,引入门限密钥思想,将重加密密钥分割为多个片段,这些片段分布于不同的代理商节点上。通过这种方式,任何单个代理商节点都无法单独完成数据的解密,从而有效提高了重加密过程的安全性。最后,通过对方案的安全性、正确性和可信度进行分析,表明提出的方案能有效解决传统方案中的安全隐患。仿真实验结果证明,与现有数据共享方案相比,所提方案在保障数据安全方面具有明显优势,同时计算成本较低。

CS-Raft:适用于联盟链的拜占庭容错共识算法

针对目前联盟链共识算法的性能不足,提出了一种基于信用评分的可拜占庭容错联盟链共识算法CS-Raft。首先,为所有节点赋予信用评分属性,节点的信用评分根据节点的共识行为、活跃度、加入集群时间等指标进行更新,信用评分越高代表节点可信度越高;其次,根据节点信用评分选取监督节点,监督节点具有检验权,可以参与领导人选举,监督节点的设置可以有效抵抗拜占庭恶意节点的攻击;最后,改善了领导人选举中选票分裂问题,对领导人选举的速度进行提升。经实验分析,CS-Raft算法相较于PBFT算法在实现拜占庭容错的同时,有效地减少了共识时间延迟、提高了系统吞吐量,并加快了其领导人选举速度。

基于联盟链的工业物联网数据存储模型

由于工业物联网数据具备较强的私密性,数据是否能够安全存储成为工业物联网发展的关键问题。针对这一问题,提出一种基于联盟链的工业物联网数据存储模型。为保证数据存储的效率与安全,首先,在原有PBFT算法的基础上搭建节点状态信用评估模型同时增加投票机制;其次,结合节点状态在SM9数字签名算法中设置多密钥生成中心共同参与密钥生成。对模型的吞吐量、共识时延及通信开销进行实验分析,结果表明,该模型相较于传统模型在数据存储、安全性方面得到了进一步保障,降低了黑客攻击并防止数据泄露或被窜改,并在通信开销方面提升了40%。

基于区块链的属性代理重加密数据共享方案

数据的快速增长对数据管理方式提出了新的要求,针对传统数据管理方式中存在的数据存储中心化、数据共享困难等问题,提出了一种基于区块链的属性代理重加密数据共享方案。对于数据安全共享问题,利用密文链存储对称加密后数据原文,索引链存储对称密钥、索引信息等,通过对索引链上数据属性代理重加密完成链上关键信息的安全共享,满足用户细粒度数据访问控制需求,实现多用户解密权限授权,确保数据共享过程的安全性。构造符合区块链网络的分布式密钥生成方法并进行时间周期性更新,避免加密密钥管理存在的中心化托管问题和泄露风险。进行仿真实验并与同类属性代理重加密数据共享方案进行对比,结果表明该方案在保证安全性的前提下具有较高的效率。

基于Raft分组的实用拜占庭容错共识算法

针对现有应用于联盟链的拜占庭容错共识机制可扩展性不足、难以支持大规模网络节点下高效安全共识等问题,采用节点分组策略,提出一种基于Raft聚类分组的实用拜占庭容错共识算法H-PBFT。首先使用混合蛙跳算法结合K-medoids聚类分组策略,将系统中节点聚类形成多个分组;参与主共识集群PBFT共识的节点均为各分组聚类中心节点,各聚类小组内则使用引入监督节点改进的Raft算法进行共识;组内共识机制监督节点的引入使Raft算法具有抗拜占庭的能力。实验研究结果表明,在大规模网络节点环境下,相比于PBFT和Raft,H-PBFT算法提高了容错性能,同时还能够快速高效地对节点聚类分组,提高共识效率,降低共识通信开销与复杂度,具有较优的可扩展性,能够更好地在联盟链场景中应用。

融合强化学习的实体关系联合抽取模型

现有的实体关系联合抽取任务为了自动生成大规模训练数据引入远程监督策略,在处理数据时产生严重的噪声数据问题。对此提出了一种融合强化学习的实体关系联合抽取模型,该模型由强化学习和联合抽取模型两个部分组成,其中联合抽取模型由图卷积网络和多头自注意力机制构成。首先,使用强化学习去除原始数据集中带有噪声的句子,将降噪后的高质量句子输入到联合抽取模型中;其次,使用联合抽取模型对输入句子中的实体和关系进行预测抽取,并向强化学习提供反馈奖励,指导强化学习挑选出高质量的句子;最后,对强化学习和联合抽取模型进行联合训练,并对模型进行迭代优化。实验证明了该模型能够有效处理数据噪声问题,在实体关系抽取方面优于基线方法。

基于区块链的电子病历共享模型研究

针对现有电子病历在各医疗机构共享过程中易出现患者隐私泄露以及通信量较大等问题,提出一种基于区块链的电子病历共享模型.首先构建私有链和联盟链,将电子病历密文和关键字密文存储到区块链上,结合属性加密和可搜索加密对用户访问权限进行限制,只有满足患者设置的访问策略可以对电子病历进行搜索,实现细粒度访问.其次对PBFT共识算法进行改进,将网络中共识节点聚类划分,通过权威节点组成骨干共识集群向医院节点组成子共识集群发送消息,减少节点间通信次数.最后从安全性和算法性能等方面进行实验分析,结果表明在整个网络中,攻击者破解密文难度增大,同时通信开销随节点数量增加而减少,实现大规模网络下各医疗机构对电子病历的安全共享.

融合层次类型信息的双向图注意力机制的知识图谱嵌入模型

知识图谱嵌入旨在将实体与关系映射到低维且稠密的向量空间中。目前已有的嵌入模型仍存在以下两个方面的缺陷:现有的模型大多只关注知识图谱的语义信息,而忽略了大量三元组的隐藏信息;现有的模型仅关注了实体的单向信息,而忽略了双向的潜在信息。针对以上问题,提出了一种融合层次类型信息的双向图注意力机制的知识图谱嵌入模型Bi-HTGAT,该模型设计了层次类型注意力机制,考虑不同关系下每种类型的不同实体对中心实体的贡献。同时引入了关系的方向注意力机制,通过融合不同方向的邻居信息来更新实体和关系嵌入,最终聚合两部分信息以得到实体的最终嵌入。在基准数据集上的实验证明,Bi-HTGAT在链接预测任务上性能明显优于其他基线模型,充分证明了Bi-HTGAT能够进一步提高嵌入结果的精准度。

基于LBP和SVM的人脸检测

人脸检测作为机器视觉研究的重要内容,在视频监控、安防等领域具有广泛的用途,是人脸识别技术的必备条件。针对复杂背景、光照不均匀等外部条件对人脸检测的影响,提出了基于局部二元模式(LBP)和支持向量机(SVM)的人脸检测算法。其中LBP是一种用来描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点,其最主要的属性是对光照变化造成的灰度变化具有很好的鲁棒性。该算法使用LBP提取图像的特征值,并对提取到的LBP特征值使用SVM算法构建的分类器进行分类。实验结果表明,基于LBP和SVM的人脸检测算法具有很好的检测效果,不仅较好地解决了光照和复杂背景等外部条件对人脸检测的影响,而且明显提高了人脸检测的准确率,准确率可达到94%以上。

基于概念语义协商的服务Agent划分

服务参与者Agent之间使用异构的私有本体概念构造消息并进行交互,会由于消息语义的错误理解而影响服务发现的效率和结果的准确性.提出使用概念语义协商的方法改善服务Agent之间的理解能力;定义了服务A-gent模型和本体概念解释元组,设计了服务Agent协商行为原语以及协商请求和响应协议;根据概念语义协商结果对私有本体进行更新并根据本体概念理解的相似度对参与服务的Agent进行划分,使功能相近且能互相理解的Agent处于相同的服务社区.实验表明,通过语义协商的服务Agent划分方法,能够有效提高同一服务社区服务Agent之间的概念理解程度,在协商概念数为2和8时,该方法较其他方法能够将概念理解错误率减少平均大约30%.

基于Agent协商的语义Web服务知识模型

在面向服务的应用中引入语义协商的思想,使服务Agent能够在Web服务部署、发布、发现和组合过程中共享服务知识,并且具有足够的自治和理解能力.通过描述抽象和具体的语义Web服务以及分析服务Agent之间的交互过程,提出了适合协商的服务Agent和服务知识模型,并给出了服务Agent之间信念知识修正和更新的方法,形式化描述了协商过程中服务Agent的角色和行为以及针对服务属性的语义协商协议.实验结果表明,在服务发现过程中使用这种服务知识模型及语义协商交互协议,能够显著改善服务Agent的理解能力.随着部署的具体服务数和协商的服务属性数增加,返回服务发现结果的时间有所延长,但其精确度有了明显的提高.

利用服务质量参数值预测的Web服务选择方法

为了使得服务消费者获得的QoS值能够作为服务分级和排序的重要依据,提出了一种基于QoS参数值预测的Web服务选择算法.依据服务质量一致性指标生成服务质量报告,并对可信报告进行标记,再利用预处理算法来剔除欺骗报告.采用模糊回归方法对服务质量值进行预测:将服务质量的属性值和服务质量评价值分别作为方法的输入和输出,以此来确定模糊系数;把服务质量的评价模糊化为对称的三角模糊数;最后将获得的QoS预测结果作为服务选择的依据.实验结果表明,随着质量报告样本数的增加,服务质量预测值逐渐接近实际的QoS值.在服务发现对比实验中使用了服务质量预测方法,通过调整服务质量的一致性、服务消费者能够接受的服务广告和服务请求之间的质量差,实验结果的平均准确率误差可以控制在2.7%以内.

辅助驾驶中的红绿灯识别及其FPGA实现

为了降低路况的复杂性和交通信号灯的多变性给司机带来的影响,模拟一种辅助驾驶情景,提出基于FPGA的颜色识别系统的设计,作为辅助驾驶系统中的交通灯识别模块。在识别系统中,使用颜色特征HSV作为特征提取算法。为了增强对交通灯识别的准确率,先对图像进行腐蚀操作,去掉小的噪点;然后再对图像进行膨胀操作,恢复对非噪声区域削去的部分边缘。实验结果表明,基于FPGA的识别模块可快速准确地识别红、黄、绿3种颜色,识别率达到97%。

一种多策略的中文领域本体概念抽取方法

为了提高中文领域本体概念抽取的准确率和召回率,提出一种多策略的中文领域本体概念抽取方法。该方法使用模式匹配法改进原有的单字合并法,经词性过滤和缺陷检测筛选出概念集组成用户词典,并送入概念抽取系统进行二次分词获得候选概念集;利用词频-逆向文本频率(TFIDF)方法和信息熵融合得到TFIDFE方法,计算概念权重以获得领域概念集。实验结果表明,该方法在领域术语抽取的准确率、召回率和F值上均有较好的效果。

一种基于服务本体规划理解的语用Web服务发现算法

语用Web服务增加了对于服务提供者的服务广告和消费者的服务需求的上下文环境的描述,使得服务发现、组合更加准确。使用本体概念对服务的语用信息进行描述,将其划分为参与服务方Agent的公共本体和私有本体。提出了一种基于概念理解的规划方法,解决了语用Web服务中私有本体概念之间的协调和理解问题。实验表明,该方法能够有效提高发现的准确性,在使用标准服务测试集进行服务发现实验时,尽管概念协调使得服务发现时间有所增加,但服务发现的准确性得到很大的提高,尤其对于候选服务数在200个左右时,服务发现的准确度能保持在80%,而基于关键字的服务发现只有30%。

人体特征检测算法的设计与实现

人体特征检测是特征识别技术的基础,特征检测技术运用到诸多领域,从刑侦领域的人脸检测到手机应用领域的指纹解锁都有涉及。为了实现人体特征检测算法的分析与研究,在现场可编程逻辑门阵列平台中,提出一种基于SAdaboost的人体特征检测算法。该算法结合了支持向量机和Adaboost分类器算法的优点,实现人体特征图像的降维处理,并对图像进行分类处理,实现人体特征元素的检测。整个设计基于Zed Board硬件平台,该平台具有较强的可重构性和并行处理的能力,完成了人体特征图像检测算法的设计与实现,实现了对人体特征图像中的人脸、人眼、人体框架3种人体元素的检测。通过对比分析实验结果,验证了该算法的有效性。

图像识别中的数字运算及其FPGA实现

利用现场可编程门阵列的可重构计算和并行计算的特性,提出基于FPGA的图像识别系统中的数字运算的设计。在识别系统的设计流程中,需对图像进行二值化处理,提取图像中的数字信息,并与N个模版信息并行匹配,计算与每一个模版的相似度,最终实现图像中数字的运算,并将运算结果显示出来。实验结果表明,利用FPGA实现的图像识别系统具有处理速度快、可识别性好以及稳定性高等优势。

基于SWRL规则推理的知识发现研究

基于本体技术的查询,并不能将隐含在显式定义和声明中的知识提取出来展示给用户,因此需要依靠一定的推理机制,才能使知识得以充分表达。首先介绍了本体相关概念,然后建立本体模型,并使用本体查询语言SPARQL(Simple Protocol and RDF Query Language)对已有本体模型进行查询,引出本体查询的不足,进而使用SWRL(Semantic Web Ru-le Language)对本体模型进行语义规则扩充,最后通过Jena对本体模型进行推理。实验结果表明,构建合理的本体推理机制,可以对本体中蕴含的知识进行有效的推理,从而改善和优化知识查询。

基于参与者上下文概念意图的语用Web服务发现

为了使得语义Web服务的发现结果与服务请求者的意图更加一致,提高服务发现的准确性,改善服务发现和选择的自动化性能。在服务描述中增加了对于服务提供者和服务请求者的上下文知识的表示,使用规划的方法完成服务参与者之间对于私有的上下文本体概念意图的理解。实验表明,该方法能够有效提高发现的准确性,在使用标准服务测试集进行服务发现实验时,尽管概念规划使得服务发现时间有所增加,但服务发现的准确性得到很大提高,尤其对于描述服务领域本体语义差异较大的情况,服务发现的结果更为准确。

融合依存分析和图注意网络的三元组抽取

传统的三元组抽取采用流水线方式分阶段进行命名实体识别和关系抽取,导致实体识别的精度直接影响关系抽取的效果,造成句子上下文信息缺失,以及实体关系重叠问题等。为此,提出了结合依存分析、图注意力网络和对抗训练的三元组联合抽取模型,该模型将句子输入到BiLSTM层提取单词特征,利用可学习的线性单元进行特征强化,同时将句子输入到句法分析层生成的约束矩阵;将强化后的单词特征与依存约束矩阵输入到图注意力网络提取句子序列特征和单词的局部依赖特征,共同计算图注意力系数;再使用Sigmoid层预测出句子中的实体和实体关系;在词嵌入层加入对抗训练改善模型鲁棒性。实验采用公共数据集NYT验证了模型抽取三元组的准确率,同时召回率也显著提升,与现有的流水线和联合方法相比,改善了误差累积、关系重叠问题。