用于实现区块链隐私保护的属性基加密方案

要解决区块链账本公开带来的安全问题,关键在于隐藏私密信息。提出一种使用多属性机构的属性基加密实现区块链数据的隐私保护方案。相比单一属性机构,多属性机构在实现权力分散的同时避免了任何单点故障。首先,修改密钥组件生成算法,每个属性机构把用户身份作为参数生成私钥组件,防止节点合谋访问无权访问的数据;然后,修改基于身份的签名技术建立用户身份与钱包地址之间的链接,使区块链变得可监管的同时还能追溯非法用户;最后,基于决策双线性Diffie-Hellman(DBDH)假设,在随机预言模型中证明了所提方案的安全性。实验结果表明,与基于椭圆曲线上的环签名的区块链隐私保护方案和支持关键字遗忘搜索的区块链隐私保护方案相比,在生成相同区块个数的情况下,所提方案用时最少,更具可行性。

多云存储下非同频可证明数据迁移方法

很多用户在多个云上存有大量文件,有时在云间要进行大量文件的迁移操作,但因云服务商或黑客攻击等原因导致的文件损坏时有发生,所以云存储用户在存储和迁移过程中必须进行数据完整性认证,且认证开销要尽可能低。目前已有的数据迁移方法在迁移大量文件时认证时间开销较大。针对此问题,提出非同频可证明数据迁移方法,它是根据云上文件损坏的时间特征,在不同时间段按不同频度进行认证。安全性分析和实验结果表明,该方法能显著降低文件云间迁移时的认证时间开销,是一种有效的可证明数据迁移方法。

我国走班制教学文献分析(2000-2017年):困境与发展

走班制教学是学科教室和教师固定,学生根据自己的学力和兴趣愿望,选择适合自身发展的层次班级上课。走班制教学因其尊重学生个体差异、强调个性化教育而受到国内课程专家的推崇和教育部门的重视。基于2000-2017年1826篇走班制教学研究文献的计量分析发现:近20年,我国走班制教学研究日益增多,其发展过程与课改关系密切;研究力量主要集中在东部地区,且以中等学校实践探索为主。随着国家新课改和高考制度改革的不断推进,社会对走班制教学的认识不断深化,我国走班制教学逐渐从单科走班走向多科走班、从分层走班走向选课走班、从单方面的分层教学逐步走向更为全面的教学组织形式。但无论是选课走班模式还是分层走班模式均面临选课、授课、教务管理、学生管理、教学评价以及教育资源的均衡调配等方面的巨大挑战和阻力,尤其是对高等院校人才选拔的影响,亟待解决。走班制教学是否走得通,依赖于多方支持和多手段并举。互联网和教育信息技术助力走班制教学,或可助于构建多元选择、开放灵活的线上/线下走班教学模式,帮助解决走班制教学遇到的瓶颈问题。

基于属性加密的个人医疗数据共享方案

目前有关共享医疗数据的研究中,存在患者对本人数据不可控、隐私泄露、共享效率低下等问题。针对这些问题,提出了一种基于属性加密的个人医疗数据共享方案。该方案的优势在于允许患者自主设置共享策略,实现了细粒度共享数据;设计属性撤销算法,及时变更用户共享权限;结合可搜索加密技术实现多关键词加密检索;描述医疗场景验证该方案合理性。安全性分析和实验结果表明,该方案能够在保护患者隐私的情况下,以较低的通信开销实现患者个人医疗数据共享。

基于加法同态的可修改区块链方案

传统区块链不可被窜改的特性限制了区块链技术的发展,而对可修改区块链的研究目前还处在初始阶段,许多方案在系统效率和安全性上还存在诸多不足。针对这些问题,首先,提出了一种改进的区块链数据结构使之适用于可修改功能;其次,使用同态加密技术设计了一种主私钥合成算法,保障了用于链上数据修改的私钥在合成过程中的安全;同时,设计了一种匹配机制减少了私钥合成过程中的通信量;最后,设计了一种对修改请求的审计方法,保证了对修改请求审计的合理性和安全性。实验结果表明,该方案不仅具有去中心化的特点,而且与其他方案相比在系统安全性和通信效率上均有所提高。

拉曼光谱结合Adaboost算法的食源性致病菌分类识别

食源性致病菌的检测分类一直是食品安全领域的重要研究对象,与传统的病原菌分类方法相比,基于拉曼光谱的分类识别方法具有更高的灵活性和准确性。实验以常见食源性致病菌的拉曼光谱为对象,利用11种病原菌的132条光谱数据,提出一种基于主成成分分析(PCA)和线性判别分析(LDA)的Adaboost集成分类识别模型。实验结果表明,该集成模型不仅优于传统的病原菌分类方法,而且分类准确率比决策树、支持向量机和logistic回归等单一算法模型更高,可以有效地对食源性致病菌进行分类,且分类准确率达到99.23%。

基于条件代理重加密的跨链数据共享方案

目前区块链大多属于异构链,信息孤岛问题严重,所以如何打破区块链垂直发展的封闭状态和实现链间互联互通一直是区块链的研究热点。针对联盟链之间数据共享难、互操作性差和存储压力大等问题,提出一种基于条件代理重加密的跨链数据共享方案。从各联盟链中选出高信用节点充当公证人并组成公证链,作为跨链共享的媒介;引入星际文件系统实现混合存储,减小存储压力;随机确定一位公证人作为代理者,执行条件代理重加密操作实现链间共享密文的状态转变;通过信用约束和激励策略,规范公证人的行为和提高各链节点参与数据共享的积极性。理论分析和实验结果表明,提出方案在跨链数据共享方面更安全可靠,具有较高的跨链交互效率和较低的存储开销。

基于Shamir的动态强前向安全签名方案

目前基于Shamir的数字签名方案多数仍需可信中心参与子秘密(秘密份额)的分发,缺乏成员对群管理的反向监督,缺少强前向安全性。在这些问题的前提下,提出一种无可信中心参与、多个成员可定期更新私钥,同时解决了成员加入和退出问题的方案。该方案由产生签名、私钥更新、成员加入和退出三个部分构成,涉及的运算主要有拉格朗日插值计算,有较为良好的时间复杂度,实现了去可信中心化,并在保持公钥不变的情况下定期更新成员私钥,实现成员加入退出,进而保证消息的完整性及强前向安全性。

基于XGBoost算法的新冠病毒拉曼光谱感染诊断

新型冠状病毒的出现给全球经济、公共安全等方面带来严重损失,快速且准确地诊断新冠病毒对控制疫情爆发尤为重要。将机器学习与拉曼光谱技术结合,选取157份(包含确诊和健康)血清样品对应的拉曼光谱数据作为样本。首先使用Min-max方法对样本数据归一化、Savitzky-Golay方法对光谱平滑滤波和线性判别分析方法LDA对光谱数据降维处理后,分别使用XGBoost、K近邻、支持向量机、逻辑回归算法构建预测模型。实验结果表明,相比三种传统的机器学习算法,基于集成算法XGBoost所构建的模型,对人类是否感染新型冠状病毒具有最高的预测准确率,且准确率达到95.6%,为生物医学检测新冠病毒提供一种无损辅助的方法。

基于属性访问策略的批量零知识身份认证方案

隐私保护技术主要有属性基加密、同态加密、多方安全计算等。针对属性基加密的访问控制中双线性映射耗时问题、同态加密难以非公开地验证明文计算的结果问题以及多方安全计算需要可信第三方等问题,提出了一种基于属性访问策略的批量零知识身份认证方案。该方案是基于Aurora协议提出的,具有良好的抗量子攻击计算潜力;所提方案引入合成证明者,其作用是将各个用户生成的证明合成一个证明以减轻证明者和验证者计算开销,且设计了找出未通过认证用户的查找算法。最后对所提方案进行了安全分析、可行性分析并与其他方案进行了对比分析。经过分析该方案中验证者的时间复杂度可维持在O(n)。

一种均衡的移动云计算任务迁移决策算法

移动云计算可以通过任务迁移将计算复杂型应用从移动设备卸载至云端执行。然而,任务迁移涉及数据的无线传输,会导致传输延时和传输能耗。为了作出任务迁移的最佳决策,提出一种均衡的移动云计算任务迁移决策算法。算法将任务迁移决策问题建立为Lagrange乘子的非线性优化模型,模型同步考虑了任务迁移后的执行时间代价和执行能耗代价;为了更准确地求解迁移决策,设计一种考虑用户应用动态行为的统计回归模型进行任务执行时间的估算,从而获得时间能耗均衡性能的任务迁移决策。利用N皇后问题和面部识别应用两种任务类型对算法进行了仿真测试分析。结果表明,在平均执行时间、执行能耗、预测准确性等方面,所提算法较对比算法均表现出较好的优势。

基于卷积网络的血清新冠病毒拉曼光谱定性分类

将拉曼光谱技术与深度学习相结合,以健康人群以及患病人群的血清拉曼光谱数据作为实验样本,提出一种基于卷积神经网络(CNN)的新冠病毒拉曼光谱分类方法。在训练过程中,只需对样本数据进行简单的扩充,无需进行复杂的预处理工作,训练效率远高于依赖于复杂数据预处理的传统机器学习算法。与K近邻、逻辑回归、支持向量机等相比,CNN具有最高的分类准确率,达到96.77%,是一种新型的新冠病毒检测方法。