涉案人员活动轨迹侦查的数字化变革与风险控制

在数字时代,涉案人员活动轨迹侦查发生变革,取证对象从点状的位置信息发展为聚合的敏感行踪轨迹数据,收集手段从行踪监控发展为任意性调取、查询行踪轨迹数据,分析方式从人工筛选发展为大数据分析。这引发了不当获取涉案人员个人敏感信息风险、收集使用行踪轨迹数据的安全风险、活动轨迹侦查权力扩张风险。鉴于此,涉案人员活动轨迹侦查应当从个人信息导入、数据安全控制机制建构、任意型与强制型的二元法律属性划分及相应程序规范构建等方面加强风险控制。

极少信息共享的敏感信息检索方法

敏感信息检索是安全多方计算研究的热点,而现有的敏感信息检索方法不能有效地保护用户的查询信息。针对上述问题,通过引入茫然第三方,在半诚实模型下基于不可区分概念以及交换加密的安全性假设,给出极少信息共享的敏感信息检索方法,分析和证明了方案的正确性和安全性。

基于随机化视觉词典组和上下文语义信息的目标检索方法

传统的视觉词典法(Bag ofVisual Words,BoVW)具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题,且当目标区域所包含的信息不能正确或不足以表达用户检索意图时就得不到理想的检索结果.针对这些问题,本文提出了基于随机化视觉词典组和上下文语义信息的目标检索方法.首先,该方法采用精确欧氏位置敏感哈希(Exact Euclidean Locality Sensitive Hashing,E2LSH)对局部特征点进行聚类,生成一组支持动态扩充的随机化视觉词典组;然后,利用查询目标及其周围的视觉单元构造包含上下文语义信息的目标模型;最后,引入K-L散度(Kullback-Leibler divergence)进行相似性度量完成目标检索.实验结果表明,新方法较好地提高了目标对象的可区分性,有效地提高了检索性能.

基于多表频繁项投票和桶映射链的快速检索方法

为解决基于随机映射的高维向量快速检索方法位置敏感哈希存在的随机性强和内存消耗大两个问题,在E2LSH(Exact Euclidean Locality Sensitive Hashing)的基础上提出了基于多表频繁项投票和桶映射链的快速检索方法。该方法用检索结果构造基准索引矩阵,并对基准索引矩阵进行频繁项投票和校正得出最终索引来降低检索的随机性;桶映射链利用E2LSH的数据划分特性减少检索时读入内存的数据点的数目,以此来降低内存消耗。实验证明该方法能减弱检索的随机性,并有效地降低检索的内存消耗。这对于提高大规模信息检索尤其是图像检索的可行性有着较大的作用。

时间敏感查询词补全关键技术研究综述

搜索引擎的查询词补全技术给搜索用户提供了较好的用户体验.针对用户检索需求随时间变化而不同这一问题,时间敏感查询词自动补全成为研究热点.时间敏感查询词补全在生成查询词补全候选列表时拟合多种时间因素,呈现出与传统查询词补全不同的特点.本文首先介绍了时间敏感查询词补全的定义和分类,然后从查询词时间敏感类型判断、补全候选词权值计算、候选词排序计算三个步骤分析了关键技术,最后对技术评价方法和技术未来发展难点与热点进行了总结和展望.

网上敏感信息智能快报系统的设计与实现

本文介绍了网上敏感信息智能快报系统的设计与实现,该系统根据Web空间资源分布的特点,针对特定地理域,采用一种基于Web敏感站点的网页文本检索模式。本文对系统的结构设计、各模块功能实现及关键技术进行了介绍。

基于兴趣本体的文档敏感信息检测方法

随着计算机技术及互联网的高速发展,越来越多的办公主机接入互联网,敏感信息的泄露隐患增多,文档的敏感信息检测显得尤为必要。为了解决传统的查询扩展检测方法查准率和查全率低的问题,构建了监测者关于敏感信息的兴趣本体,提出基于兴趣本体的概念相似度查询扩展算法,并验证了算法的可行性。实验证明该算法有效提高了文档敏感信息检测的查全率和查准率。

一种基于敏感站点处理的Web信息检索系统

本文设计实现了一种Web信息检索系统,面向有特定需求的特殊用户群,采用基于web站点处理的情报采集策略。先对各站点页面随机采样,提取出包含敏感信息页面的web站点,再采集敏感站点中的相关页面生成本地敏感资源库,并对库中的文本页面用改进的TFIDF算法分析处理,以满足用户的查询。该系统能够提高Web页面信息的检索精确度和检测更新率,并可据某一专题方向对Web站点进行简单的自动分类。

有效的结构化P2P信息检索

在分析了以往P2P系统信息检索基础上,针对结构化P2P检索存在的问题,提出了一种有效的结构化P2P信息检索。结合利用向量空间模型(VSM)技术和位置敏感散列(LSH)技术,使得语义内容相似的文挡易于分布在相同的节点上,提高了搜索速度。同时采用了本体知识,增强对用户请求的语义理解,提高了搜索性能。

基于机器学习的图像敏感信息识别方法

针对传统图像敏感信息识别方法精度不高的问题,提出一种基于机器学习的图像敏感信息识别方法。对识别图像进行去噪和细节锐化预处理操作,从颜色、形状和纹理三个角度提取预处理后的图像特征。结合所提取的图像进行图像敏感信息检索,通过图像特征提取图像敏感信息。根据机器学习中的支持向量机(SVM)原理,设计一种图像分类器实现对图像敏感信息的分类和识别。与传统的两种图像识别方法相比,该方法具有较高的识别精度,可在较短的识别时间完成图像敏感信息识别。

无线局域网内敏感信息安全检索仿真

针对传统方法对无线局域网内敏感信息进行检索时,存在检索安全性较差的问题,提出一种新的无线局域网内敏感信息安全检索方法。设计由信息拥有者、信息查询者、云服务器以及三方管理机构构成的多用户系统。在无线局域网环境下下形成私钥与公钥,令网络信息拥有者从含大量文件的信息集中对敏感信息集合进行提取,由网络文件向量组成可搜索索引,从而完成多个敏感信息的自动加密,采用模糊加密算法将加密的敏感信息集合与安全的索引传输至云服务器端完成信息检索。实验结果表明,与传统方法相比,所提方法不仅有较强的抗关键字猜测攻击性能,而且计算代价小,检索安全性较高。

移动互联网敏感信息安全结构检索仿真研究

利用当前方法对移动互联网敏感信息安全检索时,忽略了对敏感信息的提取,不同类别的索引信息检索效率低、信息的正确检索量偏少。现提出多阶段攻击下移动互联网敏感信息安全检索方法。分析攻击者多阶段攻击行为,并以此为基础提取攻击行为下的敏感信息。设置加密密钥,构建贝叶斯网络信息检索模型。将模型中的敏感信息结点重新组成,根据重新组成的敏感信息结构,获取敏感信息权值,完成多阶段攻击下移动互联网敏感信息的安全检索。实验结果表明,所提方法的索引信息检索效率和正确检索数量均较高,验证了提出方法的精度高、安全性较强。

基于骨架提取的WSN信息存储和检索算法

针对在无线传感器网络中信息存储和检索效率容易受到节点负载不均匀和距离不敏感限制的问题,引入网络散度概念,并在此基础上提取网络的骨架;利用骨架能够代表拓扑几何的特性,提出一种负载均衡、距离感知的信息存储和检索算法.该算法不要求节点的地理信息,也不受网络形状的限制,一次数据检索可以沿着简单的路径成功检索到所感兴趣的数据.仿真表明:该算法检索路径较短且取得更佳的负载均衡,从而有效地减少了网络能耗,延长网络生命周期.

适应Web检索的平滑型排序支持向量机

代价敏感的排序支持向量机将样本的排序问题转换为样本对的分类问题,以适应Web信息检索.然而急剧膨胀的训练样本对使得学习时间过长.为此,文中提出一种支持二次误差的代价敏感的平滑型排序支持向量机(cs-sRSVM),用分段多项式光滑函数近似铰链损失函数,将优化目标转变为无约束问题.再由Newton-YUAN算法求无约束问题的唯一最优解.在排序学习公开数据集LETOR的实验表明,cs-sRSVM与已有的代价敏感排序算法相比,训练时间更短,而检索性能同样出色.