基于互信息与萤火虫算法的网络入侵特征选择

为减少网络入侵检测数据中的冗余特征,提出一种结合互信息和萤火虫算法的特征选择方法。针对互信息不能精确计算特征间冗余度,提出类内特征冗余互信息特征选择方法。针对萤火虫算法步长因子固定易使算法陷入局部最优等问题,提出自适应步长萤火虫算法特征选择。以上方法分别选取特征子集后利用投票策略选取最优子集,对该子集基于C4.5和贝叶斯网络分类器分类。实验结果表明,使用10个特征检测能有效提高入侵检测率、误报率和F-measure,同时还缩短训练和检测时间。此外,与现有的几种方法相比,该方法在准确率、检测率和F-measure都获得不错效果。

融合几何注意力和多尺度特征点云配准网络

点云不同的几何特征影响着点云配准的难度。然而,大多数点云存在部分重叠,几何特征被噪声干扰,并且点云表面有部分不可区分的特征,这使得提取具有代表性的几何特征更加困难。结合以上原因提出一种融合几何注意力和多尺度特征的点云配准网络GMNet,利用几何Transformer提取几何特征并对点云点对距离和角度编码,使其在低重叠情况下更具鲁棒性;并使用多尺度特征架构聚合不同尺度上丰富的语义信息,提高点云配准的准确率;最后特征通过一致决策算法选择具有适当邻域大小的特征。GMNet分别在室内数据集3DMatch、3DLoMatch和室外数据集KITTI上进行实验,实验结果表明GMNet的整体配准精度较高,在3DMatch数据集和3DLoMatch数据集上配准召回率分别提升到93.4%和76.0%,在KITTI数据集上相对旋转误差和相对平移误差分别降低到6.2 cm和0.26°。该方法使用的几何Transformer提取有代表性几何特征,联合多尺度特征学习点云中的不同层次几何信息,有效提升点云配准精度。

基于SM2门限盲签名电子选举方案

针对提高国产化电子选举系统算法协议层的安全和效率问题,提出一种基于SM2门限盲签名电子选举方案。首先,基于SM2签名算法构造SM2门限盲签名算法,在不改变原有签名流程的前提下,采用Shamir秘密分享、随机秘密分享(RSS)、秘密和差、乘积分享、逆的秘密分享(ISS)等方法分享SM2签名算法中的秘密私钥和随机数,同时引入盲化因子对签名的消息进行盲化,实现签名过程中消息发送方的隐私保护及敏感信息的有效分享;其次,算法安全分析结果表明,在随机预言机模型下,所提的盲签名算法具有盲性、健壮性和不可伪造性,相较于现有的RSA(Rivest-Shamir-Adleman)、椭圆曲线数字签名算法(ECDSA)门限盲签名算法,所提的SM2门限盲签名算法具有计算复杂度低、通信开销较小的优势,适用于大规模选举;最后,基于SM2门限盲签名算法设计安全电子选举协议,分析结果表明,所提协议具有不可伪造性、保密性、合法性和鲁棒性,并且完成一次投票过程仅需15.7061 ms。

考虑样本多样性的转辙机故障诊断决策模型

为解决现有研究未充分考虑诊断模型在不同转辙机数据样本条件下的适用性,且单一诊断方法难以满足故障诊断精度与决策要求的问题,提出一种考虑样本多样性的故障诊断决策模型.首先,从ZYJ7电液转辙机8种故障模式和正常模式所对应的油压曲线中分别提取时域、频域、时频域特征量,采用基于核函数的主成分分析法对3个域内的特征量分别降维,得到每个域的特征矩阵,进而构成不同类型的数据样本.然后,基于PSO-KNN、SA-PSO-PNN、PSO-SVM算法构建决策模型.当样本是一般数据样本时,决策模型采用3种算法分别做同一域数据分类,并对同一域各算法诊断结果进行三取二表决,分别得到每一域诊断结果;当样本是大数据样本、不均衡数据样本时,决策模型根据不同样本特点采用3种算法中的推荐算法得到每一域诊断结果.最后,利用决策模型对各域诊断结果进行三取二表决得到最终诊断结果 .仿真结果表明:与单一诊断算法相比,决策模型在大数据样本下,平均准确率提升1.01%;在不均衡数据样本条件下,决策模型的平均准确率提升12.82%;在一般数据样本下,决策模型平均准确率提升6.18%.决策模型通过结合多域的多维特征与各算法特点提高了诊断精度,为集成学习在转辙机故障诊断领域应用提供了一种思路.

RG-BFT:基于随机分组的拜占庭容错算法

随着网络环境的复杂性和网络用户数量的不断增长,区块链的发展逐渐受到共识算法的效率、安全性和可靠性的制约。针对此类问题,提出一种基于随机分组的拜占庭容错算法(random grouping-based Byzantine fault tolerant algorithm, RG-BFT),提高共识算法的效率和可靠性。使用随机选择算法与投票机制相配合,减少共识过程中的节点数量和消息数。此方案具有随机性和公正性,在保证系统活性的前提下,提高了达成共识的效率。实验结果表明,RG-BFT算法能实现较低的共识时延和通信开销及高交易吞吐量。

基于数据残留时间的SRAM-PUF预选算法

静态随机存取存储器(Static Random-Access Memory,SRAM)物理不可克隆函数(Physical Unclonable Function,PUF)利用参数设计完全相同的晶体管在制造过程中存在的工艺偏差,生成每块芯片无法克隆的密钥响应.由于SRAM-PUF内部错误分布的随机性,密钥重构需要使用纠错码,而纠错电路的面积与其纠错能力呈正相关,为了降低SRAM-PUF错误分布,减小纠错电路面积,本文通过对SRAM数据残留特性的研究,提出一种数据残留预选算法,对SRAM单元进行筛选,提高PUF响应稳定性,使用区块择优算法筛选SRAM区块,减小响应的分散度,以更短的时间和资源消耗生成SRAM-PUF响应,测试结果表明,在不同温度(-40℃~80℃)和±10%电压波动下,256位SRAM-PUF响应拥有99.8%的稳定性及1.9×10^(-8)的误码率,相对于通用的临时多数表决(Temporal Majority Voting,TMV)算法提升了1.7%的稳定性,降低2.1×10^(5)倍误码率,与1000次TMV相比,时间复杂度从O(2000n)线性降低到O(900n).经过72小时老化测试后,采用数据残留算法预选的SRAM-PUF稳定性仅下降0.2%.

基于多目标优化加权软投票集成算法的信用债违约预警研究

为了提高信用债违约预测的准确性和稳定性,便于金融风险管理,以2014年1月1日—2021年12月31日的信用债为研究对象,提出一种基于多目标优化的加权软投票集成算法。该算法通过计算每个基分类器的模糊密度来量化其识别能力,并使用多目标粒子群算法来求解基分类器的权重。将所提算法与其他单一分类器如支持向量机、逻辑回归、高斯贝叶斯、MLP,以及其他集成算法如投票类集成算法(voting)和stacking算法进行比较,采用期望PFI算法进行特征重要度分析。结果表明,加权软投票集成算法在信用债违约预测中表现出色,不仅提升了单一算法的性能,且相对于其他集成算法,具有更高的准确性、精确度和AUC值。违约前主体评级、交易所、违约前债项评级、总资产周转率、货币资金、净资产增长率、经营活动现金流量占营收比、GDP、PPI、注册地、短期国债利率、宏观经济景气指数(先行指数)、债券类型和所属行业的特征重要度较高,在信用债违约中值得关注。该研究可为金融风险预测提供一种有效方法,对于投资者和金融机构的风险预警具有重要参考意义。

基于区块链和SM9数字签名的代理投票方案

随着互联网的普及,电子投票技术逐渐替代传统纸质投票技术。然而,传统的电子投票方案主要针对一人一票制来设计方案,在一些特殊的投票场景下,一人一票制投票方式不再适用。例如,投票者不具备专业知识却也需要投票的场景,投票者由于不能理解选举的内容而消极投票,造成选举结果不专业和不公正等问题。此外,传统的电子投票技术还存在选举过程不透明和选票不可验证等问题。针对上述问题,文章提出一种基于区块链和SM9数字签名的代理投票方案。该方案首先使用区块链技术解决选票的全局可验证问题,其次使用零知识范围证明技术解决恶意选票值的问题,然后利用基于椭圆曲线的改进ElGamal算法的同态性质实现选票加密和自计票功能,最后使用SM9数字签名算法和变色龙哈希函数设计的代理投票凭证实现投票权的转让过程。通过安全性分析,证明了文章所提方案满足鲁棒性、合法性、机密性、全局可验证性和公平性。理论分析和实验数据表明,文章所提方案性能良好,适用于需要专业知识场景下的选举。

基于投票加权GS-KNN的离心风机故障诊断

风机作为火力发电的重要辅机,对其进行及时高效的故障诊断,可有效减少停机损失,提高火力发电效率。k近邻(KNN)对非平稳数据样本有良好的分类能力。为了改进传统KNN算法存在的缺陷,构建投票加权网格搜索-k近邻算法(投票加权GS-KNN)故障诊断模型,利用网格搜索完成k值的选取,基于前k个近邻构建与距离值呈负相关的权值投票公式,依据投票得分情况进行故障诊断。使用投票加权GS-KNN模型对离心风机常见的9种运行状态进行故障诊断,拟合k值与准确率的关系,诊断准确率可达到100%。

基于共识算法的换流站无线传感网安全接入身份认证机制

为了确保换流站无线传感网的安全性和可靠性,文章在换流站无线传感网中构建安全接入身份认证机制,提出了一种基于加权投票的共识算法,对接入换流站无线传感网的无线感知设备进行身份认证和授权,确保接入设备对无线传感网络资源的访问合法性。所提出的共识算法采用了加权投票的思想,根据感知设备拥有的资源和性能2个方面综合考虑并决定权重,通过权重值衡量节点在共识过程中的影响力,从而提高共识过程的公正性和可信度,并有效避免网络中的恶意攻击行为。从平均耗时、吞吐量、出错率和通信量开销等方面进行仿真验证,结果表明所提算法能够更好地适应不同接入终端之间的差异,提高了共识算法的效率和可靠性,为换流站无线传感网提供了有效的安全保障。

基于区块链的公平和可验证电子投票智能合约

针对等权投票机制中存在的公平性缺陷和重放攻击问题,提出一种基于区块链的加密证明方案。首先,将投票流程和规则写入智能合约,包括时间戳和财务激励,以保证投票按时进行。规定每个投票者负责自己的地址密钥生成,构建基于地址公钥的Merkle树来证明投票者身份的合法性且保证交易数据不被篡改。同时利用哈希函数生成随机序列预防重复投票。其次,考虑到最终目的是得到求和结果,利用区块链公告板和Paillier算法加密存储选票,在克服公平性缺陷的同时提升加解密效率。最后,考虑到交易合法性和计算结果准确性问题,利用区块链的不可篡改特性,构造基于zk-SNARK的零知识证明。将需要证明的现实问题转化为特定输出的计算问题,将加密算法从零知识证明电路中抽离,不会泄露验证数据的信息。理论分析和实验结果表明,所提出的方案与已有方案相比显著提高了投票的安全和隐私,且具有更低的时间开销和成本消耗。

基于Raft投票机制的PBFT改进共识算法RBFT

PBFT算法存在着时延长、效率不高、动态性不高的问题,论文提出一种基于Raft投票机制共识算法RBFT(Raft Byzantine Fault Tolerant)。由于PBFT算法中主节点选取过于随意,易恶意节点易重新当选,该算法将节点进行分层,分为共识域和备份域,主节点选取改为Raft中Leader的投票选举,在共识域R1共识的过程中,同时进行备选域R2备选主节点(Leader)的选举,实现了备份域节点的动态增减,同时优化视图切换协议。减少了通信消耗并进一步降低时延。经实验后得出,改进后算法与原有算法相比,时延有了进一步的降低,吞吐量得到更大的提升。

一种解决数据冲突的投票算法的改进与实现

在当今网络发达时代,为了利用数据,需要从多源获取信息来融合信息,但是在信息融合的过程中,不同的数据源之间融合会发生数据冲突,而投票算法在解决数据冲突的过程中发挥了很好的作用。文章在投票算法上加入了增量分类,针对不断增加的数据构建了一个解决冲突的过程,以此提高了解决数据冲突的效率。

基于可变时序移位Transformer-LSTM的集成学习矿压预测方法

现有的矿压预测模型多为依赖固定长度时序序列特征的单一预测模型,难以准确捕捉矿压时序数据的复合特征,影响矿压预测的准确度。针对该问题,提出一种基于可变时序移位Transformer-长短时记忆(LSTM)的集成学习矿压预测方法。基于拉依达准则和拉格朗日插值法,剔除矿压监测数据中的异常值,插入缺失值,并进行归一化预处理;提出可变时序移位策略,划分不同尺度的矿压时序数据,避免固定长度时序序列可能存在的数据偏移问题;在此基础上,构建基于Transformer-LSTM的集成学习矿压预测模型,通过结合注意力机制和准确的时序特征表示能力,多层次捕捉矿压变化规律的动态特征,采用集成学习的投票算法,联合预测矿压数据,克服单一预测模型的局限性。实验结果表明:采用集成学习的投票算法可降低矿压预测平均绝对误差(MAE)和均方根误差(RMSE)的波动性,有效减小不同尺度特征序列对矿压预测结果的敏感性影响;Transformer-LSTM模型在2个综采工作面顶板矿压数据集上预测结果的MAE较Transformer模型分别提高了8.9%和9.5%,RMSE分别提高了12.7%和16.5%,且高于反向传播(BP)神经网络模型和LSTM模型,有效提升了矿压预测准确度。

三余度飞行控制计算机余度管理算法研究

为了提高飞行控制系统的稳定性和可靠性,针对工程的实际需求和三余度飞行控制计算机的架构和特点,设计一种同步算法和余度管理策略,提出一种基于三余度技术的系统设计方案。采用开机同步和周期同步相结合的同步算法使飞行控制系统实现三机同步,采用大数表决法和门限比较法相结合的表决算法对飞行控制系统输出的离散量和数字量进行监控和表决。为进一步增强系统的抗干扰能力,进行系统重构设计,保证飞控系统的稳定性和可靠性。最后通过仿真和模拟测试对所设计的余度管理策略进行验证,结果表明该策略合理可行,不仅可以较好地完成余度管理任务,而且具有一定的抗干扰能力,能够提高飞行控制系统的稳定性和可靠性。

基于改进Tri-training算法投票机制的中文问句分类

原始的Tri-training算法在三个分类器给出的分类结果均不同时,默认第一个分类器给出的分类结果为分类器模型的最终结果,这在一定程度上有可能会降低分类器在这种情况下的分类精度。本文提出一种基于平时优秀思想的投票机制算法,该算法避免了默认将第一个分类器给出的结果作为分类器模型的分类结果这种片面的情况,并利用其对哈工大中文问句集和本文扩展问句集进行分类实验。结果表明,本文算法有良好的适应性,且分类正确率明显提高;适当增大训练集和未标记样本数据,可以增强分类器的泛化能力,从而使分类正确率提高。

基于Voting和Stacking集成算法的岩爆倾向性预测

岩爆是矿山深部开采中常见的地质灾害,准确预测岩爆可降低矿山生产安全风险。将机器学习应用于岩爆预测是切实可行的,但仅用一种方法或将几种方法简单结合对于提高岩爆预测的准确性或泛化性作用十分有限。基于此,将最大切向应力、应力集中系数、脆性系数、弹性能量指数等作为指标,利用231组有效岩爆数据,基于Voting和Stacking集成算法,融合精确率较高的6种基础分类器(LR、RF、SVM、DT、KNN、GNB),建立了4个集成分类器V 1、V 2、S 1和S 2。根据预测结果的混淆矩阵计算了精确率、准确率、召回率及F 1分数,对各分类器性能进行了评估,结果表明:基础分类器中SVM、RF对Ⅰ级、Ⅱ级样本较敏感,KNN对Ⅲ级、Ⅳ级样本更敏感;RF、SVM整体预测效果最好,精确率分别为0.93、0.94;集成分类器相对于基础分类器性能均有不同程度的提升,但受性能较差的基础分类器及投票机制影响,Voting集成分类器整体性能弱于Stacking集成分类器;4个集成分类器中S 1性能提升最显著,预测效果最佳,精确率、准确率、召回率、F 1分数分别为0.95、0.97、0.96、0.95;将基于Stacking算法构建的集成分类器S 1应用于秦岭隧道的岩爆预测,预测结果与工程现场实际一致,验证了其可靠性。

基于投票策略的智能配电网柔性负荷聚类分析方法

面向智能配电网台区负荷特性差异大,以及传统聚类算法的聚类效果、聚类精度以及鲁棒性难以平衡的问题,结合K均值(K-means)算法和基于灰狼优化的模糊C均值(fuzzy C-means clustering algorithm based on Grey Wolf optimization, GWO-FCM)算法等不同算法的聚类稳定性和聚类效应,提出一种基于投票策略的智能配电网柔性负荷聚类分析方法。通过集成树拟合,实现智能配电网台区柔性负荷高维数据的降维。利用马氏距离克服聚类指标维度的相关性,进而确定有效聚类数。通过卡林斯基-哈拉巴斯指数(Calinski-Harabaz, CH)确定基准聚类算法。通过一致性函数矩阵对聚类结果进行统一,攻克了聚类结果不稳定的问题,得到更一致、更稳定的总体聚类结果。通过宁夏回族自治区智能配电台区实际运行数据分析,验证了所提基于投票策略的聚类算法的有效性。

基于SM9盲签名与环签名的安全电子选举协议

针对电子选举过程中匿名性、公开可验证性、选票碰撞及伪造等问题,提出基于SM9算法的匿名公开可验证电子选举系统协议设计方案。以SM9签名算法为基础,构造基于身份的SM9盲签名算法和可链接环签名算法。算法安全分析表明,在随机预言机模型下,盲签名算法具有盲性和不可伪造性,环签名算法具有不可伪造性、匿名性、可链接性。在计算开销方面,盲签名算法在密钥提取阶段只需要1次标量乘、1次模逆和1次模乘运算,单次消耗的时间约为0.8717 ms,环签名算法在密钥提取、环签名生成、环签名验证阶段均具有较高的效率,整个环签名过程只需要5次双线性对运算,单次消耗的时间约为27.2617 ms。在通信开销方面,盲签名和环签名的签名长度均优于对比方案。电子选举协议的安全分析表明,所提方案满足电子选举系统的安全要求,与同类方案相比具有公开可验证、无收据性等优点,适合应用于大规模选举。

基于Voting机制的IMA-BP不平衡数据分类算法

针对传统分类模型在实际应用中对提取到的不平衡数据特征进行分类时分类结果精度低的问题,提出使用蜉蝣算法(mayfly algorithm,MA)优化的反向传播(back propogation,BP)神经网络分类模型。同时为了提升算法前期全局搜索能力和后期局部搜索能力,引入阻尼比系数和非线性惯性权重因子,构建出改进蜉蝣算法(improved mayfly algorithm,IMA)优化的BP神经网络(IMA-BP)分类器。根据该分类器分类具有随机的特点,引入集成学习中的投票(Voting)机制,将IMA-BP作为弱分类器,将各弱分类器的分类结果通过软投票方法融合,构成了一个Voting机制的IMA-BP分类模型。为验证分类模型的性能,使用UCI数据库中的数据集将该模型与其他的模型进行比较,结果表明Voting机制的IMA-BP分类模型对4个数据集的分类准确率分别为88.67%、96.67%、91.25%、93.52%,都要高于其他模型,说明该分类模型具有较好准确性和可行性,对一些分类任务具有较强的指导作用和应用价值。