基于差分隐私的活动模式保护与时空轨迹发布方法

为了解决用户轨迹数据发布时的活动模式泄露问题,本文提出了一种基于差分隐私的活动模式保护与时空数据发布方法DPAP-STTP(Differentially Private Activity Pattern and Spatial-Temporal Trajectory Publication),该方法即保护了用户时空数据中活动模式的隐私,又可以保证所发布时空轨迹在服务建议生成上的有效性.在DPAP-STTP中,用户的活动模式表示为个人代表性轨迹的动静态信息,包括代表性轨迹的时空密度分布、时空路径分布、移动模式以及时空跨度.另外,DPAP-STTP通过隐私保护预算与隐私保护阈值对该动静态信息进行调控,然后根据调控后的动静态信息依次划分时空网格、重构轨迹所处时空区间、时空轨迹点随机采样,最终生成满足群体差分隐私的时空轨迹进行发布.本文的实验比较了DPAP-STTP与DP-STAR(Differential Private Synthetic Trajectory Publisher)、BNA(Bounded Noise-Adding)所生成的轨迹在特定时空范围内的有效性,证明DPAP-STTP不但可重构服从群体差分隐私的时空轨迹,而且在时空网格上维持了时空轨迹的有效性.

融合动态区域检测的自监督视觉里程计方法

为解决室外场景中动态区域对视觉里程计计算过程的干扰,获得准确的相机位姿和场景深度,提出一种自监督深度学习框架下融合动态区域检测的视觉里程计算法.给定相邻2帧图像,首先,采用深度估计网络计算2幅图像对应深度图,采用位姿估计网络获得二者初始相对位姿.然后,借助视点变换,计算两视角深度图像之间的差异,确定动态区域.在此基础上,对输入图像中动静态区域进行分离.之后,匹配两视角图像静态区域特征,计算最终相机位姿.从光度、平滑度以及几何一致性三方面构造损失函数,并在损失函数中融入动态区域信息,对所构造网络模型进行端到端自监督训练.在KITTI数据集上验证了所提算法,并将其与最近2年提出的相关算法进行比较.实验结果表明,该算法能够更好地应对动态场景,实现更高精度的相机姿态估计和细小物体深度估计.

一种适用于DVE系统的基于索引的XML路由算法

针对分布式虚拟环境(Distributed Virtual Environment,DVE)系统的数据特点,提出了一种基于索引的XML路由算法——IAFilter。该算法通过对DVE系统中的动静态XML信息进行划分,分别选用了更合适的匹配算法和过滤策略;同时,采用结构匹配和谓词匹配相结合的方法,减少了不必要的结构匹配,有效地降低了系统路由器上谓词匹配的复杂度,提高了算法的通用性和灵活性。最后,在自主研发的DVE仿真系统——AIMNET上的实验结果表明,该算法是可行和有效的。

AIS电文解析技术研究

AIS电文解析是目前海上船舶监管信息系统获取船舶各种信息的主要途径之一。通过设计串口模块、显示模块和AIS电文解码模块实现了AIS船舶信息编码的接收、解析和显示,从而支持各种应用船舶信息的业务服务需求。

Study on Microblog Dissemination Law in View ol Forwarding

Forwarding is a major means of information dissemination on the Microblog platform.The article,combining static analysis and dynamic analysis,takes Microblog forwarding as the object of study,and studies the network topology of grass-roots Microblog forwarding users.It also studies the correlation between characteristic quantity and forwarding times of Microblog network topology.Furthermore,it conducts modification on virus transmission model,builds and verifies the Microblog forwarding dynamical model.The study finds out that Microblog postings present qute strong dissemination capacity on the initial stage,and some Microblog postings with many forwarding times and long duration of forwarding process due to the dynamic growth of the forwarding user network and the joining of strong nodes make network infection density decrease in some phases.