基于CP-ABE算法的Fabric隐私保护模型

传统区块链系统缺少对区块数据的隐私保护。结合CP-ABE(基于属性加密的密文策略)算法和IPFS(星际文件系统),提出一种可以对Fabric区块链实现访问控制的隐私保护模型CP-PPM。CP-PPM的数据所有者可以灵活设置访问控制策略。仿真结果表明,与现有Fabric区块链系统相比,CP-PPM模型支持细粒度的访问控制,具有更强的隐私保护效果;CP-ABE算法可以安全初始化,对数据的加解密效率更高,同时增强了区块链系统的存储性能。

针对电力CPS数据驱动算法对抗攻击的防御方法

大规模电力电子设备的接入为系统引入了数量庞大的强非线性量测/控制节点,使得传统电力系统逐渐转变为电力信息物理系统(cyber-physical system,CPS),许多原本应用模型驱动方法解决的系统问题不得不因维度灾难等局限转而采取数据驱动算法进行分析。然而,数据驱动算法自身的缺陷为系统的安全稳定运行引入了新的风险,攻击者可以对其加以利用,发起可能引发系统停电甚至失稳的对抗攻击。针对电力CPS中数据驱动算法可能遭受的对抗攻击,从异常数据剔除与恢复、算法漏洞挖掘与优化、算法自身可解释性提升3个方面,提出了对应的防御方法:异常数据过滤器、基于生成式对抗网络(generative adversarial network,GAN)的漏洞挖掘与优化方法、数据-知识融合模型及其训练方法,并经算例分析验证了所提方法的有效性。

CP神经网络在图像边缘检测中的应用

利用CP神经网络分别实现了对二值图像和灰度图像的边缘检测。利用神经网络提取二值黑白图像的边缘,对于灰度级为256的灰度图(灰度值在8个位面上分别为0或1),采用已学习好的二值神经网络在8个面上分别进行边缘检测,然后综合各个面的检测结果,解决了直接用灰度图学习造成的训练样本数量过大而难以收敛的问题。试验结果表明,该方法得到的边缘图像边界连续性较好,边界封闭性好,而且对于任何256级灰度图的检测都可以得到很好的效果。

应用CP网络进行岩性识别

为通过测井解决岩性识别问题 ,引入了具有分类准确、算法简练等优点的CP(Counter -Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上 ,结合某油田的实际测井资料 ,进行了CP网络岩性识别研究。应用结果表明 :CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论 :CP网络完全可以用于解决岩性识别等问题 。

基于CP-ABE算法的云存储数据访问控制

针对云存储服务网络特性和数据共享特性安全问题,提出一种基于CP-ABE算法的密文访问控制机制。从访问权限控制及访问控制体系结构2个方面对上述访问控制机制进行研究。给出相应的安全算法数据结构,并对其进行了仿真和性能分析。该安全机制在服务提供商不可信的前提下,保证在开放环境下云存储系统中数据的安全性,并通过属性管理降低权限管理的复杂度。

云环境下一种基于数据分割的CP-ABE隐私保护方案

针对云计算隐私安全保护,提出了一种基于数据分割的CP-ABE(密文策略的基于属性的加密方案)隐私保护方案,克服了云环境下不可信第三方、安全性和性能开销的三大难题。本方案利用数据分割思想将数据分为大数据块和小数据块,通过分割策略对大数据块再进行分块,并用CP-ABE算法对小数据块进行加密。经理论分析及实验仿真表明,在云环境下,此方案在安全问题、开销问题及扩展问题上都有很大优势。

在策略SARSA算法在互联电网CPS最优控制中的应用

CPS标准下的互联电网的自动发电控制(AGC)系统是一个典型的不确定随机系统,提出一种新型应用于AGC系统的随机最优控制策略——基于SARSA算法的互联电网CPS最优控制策略。SARSA算法更多地考虑控制策略动作的花费,倾向于避开进入随机系统中搜索一些危险的状态,相对于离策略(off-policy)的Q学习算法,在策略(on-policy)SARSA算法的学习试错过程中对受控系统影响更小。仿真结果表明,基于SARSA算法的CPS控制器较Q学习算法有更好的鲁棒性和适应性,能够获得更佳的CPS指标。

CPS在线计算的递推算法

在北美电力系统可靠性协会(NERC)提出的电力系统控制性能标准(CPS)CPS1和CPS2的在线计算问题中,对各种数据求取相应时间段的平均值是在线计算的重点。分析了常用平均算法的动态特性,以一个两区域互联系统为模型,讨论了平均周期的选择对CPS计算结果的影响,即平均周期过大时,ACE的平均值将仅体现电力系统的静态特性,由一、二次调频等所引起的动态特性将被滤掉。并针对常用平均算法,数据存储量大,计算速度慢的不足之处,给出了递推平均算法及相应的改进的递推平均算法,即用数字低通滤波器来实现同样的目的。改进算法具有数据存储量小,易于编程且计算开销显著减小的特点。

基于改进CP-ABE算法的ABAC机制研究

为解决基于属性的访问控制(ABAC)机制下的数据安全问题,从访问体系结构和形式化定义两方面对ABAC机制进行研究,并进行了仿真和性能分析。通过与传统CP-ABE算法进行比较,提出一种适用于ABAC环境的改进CP-ABE算法,给出了改进算法的形式化定义。与传统CP-ABE算法相比,该算法在ABAC环境下具有更低的存储消耗和更高的效率。

基于强化学习的互联电网CPS自校正控制

AGC是一个动态多级决策问题——马尔可夫决策过程(MDP),应用强化学习算法可有效地实现控制策略的在线学习和动态优化决策。引入Q学习算法作为强化学习核心算法,将CPS值看作包含AGC的电力系统"环境"所给的"奖励",依靠奖励值Q函数与CPS控制动作形成的闭环控制结构实现在线学习。学习目标是使CPS控制动作从环境获得的长期积累奖励值最大,从而快速自动地在线优化CPS控制系统的输出。仿真研究显示,引入强化学习自校正控制后显著增强了整个AGC系统的鲁棒性和适应性,有效提高了CPS考核合格率。

基于蚁群算法的分布式CPS系统任务调度设计

针对CPS系统中资源和任务的复杂性,同时为了保证CPS系统资源管理和任务调度的快速性、准确性和有效性,构建了分布式CPS系统结构模型,并设计和实现了基于蚁群算法的资源分配策略,在算法中设计了局部和全局信息素更新规则,将资源管理、任务调度和执行相结合,同时兼顾网络的负载平衡问题和服务质量问题。利用Matlab对基于蚁群算法的分布式CPS系统任务调度策略进行了仿真实验,实验结果证明该策略缩短了整体任务调度的总完成时间,并随着任务数的增加,任务时间缩短的效果更加明显。

基于CP-ABE算法的云存储数据访问控制方案设计

云存储作为一种新兴的数据存储和云计算管理系统,得到了社会越来越多的关注。在云存储应用过程中,已经暴露出许多安全性问题,从而制约了云存储的进一步发展。针对云存储安全问题,文章提出了一种基于密文策略属性加密的安全、高效、细粒度的密文访问控制方案。文章首先对CP-ABE算法原理进行介绍,并在此基础上提出了改进算法,通过减少密钥计算量降低系统开销,提高运算效率。其次,建立密钥管理中心、用户和云存储服务器三方实体,同时对系统初始化、私钥申请、文件上传及文件下载流程进行描述。方案中数据属主利用私钥对文件摘要进行签名实现数据认证,避免了验证PKI公钥证书过程,提升认证效率;采用收敛加密技术实现密文数据冗余检测,提升存储空间利用率。最后,文章针对新方案的安全性进行理论分析,并通过仿真实验测试运行效率。实验证明,与一般方法相比,在用户属性和用户个数增长的条件下,新方案消耗的生成私钥时间最短且占有最小的存储空间。

油水层快速识别改进的CP网络方法初探

CP网络具有分类快速、准确等优点。文中详细介绍了CP网络的算法 ,并对其进行了部分改进 ,增加了误差检验和网络测试功能 ;使用VisualBasic 6 .0开发了相应仿真软件 ,并将其用于某油田的油、水层快速识别。实际应用表明 :改进的CP网络训练周期短、识别准确率高 ,完全可以用于油、水层等的快速识别 ,具有广阔的应用前景。

BF-PSO算法在电网CPS标准经济考核中的应用

对于如何减少调度控制性能标准CPS(control performance standard)的考核罚款及机组的运行成本,提出了一种基于混合粒子群优化的细菌觅食算法BF-PSO(bacterial foraging-particle swarm optimization)自整定PI控制。文中首先详细介绍了粒子群算法和细菌觅食算法的基本原理,在结合两种算法的基础上,以发电成本和考核罚款之和最小为目标提出了一种新的PI整定方法,通过Matlab的Simulink仿真软件建立了一个多区域电力系统的CPS考核系统模型,对优化前后的控制效果进行了对比,仿真结果说明新的控制方法在保持CPS控制效果的基础上,实现了对电网的经济调度。

基于改进遗传算法的CPS任务分配方法

信息物理系统(CPS)已经成为近年来计算机、传感器等科学研究的热点。由于任务分配的优化程度直接影响到整个系统的性能,该研究已成为CPS系统研究过程中的关键问题。针对这一问题并考虑到传统方法在任务优化性能及效率上的不足,引入并改进遗传算法,提出了一种基于改进遗传算法的CPS任务分配方法。通过动态的变异算子及变异操作保持群体的进化特性,克服了标准遗传算法(SGA)交叉操作中较大的盲目性与随机性。实验结果表明,改进的遗传算法在任务分配的收敛速度和效率上都比标准遗传算法有较大程度的提高,平均收敛速率提高了20%。

基于CP结合DE-GWO-SVR的海上风电基础结构损伤识别

结构仅输出的振动信号往往是各种源信号通过复杂规律形成的混合信号,对结构损伤特征提取与数据挖掘造成了很大困难。对此,提出了一种基于盲源分离(BSS)理论的复杂度追踪(CP)算法结合差分进化(DE)改进灰狼(GWO)算法优化的支持向量机(SVR)用于解决复杂结构的模态与损伤识别;CP算法基于信号预测性函数通过使分离信号的时间预测性度量最大化找到其线性混合矩阵,使分离分量具有最小复杂度并据此估计源信号。利用CP算法对结构响应信号进性分离得到信号分布向量(SDV)与分离源信号,通过定义差值曲率分布向量可以对结构损伤位置进行准确定位;对于损伤程度的识别,提出了一种DE改进的GWO对SVR进行优化的算法,即在GWO算法迭代过程中利用差分进化思想引入动态缩放因子以及交叉概率因子提高搜索和收敛速度,扩大种群所搜范围;利用不同工况下CP算法提取的差值曲率分布向量对结构损伤程度进行识别。通过对海上风电基础结构数值模型的分析,结果表明:CP算法对于高阶模态参数识别较fastICA表现出较强的适应性与优越性;同时,DE-GWO能够提高收敛速度,通过SVR算法对损伤的识别结果相比于BP神经网络更加准确。

计及负荷优化重配的电力CPS可生存性量化评估

针对电力信息物理融合系统(CPS)规模不断扩大且现有级联失效模型忽略信息流和潮流转移特性,使得可生存性难以快速有效评估的问题,计及负荷优化重配对电力CPS可生存性进行量化评估。首先,根据系统拓扑结构和关联关系,通过定义度函数和电气介数建立了度—介加权电力CPS关联矩阵,实现了耦合CPS的形式化表征。然后,从CPS级联失效的结构连通性变化和风险传播范围两个维度出发,基于节点负荷容量限制、信息流择优分配策略、潮流优化方程和系统安全运行等约束条件设计了可生存性评估模型。最后,采用混沌Lévy搜索萤火虫算法对评估模型进行高效求解。通过算例分析,有效量化评估了电力CPS的可生存性并提高了大规模耦合系统的评估效率。

CP-nets及其表达能力研究

偏好处理是人工智能中的一个重要研究内容,它的4个研究热点是偏好的表示、提取、聚合和推理.条件偏好网(Conditional preference networks,CP-nets)是一种简单直观的偏好表示的图形工具,但很少有工作研究CP-nets的表达能力.本文研究CP-nets的表达能力,详细研究了CP-nets表达偏好的完备性,其上构造的运算复杂度以及适用的场合.首先给出了CP-nets模型上的几个运算,利用改进的Warshall算法求出了二值网的强占优测试在最坏情况下的复杂度为O(4n).其次通过构造CP-nets导出图及其性质的研究,得出CP-nets特别适合不完全信息下的多属性定性偏好决策.当需要处理更完全信息时,可借助于与Agent的交互来完成.虽然我们给出了CP-nets的强占优测试的理论解,但其理论上可解,实际上不可解.为了解决强占优测试的指数级复杂度问题,本文最后给出了一种带有软约束的满足问题(Soft constraint satisfactionproblem,SCSP)的求解方法.它把CP-nets中的定性运算转为约束半环中的定量运算,从而将指数级的复杂度转化为多项式的复杂度,间接提高了部分CP-nets的表达能力.本文所做的工作是对Boutilier和Bistarelli工作的改进和提高.

基于改进ELM算法的水电站数字孪生系统仿真实验

为提高水电站数字孪生系统信息物理融合网络安全检测的准确率,提出一种基于改进极限学习机(ELM)的检测方法。以ELM算法为基础检测算法,通过改进其加权方式,同时引入头脑风暴优化算法(BSO)确定ELM的最佳输入权重和隐含层偏置参数;最后,将改进的ELM算法应用于水电站CPS网络安全检测中。仿真结果表明,改进ELM算法在数字孪生的CPS网络安全检测中具有明显的优势,检测准确率、检测率、召回率更高,误报率更低,且检测时间仅为0.39 s,表现出良好的实时性。改进的BSO-ELM方法可实现水电站数字孪生系统CPS网络的安全检测,提高数字孪生系统的安全性。

身份信息数据安全存储和自动化共享方法

为解决身份信息数据存储和共享时的安全问题,提出基于多数据库网络交易的CP-ABE的身份信息数据安全存储和自动化共享方法。构建基于区块链技术的多数据库网络身份信息数据安全存储和自动化共享架构,利用CP-ABE方法对身份信息数据进行加密保护;采用区块链的分布式存储技术,将身份信息数据分块存储在交易数据库内,在区块链中存放数据的地址和哈希值,保障数据库内身份信息数据安全;采用安全多方计算方法保证多数据库网络身份信息数据自动化共享安全。实验结果表明,该方法在攻击30 min后便不会产生数据泄露,最大泄露量始终未超过0.8%,数据完整性校验结果均达到95%以上,节点处理响应时间均低于1 s,带宽利用率均高于90%。