一体化标识网络映射缓存DoS攻击防范方法研究

为了抵御一体化标识网络中接人路由器可能遭受的映射缓存DoS攻击,本文提出了一种基于双门限机制的映射缓存DoS攻击防范方法.该方法设计了一种基于迭代思想的谜题机制降低映射缓存中映射信息条目的增加速率,并采用了映射信息可信度算法识别和过滤映射缓存中恶意的映射信息条目.仿真实验与性能分析表明,该方法能够有效地抵御映射缓存DoS攻击,防止映射缓存溢出.

基于结构熵的注意力流网络异构性研究

结构熵作为复杂网络无序程度度量的重要手段,反映了网络内结构的异质性。传统结构熵在刻画复杂网络异构性时只关注网络结构中的“点”和“边”,表征注意力流网络结构的异构性特征时存在不足。对此,基于在线点击行为数据构建注意力流网络,在传统网络结构熵的基础上,综合考虑站点的边权重、站点的总停留时长等网络特征属性,定义了结构熵模型。进而,从站点的流强度、吸引注意力的能力等指标计算站点综合力,提出了注意力流网络异构性度量算法ANSE。实验结果表明,提出的结构熵可以有效地反映注意力流网络的结构特征,准确地度量注意力流网络中站点之间的差异性,分析站点重要性排序,通过和传统经典算法对比,在站点影响力排名上证明了该算法的优越性和有效性。

注意力流网络中节点影响力的层级性研究

复杂网络中节点影响力的层级性在网络结构与控制研究中至关重要。针对有向加权网络中节点影响力的层级性问题,基于海量在线用户行为数据,构建有向加权集体注意力流网络。通过定义节点的层级位置时间和位置约束指标,并结合节点的拓扑位置和时间序列,提出一种用于有向加权网络的节点影响力度量及排序算法。实验结果表明,该算法能有效区分网络层级结构,准确识别出最具影响力的节点,对于节点影响力评估与复杂网络可控性研究具有一定的借鉴意义和参考价值。

基于小数据的在线用户兴趣长程演化研究

网络大数据中与Web用户行为相关的数据,例如在线点击数据和通讯记录等,为人们深度挖掘和定量分析人类兴趣动力学带来了机遇,这些在线行为数据被称为大数据时代的"小数据",有助于揭示许多复杂的人类社会与经济现象.Web用户行为建模时常见的前提假设就是人的行为符合Markov过程,用户下一行为仅依赖于当前行为,与过去的历史行为无关.然而,在线用户行为是一个复杂过程,常常依赖于人的兴趣,对于人类兴趣动力学的本质规律目前知之甚少.利用中国互联网络信息中心提供的30 000多名在线用户行为记录数据,基于块熵理论对在线用户行为进行分类研究,通过信息论分析方法,结合熵增曲线的离散导数和积分理论,分析在线用户点击行为的随机性和记忆性特征.研究表明,与常见的假设不同,Web用户的行为并不是一个简单的Markov过程,而是一个符合幂率的非周期无限长程记忆过程;进一步还发现,用户在线连续点击7个兴趣点,其行为的平均预测增益就可达到95.3%以上,可为大数据时代在线用户兴趣精准预测提供理论指导.

语义不确定时态跨度的规范化处理及近似运算

不确定时态的语义处理及近似运算是时态系统的研究与应用中不可忽视的基本问题。不确定语义的转换、时态粒度的规范化以及不确定时态间的近似运算和语义还原成为不确定时态信息处理中的难点。针对时态跨度中不确定语义造成的时态不确定性与多样性,提出了对不确定语义进行转换的思想,将其转换为区间数的形式,结合时态的粒度属性,给出了不确定时态跨度的形式化描述,使其成为可计算问题;根据时态粒度约束对不确定时态跨度进行了规范化处理,使其可以参与运算;最后结合时态区间数给出了不确定时态跨度间的运算及语义还原方法,有效地处理了不确定时态跨度间的复杂运算,典型的运算过程均给出了示例予以说明。

语义不确定时态的区间集重构及近似度量方法研究

为了解决语义不确定时态的近似精确度度量问题,针对不确定语义造成的时态不确定性与多样性,提出对不确定语义进行转换的思想,将其转换为邻域或区间,成为可计算问题;结合时态的粒度属性与不确定的语义,给出了不确定时态粒点和不确定时态粒区的形式化描述,不确定时态元素因此可参与运算;提出了时态区间集将时态元素在离散状态下进行重构,采用下近似和上近似的思想明确划分了不确定时态中的确定元素和不确定元素;进而给出了不确定时态粒点和不确定时态粒区的近似精确度计算方法.

多目标优化的云计算虚拟集群动态调整方法

当前云计算应用中提供的虚拟集群尚不能自动的根据实际网络应用负载作动态调整,从而导致网络虚拟集群的资源利用与负载不适应,使得较多的计算资源空闲在集群中,产生能源浪费。针对上述问题,提出一种多目标优化的云计算虚拟集群动态调整方法,并给出虚拟集群动态调整框架。实验结果表明,该方法可以自动调整虚拟集群规模以适应网络应用负载,并能达到充分利用云计算资源和减少云计算能源消耗等优化目标。

一种基于节点全局信任值的BitTorrent系统区分服务机制

BitTorrent系统中节点的搭便车行为严重影响系统的健壮性和稳定性.针对BitTorrent系统中搭便车行为抑制机制存在的不足,提出一种基于节点全局信任值的区分服务机制.在该机制中,Tracker服务器依据节点反馈的本地信任值计算节点全局信任值,依据全局信任值识别贡献节点与搭便车节点,对两类节点采取区分服务策略:为贡献节点与搭便车节点分别返回其同类对等节点,使搭便车节点无法与贡献节点建立连接进而获取文件资源;在贡献节点中又进一步区分高贡献节点和普通贡献节点,引入返回比例因子为其提供差异服务,使高贡献节点获得更快的下载速度.实验表明,该机制能有效隔离并惩罚搭便车节点,奖励高贡献节点.

虚拟空间中社会分层行为研究

大量的人类行为发生在互联网上,互联网已成为与真实空间相对应的最重要的虚拟空间。传统虚拟空间中的社会分层研究基于网络信息资源占有的机会和能力等客观指标,并未涉及用户使用网络资源的具体行为及信息的内容和性质等因素。利用中国互联网络信息中心提供的用户在线行为大数据,从在线时间和上网内容两方面考察并分析了不同阶层的用户在虚拟空间中上网行为的特征和差异性。研究发现不同阶层的用户在虚拟空间中的停留时间和注意力聚焦点都大不相同。较高阶层用户能更好地利用网络资源办公和购物,且在虚拟空间中的停留时间具有相对稳定性。而较低阶层用户将大量的注意力消耗在休闲娱乐类应用上,且停留时间不稳定。此外,本文利用基于word2vec的神经网络模型(W2V-BP),对用户在虚拟空间中的上网行为数据进行社会分层识别,识别准确率达到90.22%,表明虚拟空间中存在能够区分社会分层的行为特征。

基于加密的BitTorrent系统间接激励机制

针对BitTorrent系统中的节点剥削行为,提出一种流模型论证剥削行为对系统性能的影响,通过该模型得到"剥削容忍阈值",当系统中剥削节点的比例超过该阈值时,系统可能"死亡"。为避免系统"死亡",提出一种基于加密的间接激励机制。在该机制中,节点必须经过一段时间的供种才能够获取密钥,还原下载的文件,同时该机制还能够根据节点的供种贡献对其下载行为进行奖励。实验结果证明:BitTorrent系统中节点不会因其供种行为获得任何奖励,无法达到抑制剥削行为的效果;引入所提出的机制后,供种节点的下载效率是原BitTorrent系统的2～3倍。

虚拟空间中在线同源用户行为相似性研究

虚拟空间中在线同源用户具有相似行为特征,但现有相似性度量算法难以对其进行有效识别。提出一种基于序列对齐的在线同源用户识别算法,根据在线用户行为日志提取点击流数据,采用序列对齐方法计算在线用户的行为相似度,将其用行为相似度矩阵表示并对用户进行层次聚类,以识别虚拟空间中的在线同源用户,同时分析不同维度的用户特征属性对用户行为相似性的影响程度。实验结果表明,该算法能准确识别出在线同源用户,用户行为相似性受性别、户籍和教育程度3种特征属性影响较大,受年龄、社会阶层和收入水平的影响较小。