区块链共识算法研究综述

区块链已广泛应用于货币金融、通信网络、信息安全、物联网、电力运行管理和社会职能管理等多个领域,但依然存在许多急需解决的问题。共识算法是区块链的核心技术之一,是区块链各节点达成一致性最为重要的底层技术,是解决区块链吞吐量太小、通信存在延迟等一系列问题的关键技术,是区块链安全运行的重要保证。文中基于区块链共识算法的设计原理,主要介绍了区块链的构成、分类、架构、上链、节点处理流程及存在的问题,重点阐述了现有PoW、PoS、DPoS、PBFT、Raft、Paxos、Ripple等共识算法设计思路、共识理论及流程,对共识算法中的共性问题,即算法优化、算法效果进行了综合概述和分析,并对区块链共识算法研究进行了展望,希望开发出更加高效、安全的共识算法。

基于语义关联融合的案件识别

案件类型的判别是后续案件规律挖掘的重要一环。历史案件数据主要以犯罪人员作案类型划分,并未从受害者和案发地址等角度开展研究。为挖掘数据潜在价值,本文在此展开案件实体关系研究,结合案发地址类型实现涉医涉校案件判别,针对特定类型的案件,可以制定相应的预防策略和优化预防措施。特定案件识别可以分解为三个部分:首先,采用地址相似性和关键词文本分类两种方法实现案发地址类型判别,同时借鉴优化余弦和弹性距离算法,提升地址类型判别的效率;其次,使用中文句法结构,弥补要素提取模型姓名和职业分离缺陷,锁定受害人姓名所对应的职业;最后,在地址类别和人职关系的基础上,设置打标的筛选规则,实现特定案件的识别。

基于候选区域生成的弱监督图像语义分割算法

针对现有弱监督语义分割方法依赖于初始响应以及分类任务,只关注区分目标对象区域,无法通过完整的区域来优化损失函数的问题。论文提出了一种基于候选区域生成的语义分割算法,用于图像级标注的弱监督图像语义分割。该算法首先在分类网络中引入混合数据增强方案,再通过制定相应的策略,对图像特征进行聚类,构建子类目标并生成子类标签,从而使得训练过程不仅仅依赖于可区分的对象区域。在PASCAL VOC 2012数据集上进行了全面的实验和分析,与其他弱监督语义分割算法相比,论文提出的算法表现出良好的性能:通过使用混合数据增强以及自监督的候选区域生成的方法,使原始图像产生更加完整的响应映射,将交并比(IoU)提高了2.1%,提高了最终分割网络的性能。

基于矩阵分解的协同过滤算法研究

针对协同过滤算法中相似度计算方式只考虑单一评分数据从而导致推荐效果不理想、且在数据稀疏条件下推荐结果不全、效率不高等问题,提出一种改进的协同过滤推荐方法,通过矩阵分解,构建用户表征向量来计算用户相似度。首先,构建用户表征矩阵和物品项目表征矩阵。其次,设置损失函数,使用户表征向量与物品表征向量内积拟合评分数据,最后,使用用户表征向量计算的相似度与传统相似度以特定权重相融合。在MovieLens数据集上进行实验,结果表明改进后算法在绝对平均误差MAE上有所提升,在数据稀疏的情况下提高了推荐的准确率。

基于BERT的黑灰产网页分类方法研究

本文提出了一种基于BERT模型的网站分类算法,用于识别特定网站。该算法利用BERT提取网页文本句子特征向量,并采用自注意力层,解决了计算机配置要求的问题。句向量经过核函数SVM分类器进行分类,使用Focal loss处理数据不平衡。实验结果表明,该方法在分类准确度方面明显优于传统机器学习算法和独立的BERT模型。

PU平台学生满意度及其影响因素研究——以南京信息工程大学为例

学生对PU平台满意度体现了第二课堂开展情况,对推广和完善第二课堂制度具有重要借鉴意义。本文基于南京信息工程大学的500份调查问卷,在分析学生对PU平台满意度的基础上,运用多元线性回归分析影响因素。研究结果表明,学生对活动的兴趣度对于PU平台满意度的影响最大,其次是学时分配和页面逻辑,个体因素对于PU平台满意度的影响都是不显著的。最后,根据实证研究结论提出提高PU平台满意度的政策建议。

一种基于测速行为的VPN服务器节点识别

随着互联网络的快速发展与应用普及,虚拟专用网络(VPN,virtual private network)技术被越来越多的企业和个人用于规避网络审查,这给网络空间监管与治理带来了巨大挑战,VPN加密流量的识别对于网络空间的治理愈发重要。因此,针对VPN流量识别问题,受VPN软件测速的启发,提出了一种多策略混合VPN节点识别方法,该方法融合了基于随机森林算法的测速单元发现、基于DBSCAN聚类算法的VPN节点推荐以及基于主动探测的VPN节点验证等多种策略,实现了从VPN发现到验证的闭环;在真实千亿级超大规模网络流量元数据集上,对提出的方法进行验证;实验结果表明,基于随机森林算法的分类模型,对测速行为识别的泛化准确率可在90%以上;基于主动探测验证机制对疑似VPN进行验证,准确比例达90.6%;多策略混合VPN识别方法可有效识别VPN节点,为VPN加密流量识别研究提供了新的视角。

基于泛癌数据的公共驱动通路识别算法

识别不同癌症之间的公共驱动通路是揭开癌症奥秘的重要问题之一,也是研制靶向多种癌症的药物的关键所在。论文基于计算各癌症的绝对权重累加值的ComMDP方法,提出了一种基于相对权重累加值、并利用调和平均数以最小化各相对权重离散度的数学模型。通过引入二进制粒子编码方式、粒子速度表示和粒子运算操作,设计求解该模型的粒子群优化算法P-CDP。利用模拟数据和四种真实的癌症数据进行实验测试,结果表明,基于提出的模型和P-CDP算法能够识别出被ComMDP方法遗漏且具有生物学意义的驱动通路。因此,该模型和方法可成为识别癌症驱动通路的有效补充工具。

基于单DOM树特征预分类的自适应Web信息抽取方法

在传统的舆情中多为基于模板采集模式,基于减少人工维护的目的,文中提出一种基于单DOM树特征预分类的自适应Web信息抽取方法,分为链接预分类与信息抽取两个部分。链接预分类采用SVM分类算法,提取信息超链接在页面中的特征进行分类学习,再对分类结果进行同源的Web信息提取。实验表明,此方法预分类结果准确率可达94.48%,召回率为94.77%。

基于GRU+LDA的群聊主题挖掘

社交网络发展迅速,即时消息系统已成为人们日常生活中必不可少的沟通交流工具。在线群聊能使人们迅速交流生活、技术及工作等信息,但是由于群聊信息更新较快,大量的信息导致跟进群聊话题是困难的。传统的主题挖掘模型不能很好地适用于群聊文本的挖掘。通过对群聊文本的特征进行分析,提出一种基于GRU和LDA的群聊会话主题挖掘(GLB-GCTM,GRU and LDA Based Group Chat Topic Mining)模型,解决了传统主题模型不能解决的词语顺序问题。首先,假定每个文档有一个基于高斯分布的主题向量,然后根据GRU原理产生每个词的隐含状态,根据当前词的隐含状态的伯努利分布确定当前词是否为停用词,以决定所使用的语言模型。该方法使用笔者加入的10个QQ群最近3个月的群聊数据集进行试验验证,结合对比实验评估标准,该模型能够有效识别出群聊文本中的主题。

无线城市数据中的社团发现方法

为了在缺失社交关系的无线城市接入日志中挖掘频繁共现的社团结构。提出了一种基于无向有权图的社团发现方法:团搜索(Clique Search)。该算法将日志数据映射到图空间,通过挖掘其中的团来对潜在的社团关系进行挖掘。相较于传统算法,该算法显著减小了运算时间复杂度与空间复杂度。实验结果表明,随着输入数据集规模的增长,该算法仍然能够在常数级别时间内完成计算。算法中的参数δ对结果社团中成员的联系紧密度影响比较明显,使用不同的δ值可以满足不同应用的需求。

两种时间序列模型在客流量预测上的比较

模糊时间序列模型和季节模型都是基于时间序列的模型,为了探讨在时间序列表现出一定的周期性时,哪种模型的预测效果会更好,分别利用模糊时间序列模型和季节模型对南京某商场的客流量进行预测,计算并比较两种方法下的相对误差值和RMSE(Root Mean Square Error)值,发现季节模型的相对误差值图形的平滑度要优于模糊时间序列模型,季节模型的RMSE值小于模糊时间序列模型,这表明考虑到数据特征的模型有更好的预测结果。

基于BERT和GCN的引文推荐模型

采用一个组织良好的数据集和基于深度学习的模型,实现根据上下文获得论文的引文推荐。模型包括一个文档编码器和一个上下文编码器,使用图卷积网络层(GCN)和预训练模型BERT[1]的双向编码器表示。通过修改相关的PeerRead数据集,建立一个PeerReadPlus新数据集,它包含引用文献的上下文语句和论文元数据。结果表明,在采用BERT进行上下文编码,改进上下文侧的表示学习后,该模型的性能获得了显著的提升,平均精度均值(MAP)和召回率(Recall@K)均提高了28%以上。

基于XGBoost算法结合域名信息筛选的流量识别方法

传统的流量识别方法主要有基于流量行为特征的指纹信息匹配技术、深层数据包检测技术、基于端口映射的流量识别技术等。基于机器学习的识别技术是目前较为先进的一种,它利用机器学习自学习、自组织和自适应的特性,可有效解决传统流量识别方法存在实现复杂、速率慢等问题,但是由于网络环境当中存在大量的背景流量,导致机器学习的精确率较低。本文针对传统的流量识别技术和单纯机器学习方法的缺陷,提出了一种使用XGBoost机器学习模型与域名信息结合的方式进行流量识别的技术,首先分别对HTTP协议数据和HTTPS协议数据构建机器学习模型进行流量的初步识别,然后构建应用与其二级域名的映射关系。对于模型识别为正类的数据提取域名信息(HTTP提取host字段、HTTPS提取SNI域),最后根据应用与二级域名的映射关系对模型识别的结果进行二次筛选,进一步提高准确率。

基于改进TFIDF算法的邮件分类技术

随着电子邮件的普及,垃圾邮件的泛滥问题也逐渐引起人们的关注,垃圾邮件分类技术的研究成为了近年来的热点课题。邮件特征选择会直接影响到分类的效率和精确度,使用TFIDF算法可以有效评估一个特征项对于邮件分类的重要程度。但在邮件分类中单纯使用TFIDF来判断一个特征是否有区分度还存在很多的不足:没有考虑到特征词在类间和类内的分布情况,低估了高频词的作用并高估了低频词的作用。对TFIDF算法进行修改,降低特例邮件中频繁出现的特征词的影响,引入了频率差,增加了在类中频繁出现的词条的权值,并减小了在类中出现频率小的词条的权值。最终将改进的TFIDF算法与传统特征提取算法进行对比。实验结果表明,改进算法可以选择出更合适的特征项集合,从而使邮件分类的效果更好。

基于域名词间关系的字典型恶意域名检测方法

大量僵尸网络开始采用字典型域名生成算法(domain generation algorithm,DGA)进行命令与控制(C&C),使得计算机网络面临愈加严重的威胁.针对字典型域名生成算法所生成的恶意域名具有与正常域名相似的字符特征及传统的基于域名字符统计特征与2-gram模型的检测方法逐渐失效的问题,提出一种基于构成域名字符串的单词词间关系来识别字典型恶意域名的方法.实验结果表明,对于字典型恶意域名家族,该方法的F1值比基于域名字符统计特征的方法提升了3.45%,比2-gram模型提升了2.84%.

基于用户兴趣相似度与熟悉度的兴趣点推荐算法

在兴趣点推荐中,由于用户签到矩阵的稀疏性问题,基于协同过滤的兴趣点推荐算法难以准确计算用户相似度,导致推荐效果不理想。论文提出一种基于用户兴趣相似度和熟悉度的兴趣点推荐算法,能在稀疏的数据集上计算用户相似性,改善邻近用户搜索质量,提高推荐准确率。实验结果表明,论文方法与其他矩阵分解算法相比具有更好的推荐效果。

基于深度学习的新闻档案信息管理方法

当前社会是以互联网、大数据、人工智能为代表的新信息技术蓬勃发展的时代,5G时代的到来代表着我们已经进入了一个“声屏阅读”的快节奏时代,这也使新闻档案的管理工作日益艰巨。在信息技术百花齐放的大环境下,运用深度学习的技术,将新闻视频档案转变为摘要文字的形式进行存储,可以有效地提高档案管理工作质量,减少工作人员在档案整理过程中的工作量,为新闻档案的管理和检索带来了极大的便利。

基于深度学习的档案知识图谱构建研究

随着社会的发展,人们的生活节奏不断加快,如何帮助用户在浩如烟海的档案中快速找到有价值的信息是档案管理者亟须解决的问题。知识图谱(Knowledge Graph)是一种语义网络的知识库,表现形式为包含了多种经过智能加工处理的结构化知识的图形网络。将档案数据转化为知识图谱进行存储展示,一方面可以降低档案管理者的工作量,另一方面可以提升用户的档案检索效率。但由于档案数据包含多个领域、多种形式的数据。

阿里云平台快速接入企业数据带来的益处

据IDC报告显示我国已进入大数据时代。众厂商各类服务系统中传统的数据处理逐渐演变成独立的计算业务,从而为社会各界提供服务。但企业自行建造大数据平台门要求高,诸如资金、场地、人员、技术等。有幸,阿里云平台提供了一个开放、兼容的大数据生态平台体系,为中、小、微企业对大数据计算的需求提供了坚实后盾。