求解多维复杂函数及真实世界工程设计问题的高效海洋捕食者算法

针对海洋捕食者算法在面对复杂函数和工程设计优化问题时存在的自适应能力有限、寻优精度有时较低、局部桎梏概率较高等缺点,提出一种新的高效自适应海洋捕食者算法.首先在海洋记忆存储阶段引入学习自动机引导的教与学搜索机制,更好地平衡算法在不同迭代时期对探索和挖掘能力的不同需求;然后在局部开发阶段,引入对数螺旋探索机制,加强算法在最优解附近的精细挖掘能力,进一步提高收敛精度;最后在算法中每次迭代末尾处加入改进的自适应相对反射策略,提升种群跳出局部最优的能力,降低局部桎梏概率.为了分析和验证该改进算法的性能,将其和6种代表性算法在进化计算大会(CEC)2017测试套件上进行100维的函数极值测试,并在4个具有挑战性的工程设计优化问题上进行测试.测试结果表明在求解多维复杂函数和工程设计优化问题时,本文改进算法的寻优精度、收敛性能和求解稳定性明显优于其他6种代表性算法,尤其在高维复杂函数下,其寻优性能的优越性更为显著.

基于同态加密的区块链混币方案

区块链混币技术是一种保护交易隐私、实现交易的不可链接性的重要方案。然而,其结合了Pedersen承诺的验证过程,需要数百字节的空间开销,极大地降低了可用性。利用国密SM2算法、同态加密和混淆地址,提出了一种新的区块链混币方案。该方案通过使用EC-ElGamal半同态加密技术加密交易金额,在链上交易过程中完全隐藏交易金额,将隐藏金额后的交易进行两次验证和一次重随机化后发送到一次性的混淆地址中,打破交易发起方和接收方的联系,实现了交易的不可链接性和不可追踪性。所提方案能够有效提高交易数据隐私保护的强度,增强对分析攻击、密钥重放攻击和女巫攻击的抵抗能力,同时单次交易的空间占用减少了82.25%,交易吞吐量显著提高。

基于代理选举的高效异构联邦学习方法

物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题,基于代理选举思路,提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略,将设备的计算能力与闲置时长作为选举因素,选举性价比高的设备作为代理节点,充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构,提升了异构设备之间的联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明,该联邦学习方法的效率提高了22%。

面向高速行驶车辆的在线任务卸载决策算法

车载边缘计算中的任务卸载决策主要解决任务何时卸载,以及卸载至哪里执行的问题。车辆的高速行驶会造成卸载接入设备频繁变化,卸载通信链路随时可能中断,这要求车辆一旦获得卸载机会,就必须立即做出卸载决策。现有的卸载决策研究专注于如何最大化任务卸载执行增益,未充分考虑卸载决策时效对卸载策略的影响,导致提出的卸载决策方法的时间复杂度和空间复杂度高,无法用于高速行驶车辆的在线任务卸载决策。为解决上述问题,首先综合考虑卸载决策时效和卸载增益因素的影响,建立高速行驶车辆的任务卸载决策模型,并将其转化为类秘书问题。然后,提出了一种基于加权二部图匹配的在线车载任务卸载决策算法OODA,以协助车辆在依次经过多个异构的边缘服务器时,做出实时的任务卸载决策,并最大化整体卸载执行增益。最后,理论分析OODA算法的竞争比,并采用仿真实验验证该算法的可行性和有效性。

快应用的技术特征分析与系统实现

随着移动互联网的快速发展,轻量级应用已经融入人们生活。快应用架构具有无需下载与即点即用的特点,备受产业界与学术界的关注。论文介绍了快应用的起源与背景,阐述了快应用的生态环境,分析了快应用的技术特征,实现了一种基于快应用的恶意文件检测系统。通过与微信小程序和超级文本标记语言HTML5进行技术特征对比,并且将基于快应用、基于微信小程序和基于移动HTML5应用开发技术的恶意文件检测系统进行实现方案对比,展示了快应用架构在简洁高效开发方面的技术特征优势。

一种面向大规模复杂全局优化的流场吸引动态涡流搜索算法

为了拓展涡流搜索算法的应用能力,提升其求解复杂优化尤其是大规模复杂优化问题的性能,本文提出了一种基于流场吸引流动、逐维半径试探更新和领导层决策机制的动态涡流搜索算法.首先,本文在算法中引入压强差的概念,使候选解依据压强差进一步向着较优解移动,提高算法整体的搜索质量;然后,算法通过逐维半径更新策略,有效避免了在某一维陷入局部极值的情况;最后,本文在中心点的更新中引入领导层决策机制,提高算法快速确定最佳区域的能力.在计算机仿真部分,本文将该改进算法与多组具有不同代表性的对比算法分别在CEC2017套件的100维和CEC2010套件的1000维上进行了极值优化分析,结果表明改进后的算法无论是在高维问题还是大规模复杂问题上的寻优结果都能领先其他代表性对比算法多个数量级,具有很好的收敛性能.

基于深度学习的威胁情报领域命名实体识别

为了从来源不同的威胁情报中提取关键信息,方便政府监管部门开展安全风险评估,针对威胁情报文本中英文混杂严重以及专业词汇生僻导致识别困难的问题,在BiGRU-CRF模型基础上,提出了一种融合边界特征以及迭代膨胀卷积神经网络(IDCNN)的威胁情报命名实体识别方法.该方法根据人工构造的规则词典将边界清晰的实体例如英文单词进行转化以减少模型在处理较长文本时容易造成的信息损失,通过IDCNN和双向门控循环单元(BiGRU)进一步提取了文本的局部和全局特征.通过在威胁情报语料库上进行实验,结果表明所提的方法模型在相关评价指标上均优于其他模型,F值达到87.4%.

基于部分卷积和多尺度特征融合的人脸图像修复模型

针对破损区域较大的人脸图像,修复后图像存在局部色差、边界伪影和细节缺陷等问题,提出基于部分卷积和多尺度特征融合的人脸图像修复模型。该模型主要分为多尺度修复网络和判别器网络。修复网络通过多级特征提取模块和主分支模块,有效融合深层和浅层的图像特征,实现了人脸图像的特征提取和融合。此外,构建由内容损失、感知损失、风格损失、总变分损失和对抗损失组成的联合损失函数,用于训练多尺度修复网络,并通过与判别器网络的相互对抗,提高修复图像与真实图像的视觉一致性。实验结果表明,对于不同的掩膜率,采用该模型修复的图像具有合理的纹理结构和上下文语义信息,并在定性和定量比较上表现更好。

基于动态分组的重要性共识优化算法

权益证明共识算法(PoS)虽然具有不需要花费算力的优势,然而由于权益越高的节点获得记账权的可能性越大,因此记账节点具有很强的确定性且容易富者愈富,一旦权益最高的节点无法正常记账出块,其余节点仍要重新竞争记账权,此时系统停滞的概率急剧增大。针对这两个缺陷,提出了一种基于动态分组的重要性共识优化算法(DPoI)。首先,算法引入重要性评估方案,依据节点活跃度、交易占比、寻找随机数的时间和信誉度计算每轮中节点的重要性分数iValue;然后,利用斐波那契数列将iValue相近的节点动态分组,组内借鉴DPoS投票策略排名充当备选节点,形成灾备方案,从而有效避免系统停滞;最后,设计了二进制指数退避算法来快速剔除系统中的恶意节点,从而有效增强了区块链系统的安全性和稳定性。实验结果表明,DPoI出块的速度约为PoI的6倍,大大加快了出块速度。当恶意节点占比达到70%时,二进制指数退避算法仍能有效剔除恶意节点,系统的可靠性得到了充分保障。

基于HOF-CNN和HOG特征的视频动作识别系统

视频动作识别是计算机视觉研究领域的重要研究分支,为构建识别效果较好的视频动作识别系统,提出了一种基于稀疏光流和方向梯度直方图的视频动作识别系统。通过使用稀疏光流法处理视频数据,使用二维卷积神经网络(2DCNN)对稀疏光流图像提取深层特征,然后结合运动帧的HOG特征,使用KNN机器学习器构建动作识别模型。通过使用UCF101数据集的数据进行仿真对比验证,结果证明,构建的模型相比较其它模型,具有更好的识别能力。

基于改进的IHS、PCA和小波变换的遥感图像融合算法

文章提出了基于改进的IHS、PCA和小波变换的遥感图像融合算法,提高融合图像的空间分辨率和光谱分辨率,首先对多光谱图像进行PCA变换,使其维度降低,减少信息损失,将原始图像数据中有效的主要信息用主成分PC1、PC2、PC3表示。接着对主成分进行IHS变换得到I、H、S分量,之后将强度分量I与全色图像进行直方图优化求解得到new PAN,最后对new PAN和强度分量I进行小波分解。利用PCA对多光谱图像操作后再进行IHS变换,弥补了传统IHS算法只能处理三个波段多光谱图像的缺陷,增加了处理的波段数,而且PCA融合算法的光谱保持度较高,该算法将IHS、PCA、小波变换三种融合算法相结合,利用各个算法的优势,最大程度地减少替换成分相关性不高造成的光谱扭曲,克服小波变换融合过程中产生的细节信息畸变问题。

群智感知的隐私保护研究综述

近年来,智能终端的快速普及极大地推动了集数据采集、分析、处理于一体的群智感知服务的发展。隐私保护作为保障服务安全运行和鼓励感知用户参与的必要手段,成为需要解决的首要科学问题。文中首先从群智感知的全生命周期出发,在描述其主要组成部分和业务流程之后,再从群智感知场景对隐私保护的特有需求出发,对隐私保护的定义和衡量指标进行讨论,并对现有文献设计的隐私保护机制所侧重的不同阶段进行分类,从隐私保护范围、保护强度、感知用户身份可追溯、感知数据损失和感知终端能耗的角度对文献使用的隐私保护机制进行讨论。在此基础上对文献使用的实验数据集进行梳理,最后结合群智感知应用的发展需求和全球对隐私保护的监管要求提出未来研究面临的挑战。

基于斐波那契分组的重要性证明共识算法

权益证明共识算法(PoS)虽然有不需要花费算力的优势,但由于权益越高的节点获得记账权的可能性越大,会造成记账节点具有很强的确定性且容易富者愈富,一旦权益最高的节点无法正常记账出块,其余节点仍要重新竞争记账权,存在系统停滞问题。针对这两个缺陷,特提出基于斐波那契分组的重要性证明共识机制(FPoI)。首先,引入重要性评估方案,依据节点活跃度、交易量、寻找随机数的时间和信誉值计算每轮中节点的重要性分数iValue;其次,为信誉值设置记账最低阈值,防止信誉值过低但重要性仍高的节点恶意记账;最后,按重要性得分高低排名,分数最高节点无法正常记账时,采用斐波那契数列将分数相近的节点分成一组,组内借鉴DPoS思想进行投票并按排名充当备选节点,每完成一个区块创建后都将重要性归零但保留信誉值。实验搭建一个拥有100个节点的FPoI共识机制的区块链,实验结果表明区块链系统平均出块时间稳定10s左右,当恶意节点占比由30%增加到70%时,成功记账的概率由0.25减少到0.06左右,减少了联盟作恶。

Roundabout:一种基于燃烧证明的比特币隐私保护方法

比特币区块链以其去中心化和不可篡改的特性引领了加密货币市场的火爆现状,比特币现有的系统框架所存在的一些问题成为了制约其发展的重要原因。1)比特币物理性能较低,交易速率过慢,完全无法满足日益增长的交易需求,极大的制约了比特币的应用;2)比特币虽然具有匿名性,但由于交易所等机构的发展,比特币无法实现完全的匿名性,存在泄露参与者真实身份的风险。论文提出了一种在比特币侧链上的区块链方法——Roundabout,采用一种类似燃烧证明(PoB)的共识机制。用户将任意数量的比特币发送至某个特定的地址,将原来比特币的UTXO经过Musig签名算法加密,将密文作为Roundabout链代币的UTXO模型的第一个输入,因此每个代币的UTXO都对应一个比特币的UTXO模型。经过特定的回合后,系统会将比特币分发给用户的地址,并将交易信息在比特币链上广播。通过该方式,能极大地提升比特币的交易速率,并能充分保证隐私性。

基于双默克尔树区块结构的交易粒度联盟链修改方案

随着区块链技术的蓬勃发展,以区块链为底层架构的信息系统已应用于包括数字货币、供应链等众多领域。在监管和实际应用双重需求的驱动下,可修改区块链技术因能够进行安全且权责分明的数据治理而成为当前研究的热点。然而,目前的修改方案中仍然存在修改权限过度中心化、修改效率不高等问题。针对上述问题,提出了一种交易粒度联盟链账本修改方案,构建了双默克尔树区块结构,利用椭圆曲线加密和迪菲-赫尔曼秘钥交换技术将变色龙哈希陷门信息(即变色龙哈希私钥)加密存储在区块中,降低密钥分发的系统通信开销。在此基础之上,通过默克尔树将修改权与用户绑定,修改提案受权限节点投票审查,有效防止了修改权的滥用,进一步提高了区块链系统的监管问责能力。实验表明,该联盟链账本修改方案的算法执行速率整体达到毫秒级,并大幅降低了链上数据修改操作的额外开销。

一种交互演化改进鲸鱼算法及其收敛性分析

针对鲸鱼算法求解稳定性不强、收敛速度有时较慢、易陷入局部极值等缺点,提出一种具有轮盘赌选择和二次插值择优机制的双种群交互演化鲸鱼算法.首先,在搜索觅食阶段引入轮盘赌选择机制,可有效避免劣质解被多次选取的问题,保证算法的收敛性能;在算法进化结构和求解过程中用两种不同演化机制的种群以及它们之间不断的信息交互,可有效地平衡和调节算法的全局搜索与局部搜索能力;在双种群个体演化更新后、信息交互前,利用二次插值策略更新鲸鱼个体的位置,增加种群的多样性,而之后的择优选取新位置可提高算法的收敛速度.然后,给出算法流程并用概率测度法对算法的收敛性进行证明.最后,通过6种代表性算法对CEC2017测试函数集套件中不同特征函数在多个维度上进行仿真实验,结果表明改进算法的收敛速度、寻优精度和求解稳定性均有明显提高,具有很好的收敛性能.

面向全局搜索的自适应领导者樽海鞘群算法

为了进一步改善基本樽海鞘群算法容易陷入局部最优、寻优精度有时不高、求解结果不太稳定的不足,提出一种面向全局搜索的自适应领导者樽海鞘群算法.首先,在领导者位置更新公式中引入上一代樽海鞘群位置,增强全局搜索的充分性,有效避免算法陷入局部极值;然后,在领导者位置更新公式中加入惯性权重,并在全局和局部搜索的选择上引入领导者-跟随者数量自适应调整策略,使算法在迭代前期领导者数目较多且受全局最优解影响较大,能以较大的全局搜索步幅快速收敛到全局最优区域,而在迭代后期领导者步幅较小且跟随者数量较多,可以在最优解附近深度挖掘,提高算法的收敛精度;随后给出算法流程并对时间复杂度进行理论分析;最后,通过5种代表性对比算法在12个不同特征基准测试函数多个维度上的函数优化仿真实验,表明所提出的改进算法的寻优精度和稳定性均有明显提升.