椭圆曲线密码体制的安全性分析

分析了椭圆曲线密码体制的安全性基础以及常见的攻击方法.考虑到目前还没有有效的方法可以求解有限域上阶中含有大素因子的非超奇异椭圆曲线的离散对数问题,指出高安全性的椭圆曲线密码体制可以靠选择有限域上高安全性的椭圆曲线来获得.给出了适于构建密码体制的椭圆曲线的构造方法。

基于多级属性集的垃圾邮件过滤技术

针对目前常用的垃圾邮件过滤技术普遍存在误报和漏报与分类过滤效率之间的矛盾问题,提出了一种改进的垃圾邮件过滤算法。在对这种新算法进行仿真测试后发现,新算法不仅有效地降低了漏报率和误报率,同时也减少了分类时间,为改进现有垃圾邮件过滤系统提供了一条新的解决方法和途径。

垃圾邮件分类的偏依赖特性研究

由于相对于漏报,误报会对邮件过滤性能造成更负面的影响,因此有必要研究如何让邮件过滤器对误报代价表现出更高的敏感性.本文通过引入具有偏依赖特征的权值系数函数,提出了一种能够实现非对称训练学习的改进拟合Logistic Regression邮件分类算法模型.根据在实际邮件样本集上所作测试试验,在分类精度性能没有降低的条件下,验证了新分类模型在误报率和漏报率两项指标之间存在较明显的偏依赖特性,同时对扰动特征数据表现出较强鲁棒特性.

基于全局消息传播的贝叶斯推理

在贝叶斯网络中,常常需要作不确定概率推理。然而针对一般复杂网络,精确推理算法由于计算复杂度太高而常常被摒弃。针时这一问题,本文提出了一种基于全局传播的PPJT近似推理算法。PPJT算法采用消息传播机制,通过消息的收集与分发过程,可以更新和修正连接树节点的团势并最终生成相容连接树。与另一种常用的近似推理算法即似然权重(Likelihood Weighting)算法的时间性能对比实验显示,采用消息传播机制的PPJT算法有效地降低了计算的时间复杂度；同时与似然权重算法的性能时比实验表明,在相对小规模观察样本输入条件下,PPJT算法能够保证更高的概率推理精度。PPJT算法为实现一般复杂网络中的概率推理提供了一种新的理论工具。

基于Bayes参数估计的垃圾邮件过滤算法研究

朴素Bayes邮件过滤算法由于简单、易于理解,已被人们广泛接受,并应用到一些商用邮件系统当中。但面对目前垃圾邮件问题依然严重的现状,人们逐渐开始认识到采用简单的朴素Bayes邮件过滤算法已不能满足现有邮件过滤的性能要求。Bayes网络一直以来作为知识发现的一个重要分支,是人们研究的热点;邮件过滤问题也可以映射到一个Bayes决策网络模型中。通过构建针对邮件过滤的Bayes决策网络模型,并经过概率学习对关键节点作Bayes参数估计,可以实现邮件的概率分类发现。邮件样本试验结果表明新算法与朴素Bayes邮件过滤算法相比具有更快的收敛速度和更高的稳定性。