两层传感器网络中隐私保护的等区间近似查询算法

隐私保护已经成为拓展无线传感器网络(WSN)应用的关键因素,是当前的研究热点。针对传感器网络中感知数据的安全性问题,提出了两层传感器网络中隐私保护的等区间近似查询(PEIAQ)算法。首先,将传感器节点编号及其采集的数据等信息隐藏在随机向量中;然后,基站根据接收到的向量信息构造线性方程组,从而得到包含全局统计信息的直方图;最后,根据直方图完成近似查询。此外,PEIAQ利用数据扰动技术和传感器节点与基站共享密钥的方式来对感知数据进行加密,保证了感知数据的隐私性。仿真实验显示,PEIAQ的通信量在查询阶段明显低于隐私保护通用近似查询(PGAQ)的通信量,约节省60%,因此,该PEIAQ具有低能耗、高效率等特点。

基于XML的信息物理融合系统组件建模与仿真

信息物理融合系统(CPS)涉及多种计算模型的集成和协同工作,针对CPS设计方法不统一、重塑性差、复杂度高、难以协同建模验证等问题,提出一种结构化、可描述行为的异元组件模型。首先,用统一组件建模方法进行建模,解决模型不开放问题;然后,用可扩展标记语言(XML)规范描述各类组件,解决不同计算模型描述语言不一致和不可扩展问题;最后,用多级开放组件模型的协同仿真验证方式进行仿真验证,解决验证的不可协同问题。通过通用组件建模方法、XML组件规范描述语言以及验证工具平台XModel对医用恒温箱进行了建模、描述和仿真。医用恒温箱的案例表明,这种模型驱动建立可重塑异元组件并确认其设计正确性的过程,支持信息物理协同设计和边构建边纠正,可避免在系统实现过程中发现问题时再进行反复修改。

基于地理社交网络的频繁位置隐私保护算法

针对地理社交网络中以频繁位置为背景知识的攻击导致用户身份泄露的问题,提出一种基于地理社交网络的频繁位置隐私保护算法。首先,根据用户对位置访问的频次设置频繁位置并为每个用户建立频繁位置集合;然后按照背景知识的不同,将频繁位置的子集组成超边,把不满足匿名参数k的超边以用户偏离和位置偏离最小值为优化目标进行超边重组;最后,通过仿真实验表明,与(k,m)-anonymity算法相比,在频繁位置为3的情况下,该算法在Gowalla数据集上用户偏离度以及位置偏离度分别平均降低了约19.1%和8.3%,在Brightkite数据集上分别平均降低了约22.2%和10.7%,因此所提算法能够有效保护频繁位置的同时降低用户和位置偏离度。

群智感知中的参与者信誉评估方案

针对群智感知网络中参与者群体大,且获取和提交任务几乎不受限制,使得群智感知网络存在数据冗余度高和数据质量不能得到保证的问题,提出了针对参与者提交数据质量和可信度的信誉评估方案——参与者信誉评估方案(PRES)。从参与者提交数据的响应时间、距离、历史信誉度、数据相关性和数据质量五个方面对参与者信誉进行评估,将这五个参数数值化,并利用逻辑回归模型建立回归方程,得出参与者本次提交数据后的信誉度。PRES得出的参与者信誉度在[0.0,1.0]范围内,且集中分布于[0.0,0.2]和[0.8,1.0]区间,使得群智感知网络容易选择合适的参与者,且评估结果表明PRES评估的准确率均在90%以上。

移动群智感知中原始数据隐私保护算法

随着移动智能设备的普及,移动群智感知(MCS)得到广泛应用的同时面临着严重的隐私泄露问题。针对现有的移动群智感知中的原始数据隐私保护方案不能抵御共谋攻击,降低了感知数据可用性的情况,提出一种基于移动节点的数据隐私保护算法(DPPMN)。首先,使用DPPMN中的节点管理器建立在线节点列表并将其发送给源节点,源节点通过列表构建数据传输的匿名路径;然后,使用paillier加密方案加密数据;接着,将密文沿路径上传至应用服务器;最后,服务器解密密文得到所需的感知数据。在数据传输时使用加解密操作,确保了攻击者不能窃听感知数据的内容,且无法沿路径追溯数据的来源。DPPMN能保证应用服务器在不侵犯节点隐私的情况下访问原始数据。理论分析和实验结果表明,DPPMN在增加适当通信量的情况下,具有较高的数据安全性,可以在抵御共谋攻击的同时不影响数据的可用性。

移动群智感知中融合数据的隐私保护方法

随着移动智能设备的普及,群智感知得到广泛应用,也面临严重的隐私泄露问题.现有隐私保护方案一般假设第三方服务平台是可信的,而这种假设对应用场景要求较高.基于此,提出了群智感知中一种新的数据融合隐私保护算法ECPPDA(privacy preservation data aggregation algorithm based on elliptic curve cryptography).服务器将参与者随机划分成g个簇,并形成簇公钥.簇内节点通过簇公钥加密数据并融合得到簇融合结果数据.服务器通过与簇内成员协同合作得到融合结果原文,由于服务器接收到的是融合密文且密文解密需要簇内所有节点共同协作,因此服务器不能得到单个参与者的数据.此外,通过服务器对簇公钥的更新,能够方便参与者动态加入或失效.实验结果显示ECPPDA具有高安全性、低消耗、低通信、高精度的特点.

基于共享近邻相似度的密度峰聚类算法

密度峰聚类是一种基于密度的高效聚类方法,但存在对全局参数dc敏感和需要人工干预决策图进行聚类中心选择的缺陷。针对上述问题,提出了一种基于共享近邻相似度的密度峰聚类算法。首先,该算法结合欧氏距离和共享近邻相似度进行样本局部密度的定义,避免了原始密度峰聚类算法中参数dc的设置;其次,优化聚类中心的选择过程,能够自适应地进行聚类中心的选择;最后,将样本分配至距其最近并拥有较高密度的样本所在的簇中。实验结果表明,在UCI数据集和模拟数据集上,该算法与原始的密度峰聚类算法相比,准确率、标准化互信息(NMI)和F-Measure指标分别平均提高约22.3%、35.7%和16.6%。该算法能有效地提高聚类的准确性和聚类结果的质量。

基于差分隐私保护的谱聚类算法

针对传统的聚类算法存在隐私泄露的风险,提出一种基于差分隐私保护的谱聚类算法。该算法基于差分隐私模型,利用累计分布函数生成满足拉普拉斯分布的随机噪声,将该噪声添加到经过谱聚类算法计算的样本相似度的函数中,干扰样本个体之间的权重值,实现样本个体间的信息隐藏以达到隐私保护的目的。通过UCI数据集上的仿真实验,表明该算法能够在一定的信息损失度范围内实现有效的数据聚类,也可以对聚类数据进行保护。

基于偏好融合的群组推荐研究

传统的推荐系统主要针对单个用户,但随着社会和电子商务的快速发展,人们越来越多地以多个用户的形式一起参与活动,而群组推荐旨在为多个用户组成的群组提供服务,已成为当前研究的热点之一.针对目前群组推荐准确率低,群组成员之间偏好冲突难以融合的问题,本文提出了一种新的共识模型策略,融合了群组领袖影响因子和项目热度影响因子,基于K近邻为目标群组寻找邻居群组,借鉴邻居群组的偏好,设计了基于偏好融合的群组推荐算法.在MovieLens数据集上的实验结果表明,本文所提的融合策略较传统的偏好融合策略有着更优越的表现,推荐准确率(nDCG)的总体平均性能约提高13%,推荐列表多样性指标的总体平均性能约提高10%.

障碍空间中基于并行蚁群算法的k近邻查询

为解决障碍空间中的k近邻查询问题,提出一种基于改进的并行蚁群算法的k近邻查询方法(PAQ)。首先,利用不同信息素种类的蚁群实现并行查询k近邻;其次,增加时间因素作为路径长短的判断条件,以最直接地呈现蚂蚁的搜索时间;然后,重新定义初始信息素浓度,以避免蚂蚁的盲目搜索;最后,引入可视点将障碍路径分割为多段欧氏路径,选择可视点进行概率转移,并改进启发函数,以促使蚂蚁朝着更为正确的方向搜索,避免算法过早陷入局部最优。与WithGrids相比,当数据点个数小于300时,对于线段障碍,算法运行时间平均缩短约91.5%;对于多边形障碍平均缩短约78.5%。实验结果表明,该方法在数据规模较小时的运行时间具有明显的优势,且可以处理多边形障碍。

一种基于智能手机传感器数据的地图轮廓生成方法

近年来,随着社会经济的不断发展,许多商业服务以及旅游出行活动对环境地图的依赖越来越大.传统的地图生成方法主要基于车辆驱动型的GPS设备进行数据的采集和路网的构建.然而该类方法存在精度低、时效性差等缺点,并且该类方法对于一些采集设备难以到达或者GPS信号弱的地带无法进行地图的构建.为了解决上述问题,提出了通过挖掘广泛普及的智能手机内部传感器数据进行地图构建的思想,并基于该思想提出了一种数据融合算法.该算法基于智能手机采集的行人步行数据,利用机器学习分类算法与信号处理技术进行行进状态的识别,采用分段机制结合动态时间规整算法进行转向情况的处理,通过融合有效状态下行进的距离数据和方向数据,最终生成局部地图轮廓.将所提算法在真实路网采集的数据上进行实验,实验结果证明了所提方法对局部地图轮廓构建的有效性以及深入挖掘传感器数据的可行性.

基于服务感知的可信QoS评价模型

云计算环境下,针对用户无法准确评价服务实体,客观选择服务提供商的问题,结合信息熵和相关比理论来分析实体之间动态信任关系,将服务细粒度化,提出一种基于服务感知的可信QoS(quantity of service)评价模型.在该模型中,引入时间因子刻画信任的衰减特性,综合直接信任、推荐信任以及QoS反馈信任描述实体之间的信任关系;对于新加入节点以某先验初始概率参与服务交互,能在一定程度上有效地抵御漂白攻击;在推荐信任度量与直接信任度量计算中引入信息熵和相关比理论测度,能有效地减弱恶意评价对信任度量的影响.模拟实验表明,该模型在很大程度上满足用户选择服务的需求,并提高资源调度的成功率,有效地保障服务资源调度的安全性.

批量流水调度问题的量子候鸟协同优化算法

为了求解批量流水调度问题(LFSP)的最小化最大完工时间,提出一种量子候鸟协同优化(QMBCO)算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化(MBO)算法及变邻域搜索(VNS)算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化(DPSO)算法、MBO算法和量子布谷鸟协同搜索(QCCS)算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差(ARPD)分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。

一种改进的多用户多副本数据完整性验证方案

在云存储环境中,为了保护用户数据安全,云服务提供商会把用户数据进行冗余备份,然后分别存储在不同的节点上.为了解决用户副本安全这个问题,使用随机掩码对用户数据进行数据隐私处理,采用自适应Trie树结构来提高数据块的签名效率,设计保护用户冗余副本的数据完整性验证方案.该方案能够实现数据动态更新,提高了数据验证效率,通过委托可信的第三方对数据进行批量审计.仿真实验结果表明,该方案具有可行性和高效性.