支持用户权限动态变更的可更新属性加密方案

属性加密在实现云数据细粒度安全共享方面具有较大优势.由于云存储中用户访问权限动态变化,当属性或用户私钥撤销时,数据重加密是保证密文前向安全性的有效方法,但相应的计算开销及数据上传下载的通信开销过大.针对上述问题,提出一种支持用户权限动态变更的可更新属性加密方案(updatable attribute-based encryption scheme supporting dynamic change of user rights, SDCUR-UABE).通过在密文策略属性加密中构造属性及用户版本密钥,在撤销用户属性时只需更新用户私钥对应的转换密钥构件;撤销系统属性时需要更新属性版本密钥来实现对密文密钥部分构件的可替换更新;撤销用户私钥时只需更新用户版本密钥.由此避免了基于数据重加密实现密文更新带来的巨大计算开销及通信开销.此外,在方案构造中利用密钥分割实现数据解密外包来降低用户的解密开销.理论分析及实验验证表明:在保证密文前向安全性的前提下,该方案能够有效解决云存储系统中用户权限动态变更时密文更新的计算效率与通信开销问题,同时减轻了用户解密的计算量.

基于优化FAEMD-OSELM的WSN流量预测算法研究

针对无线传感器网络(WSN)组合流量预测算法自适应性低、计算复杂度高等不足,提出一种基于优化FAEMD-OSELM的WSN流量预测算法。算法利用快速自适应经验模态分解(FAEMD)将信号分解为一系列本征模态函数和一个残余函数,通过设计自适应滤波窗口提高信号分解过程的自适应性。进一步,采用在线贯序极限学习机(OSELM)对信号分量进行训练、预测,运用奇异值分解(SVD)理论优化神经网络的参数和拟合过程,降低计算复杂度。同时,结合样本选择器进一步控制预测误差范围,保证算法的预测精度。实验结果表明,算法在分解效果、耗机时间、预测精度等关键性能指标上具有较为明显的优势。