计算机科学杂志 北大期刊 CSCD期刊 统计源期刊

计算机科学 2017年第05期杂志 文档列表

计算机科学杂志网络与通信

基于单位超球面上MeanShift聚类的地震子波盲估计33-36

摘要：石油勘探领域中，地震信号可以看作地震子波与地震反射系数的褶积。由于缺乏先验知识，地震反褶积本质上是一个盲过程。针对带状独立分量分析方法估计子波的多解性，以及地震子波的单位模长约束。对子波空间进行了单位超球面建模，进而研究了这种特定几何空间的黎曼度量及梯度，并由此构造了单位超球面上的MeanShift聚类算法，最后依据聚类结果求取子波平均。模型实验与实际资料应用结果表明，与带状独立分量分析方法估计的地震子波相比，通过该方法估计的地震予波保真度更高，与设计子波相似度更高，反褶积处理后能够有效提高地震资料的分辨率。

基于信任和权重的无线传感器网络数据融合模型37-41

摘要：在无线传感器网络中，数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此，提出一种基于信任和权重的无线传感器网络数据融合模型（TWDFM）。在该模型中，传感器节点通过构建信任表选举可靠簇头，簇头根据权重检测异常节点并融合可信数据。仿真实验表明，该模型可以有效提高数据融合的安全性和准确性。

稀疏原子分解算法在AR模型参数估计中的应用42-47

摘要：针对自回归（Autoregressive，AR）模型阶数和系数的估计问题，提出一种基于稀疏表示的原子分解新算法。首先，根据AR模型自相关函数特征构造一个过完备稀疏字典；其次，针对含噪观测信号，通过引入松弛变量，建立关于AR模型特征根稀疏恢复的优化模型；最后，将定阶和参数估计问题转化为求解稀疏最优基问题，并提出一种改进的变尺度变换算法来求解该优化问题。实验结果表明，无论是对模拟信号，还是真实的脑电信号，该算法在定阶和系数估计两方面均优于传统估计方法，具有更好的预测精度和鲁棒性。

一种基于OFDM认知无线电网络的次优动态资源分配算法48-52

摘要：研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题，包括子载波分配和功率分配。在认知无线电系统中，除了考虑主用户与次用户之间的相互干扰，还要求将主用户对次用户的干扰控制在预设门限之下，因此，系统模型更为复杂。整数约束条件，使得寻求最优解的算法复杂度高，无法用于对实时性要求高的系统。因此，提出了一种寻求次优解的分步式资源分配算法，以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案，然后提出改进的线性注水算法进行功率分配。仿真结果表明，相比于最优分配算法，所提出的算法可以在获得较好的系统容量的同时，有效地降低系统的复杂度，适用于对实时性要求高的系统。

面向工业无线汇聚网络的高吞吐率MAC协议53-60

摘要：汇聚网络是工业传感器网络的常用拓扑形式。汇聚网络的隐藏终端是影响网络吞吐率的重要因素，目前常用信道预留机制来加以解决。此外，随着物理层数据传输速率的不断提高，相对短报文的现象日渐突出，使得用于信道预留的控制报文的开销相对增加。现有的IEEE802．11DCF不能同时有效应对这两个现象。提出了取消信道预留方式来克服相对短报文问题，而对于由于信道预约取消所导致的隐藏终端问题，则以随机发送机制解决。为了获得最优的发送概率，设计了APCSMA协议，该协议以最大化节点吞吐率为目标，提出吞吐率最大化的必要条件，基于该必要条件，在主干扰模型下推导出节点均匀分布情况下的最优报文发送概率。从理论上分析了协议的网络吞吐率、延迟和能量效率。仿真结果和分析表明，APCSMA协议对于工业无线汇聚网络具有广泛的适用性。

针对单区域突发流量的移动Sink路径规划61-65

摘要：在传感器节点定期收集全网数据且单区域可能突发事件的密集型无线传感网中，如果产生区域突发事件，需要在短时间内将突发事件数据准确地发送到基站，同时也要兼顾其他区域定期产生的数据。提出针对单区域突发流量的移动Sink路径规划算法，首先将网络划分为虚拟网格，每个网格为一个簇，将节点划分到各个网格并选举簇头；然后通过TSP相关算法建立最短遍历路径，Sink节点通过该路径收集全网数据。如果某区域有突发流量产生，Sink节点将动态改变移动路径去收集数据。大量基于NS-2平台的仿真实验结果表明，该路径规划算法能动态改变路径来收集数据，均衡突发数据流量的准确性、实时性和定期产生的区域数据流量的丢包率、数据收集时延，延长网络生命周期。

基于脑电EEG的改进EEMD算法66-70

摘要：为了有效地改善模态混叠问题以适应脑电信号的研究，提出了一种改进的集合经验模态分解算法。首先对脑信号进行相关性筛选；然后自适应地从原始脑信号中预测脑电特性信号，融合高斯白噪声生成新型脑信号噪声；最后基于该噪声进行集合经验模态分解。仿真实验表明，新型脑信号噪声不仅具有自适应特性，而且可以更好地解决脑信号经验模态分解中的模态混叠问题，同时也证明了该算法在脑电研究领域的理论和应用价值。

采用预编码的GSM网络最大互信息优化方法研究71-74

摘要：为了提高广义空间调制（GSM）互信息的性能，提出了一种新的基于椭球算法的预编码方案。首先，为了对合有互信息的预编码器进行优化，推导出了有限字符输入下的GSM互信息解析表达式。在最大化GSM互信息的过程中，为了解决联合预编码设计的非凸耦合问题，将GMS系统转换成虚拟的多输入多输出（MIM0）系统。然后，在考虑所有子信道功率约束的条件下，使用了扩展的椭球算法。实验结果表明，提出的预编码方案大大提升了GSM互信息的性能。

计算机科学杂志信息安全

面向移动物联网的可信超网络概念及构架研究75-80

摘要：泛在服务已成为当前用户的一种基本需求。移动物联网作为泛在服务的一种重要实现形式，面临着网络接入点分布不均匀、频谱无法全面覆盖和网络不稳定等问题，因此用户服务的可信性难以得到保障。与此同时，现有面向移动物联网的网络构架缺乏泛在服务保障与可信性保障的有效结合。因此，首先提出“可信超网络”的新概念，即在传统网络的基础上，利用认知计算技术构建虚拟网或者逻辑网络；然后在可信超网络概念的基础上结合移动物联网的特点，提出以可信性确保为目标、以泛在服务为核心能力的可信超网络构架，从总体上保障移动物联网泛在服务的可信性。

差分隐私在协同过滤算法中的应用研究81-88

摘要：利用背景知识间接推导出个人隐私信息已成为Internet用户更担忧的问题，定义极为严格且可证明的差分隐私保护是目前解决该问题的最有效的隐私保护技术。Berlioz等将差分隐私保护技术应用于协同过滤算法之一的矩阵分解中，虽然提出了新的算法，但是缺少严格的证明过程。针对他们提出的算法，将补充相应的数学证明，然后将Chaudhuri等提出的目标函数加扰方法灵活应用于ALS目标函数中。此外，还给出一种差分隐私保护参数的选择方案。最后，在两个真实数据集上的实验验证结果表明，所提出的ALS目标函数加扰方法取得了更好的推荐效果。

基于深度极限学习机的危险源识别算法HIELM89-94

摘要：危险源识别是民用航空管理的重要环节之一，危险源识别结果必须高度准确才能确保飞行的安全。为此，提出了一种基于深度极限学习机的危险源识别算法HIELM（HazardIdentificationAlgorithmBasedonExtremeLear-ningMachine），设计了一种由多个深层栈式极限学习机（孓ELM）和一个单隐藏层极限学习机（ELM）构成的深层网络结构。算法中，多个深层S-ELM使用平行结构，各自可以拥有不同的隐藏结点个数，按照危险源领域分类接受危险源状态信息完成预学习，并结合识别特征改进网络输入权重的产生方式。在单隐藏层ELM中，深层ELM的预学习结果作为其输入，改进了反向传播算法，提高了网络识别的精确度。同时，分别训练各深层S-ELM，缓解了高维数据训练的内存压力和节点过多产生的过拟合现象。

云存储中基于虚拟用户的数据完整性验证95-99

摘要：针对验证数据完整性过程中被撤销用户与云服务器存在共谋的问题，提出基于虚拟用户的数据完整性校验方案。在管理群组用户的过程中，管理员让云服务器作为，通过重签名方法将被撤销用户的签名转换为虚拟用户签名，以防止攻击者获取群组用户身份隐私信息。另一方面，管理员在本地存储所有用户的身份隐私信息，用户在访问共享数据之前需要通过管理员的验证，这样既能保证校验者可以正确验证共享数据的完整性，又能保护群组用户的隐私和共享数据的安全。分析证明结果表明，所提方案在用户撤销时不仅能够验证共享数据的完整性，还能降低攻击者精确获取用户身份隐私信息和共享数据内容的概率。

一种面向融合泛在网的协同防护体系设计100-104

摘要：在深入分析融合泛在网功能和特征的基础上，通过增加安全接入网关和虚拟重构安全控制服务器（简称安全控制服务器）两类主要的功能实体构成协同防护的硬件体系，同时通过策略订阅实现协同防护的软件逻辑体系，并采用基于证据投影分解方法的证据理论实现安全态势评估，从而实现在融合泛在网中各种末梢网络均可通过安全接入网关，利用现有的各种异构接入网络安全接入到位于IP核心网的安全服务平台，也可将安全服务命令和数据发送到未梢节点。

云环境中基于cache负载实时定噪的同驻分析方法105-110

摘要：云计算具有使用便捷、可按需定制服务、优化资源利用等特点，成为提供外包服务的主要计算模式。云环境中的虚拟机侧通道攻击是云计算的主要潜在威胁之一，同驻是云环境中侧通道攻击的前提。针对如何在多租户云环境下进行同驻检测，提出基于链式结构的Prime-Probe测量cache负载方法MCLPPLS和针对云环境噪声复杂多变问题的实时噪声分析机制RTNAM。结合MCLPPLS与RTNAM提出一种新型的同驻检测分析方法。实验表明，该方法能减少突发噪声对同驻检测的干扰，有较高的同驻检测正确率及较低的同驻检测时耗，表现出良好的性能。

基于属性圆的多属性决策云模型构建与可靠性分析应用111-115

摘要：为了使云模型能直观方便地表示以及计算多属性决策问题，并且适应专家给出的范围数据，对提出的属性圆表示多属性的方法进行了改造，从而通过属性圆来计算云模型的特征参数；给出了改造后属性圆的定义、性质和绘制过程，以及如何通过属性圆计算表示某决策级别的云模型特征参数，包括：定义决策系统、属性归一化、属性圆特征及性质、属性圆面积求法、基于属性圆的云模型计算；通过实例给出了云模型的计算过程和应用方案。根据数据处理和专家分析，计算得到表示系统可靠性风险为可接受决策级别的云模型，进而构成决策云集合，便可用于实际系统的可靠性级别多属性决策。

基于混合式聚类算法的离群点挖掘在异常检测中的应用研究116-119

摘要：为了提高异常检测系统的检测率，降低误警率，解决现有异常检测所存在的问题，将离群．量挖掘技术应用到异常检测中，提出了一种基于混合式聚类算法的异常检测方法（NADHC）。该方法将基于距离的聚类算法与基于密度的聚类算法相结合从而形成新的混合聚类算法，通过k-中心点算法找出簇中心，进而去除隐蔽性较高的少量攻击行为样本，再将重复增加样本的方法结合基于密度的聚类算法计算出异常度，从而判断出异常行为。最后在KDDCUP99数据集上进行实验仿真，验证了所提算法的可行性和有效性。

基于分类树的动态集值型数据的隐私保护120-124

摘要：基于分类树的差分隐私保护方法有效地对静态集值型数据进行了保护，但对于动态集值型数据却没有相应的保护方法，因此提出一种基于分类树的差分隐私保护下的动态集值型数据的算法。该算法首先根据数据集中项的全集构造关系矩阵，挑选关系最紧密的项集构造分类树；然后设定一个边界值来限制数据的增量更新，并将新增的记录添加到分类树的根节点中，按照初始分类树的分配法迭代分配每个记录；最后根据拉普拉斯机制向叶子节点中加入噪音，保证整个算法满足差分隐私的要求。相对已有算法，所提算法优化了分类树，使所数据建立的分类树模型有少量的叶子节点产生，减少了噪音的添加。实验用两组真实的数据集验证了所提算法的有效性和相对于其他算法的优越性。

基于开源工具集的大数据网络安全态势感知及预警架构125-131

摘要：对信息系统安全防护而言，大数据是一把双刃剑。信息量的巨增使得数据价值密度更小，给APT等攻击行为提供了更好的藏身环境；但大数据处理技术对海量数据的聚合、挖掘和分析又使得准确检测及预测攻击威胁成为可能。为增强信息系统的威胁感知与攻击预警能力，构建大数据威胁处理平台势在必行。基于最新的开源大数据组件集，构建了集数据收集整理、数据存储、离线分析发现、实时关联检测、威胁预警和态势呈现等功能于一体的、支持全流程安全事件处理过程的、完整的网络安全态势感知及顸警架构，与现有同类平台架构相比，其具有高可用、可扩展、易部署等特点，且能较好地支持威胁情报的引入。