计算机研究与发展杂志 北大期刊 CSCD期刊 统计源期刊

计算机研究与发展 2011年第09期杂志 文档列表

计算机研究与发展杂志网络技术

一种PMIPv6网络中基于流的区分服务方案1571-1579

摘要：PMIPv6协议是由IETF提出的基于网络的区域移动性管理解决方案，其目的在于实现无需终端参与的、基于网络的IP移动性管理．PMIPv6协议仅定义了移动管理实体如何实现终端在域内移动的过程中通信不中断，但是不提供通信的服务质量保证．针对这个问题对PMIPv6协议进行改进，提出了一种PMIPv6域内基于流的区分服务方案．为在PMIPv6城内实现区分服务，提出了通过基于逻辑隧道的业务流区分方法和业务流与逻辑隧道的绑定方法．通过基于逻辑隧道的业务流区分方法，一对区域移动管理实体之间可以建立多条逻辑隧道，以解决PMIPv6区域移动管理实体之间数据通信共享单一隧道的问题；通过业务流与逻辑隧道的绑定方法，区域移动管理实体可以根据用户的需求为不同的业务流建立具有不同服务能力和类型的逻辑隧道并将业务流与逻辑隧道绑定，以实现为业务流提供有差别的服务．基于NS2的仿真结果证明：相比PMIPv6，可以根据各种应用对于延迟、丢包、吞吐量等服务质量参数的要求，为不同的业务流提供有差别的服务，能够更好地满足不同业务对于关键服务质量参数的要求并提供一定的服务质量保证．

Internet资源动态分配的分布计算模型及其系统支撑技术1580-1588

摘要：Internet资源的动态性使得资源分配问题已成为阻碍Internet资源获得充分利用的一大难题．为方便用户进行Internet应用开发，提出了一个资源动态分配的分布计算模型以及相关的分布处理算法．首先，通过分析Internet资源的动态性，分别从资源申请者和资源提供者的角度给出了资源分配过程中哪些特性是不变的；然后，基于资源分配过程中的不变特性，定义了资源使用时的接口描述，提出了适应资源动态变化的分布资源的组织模型和动态资源分配计算模型；研究了支持上述模型的系统支撑技术，提出了相应的分布式资源分配算法；另外，定义了优质服务节点并给出了优质服务节点选择算法，并且通过实验证明优质节点选择算法可以有效地降低服务请求被拒绝的比例；基于上述模型和系统支撑技术实现了两类Internet应用，验证了模型和算法的有效性．

大规模设备协同机制研究1589-1596

摘要：在物联网、区域管理和应急救援等领域，对大规模设备协同的需求越来越高．针对大规模设备协同中协同规模大和时序约束严格这两个特点，定义了包含协同任务和协同子任务的大规模设备协同两级任务模型，在此模型基础上利用Pi-演算给出了大规模设备协同中两级任务协同机制的描述，并从理论上证明了该机制的正确性．并实现了大规模设备协同原型系统，通过在原型系统上进行模拟实验，验证了该协同机制能够满足设备协同中的大规模性和严格的时序约束．

尺度变换下Internet流量的Gamma特征1597-1607

摘要：网络流量特征分析与研究对流量产生和流量工程具有重要意义．现有工作集中在特定尺度下考察分析．基于不同地点采集得到的流量集合，采用尺度变换的方法，以时间间隔与数据包个数作为尺度变换的对象，分析不同粒度下流量特征，发现网络流量在特定尺度范围之上满足Gamma分布的特征．且在传输层上表现有所不同，TCP流量在特定尺度范围之上满足Gamma分布，UDP流量则在任何尺度都无明确的统计分布特征．

802．16e系统中一种节能的实时业务数据调度算法1608-1615

摘要：在802．16e系统中，当多个拥有实时业务的MS同时处在休眠模式时，BS的调度结果不仅决定了这些实时业务的QoS，还会影响到网络的平均节能效率．针对这个问题提出了一种新的节能数据调度算法．该算法具有两个方面的技术特点：1）通过调整新加入的MS休眠模式的启动时间，使得各MS的侦听窗口尽量分散并实现系统负载在OFDM帧上较为均匀的分布，以平滑BS调度器的输入；2）对目前广泛使用的实时业务调度算法EDF进行改进，提高处在休眠状态的MS的数据调度优先级．仿真结果表明，该算法在保证系统QoS的同时，不仅能够较大地提高了网络的平均节能效率，还降低了系统的整体信令开销．

基于网络编码的多播车载网路由算法研究1616-1622

摘要：多播与网络编码的融合，可以实现网络的最大流最小割值，增加网络吞吐量．针对车载网拓扑变化频繁、链路寿命短暂的特点，利用网络编码，结合车内GPS系统提供的地理位置信息，提出一种事件驱动的车载多播路由算法：NCMR．NCMR算法依据车载节点的局部拓扑信息，确定数据发送速率和局部网络最大流最小割值，结合最大距离可分码，计算最小有限域，并按域值构造满足线性无关特性的全局编码矩阵，指导下游节点编码，从而在保证目标节点解码成功率的前提下有效减少有限域信息的传输量．仿真实验表明，算法有效减少了节点通信次数，降低了通信干扰，实现了网络负载均衡．

基于节点区分的IEEE802．11e无线局域网中的VoIP容量分析与优化1623-1633

摘要：基于因特网协议的语音（VoIP）是无线局域网（WLAN）的一个具有广阔前景的应用，但VoIP容量在WLAN中却受到了较大的限制．为了增强对VoIP等实时业务的支持，IEEE802．11eEDCA协议提供了竞争窗口（CW）、仲裁帧间间隔（AIFS）和传榆机会（TXOP）3个参数来实现对业务流的区分，但没有考虑如何优化这些参数以达到对WLAN中的接入点和终端节点进行区分服务，而WLAN中的接入点却恰恰是制约其VolP容量的一个重要因素．提出了一个语音容量分析模型，引入了协议的3个参数以区分接入点和终端节点，并考虑到语音流的ON-0FF模型和语音流的上行与下行时延约束．基于给出的分析模型，分别进行了单参数独立区分与多参数联合区分优化分析，在不同的语音编码与语音间隔情况下，定量地给出了利用CW，AIFS和TXOP进行独立区分时和联合区分时的优化值，从而达到提高VolP容量的目的．仿真结果表明，利用这些参数的优化值为接入点和终端节点提供区分服务是正确的和有效的．

计算机研究与发展杂志信息安全技术

一种面向业务的风险评估模型1634-1642

摘要：当前主流的信息安全风险评估关注于资产损失，而忽视了对业务的影响．提出了一种面向业务的风险评估模型．该模型从业务安全需求出发，将机密性、完整性和可用性等安全属性引入风险评估过程中，通过评估对业务过程的影响来量化风险．将传统风险评估的资产要素视为业务的支撑，采用层次化方法依次分析资产风险、业务过程风险和业务风险．各风险要素采用面向属性归纳和聚类方法进行概化分析，并采用Markov模型描述业务过程的风险传导．最后以某网上银行交易系统风险进行模型验证．理论分析和实验结果表明，该模型能够将传统的资产风险转化为业务风险，从机密性、完整性和可用性3个安全属性进行度量，从而体现业务安全需求．

包间隔流关联技术中的同步问题研究1643-1651

摘要：包间隔（inter—packetdelay，IPD）是流关联技术中应用最为广泛的流特征之一，通过在输出流中选取合适的报文样本，计算其基于IPD的统计特征值，并利用关联算法计算与输入流之间的相似性．然而，在传输过程中网络上的各种干扰会破坏流之间的同步性，导致关联起始时间、包间隔等对应关系的错位，严重影响流关联技术的检测率．详细分析了对流的各种干扰，提出基于匹配集的同步思想，为输入流中的每个关联点在输出流中指定若干可能的映射．以贪心法和递进法为基本思路分别提出了同步算法，可以有效提高流同步技术的效果．实验结果表明，该方法能够解决存在干扰的情况下的流同步问题，对提高流关联技术的检测率具有显著效果．

基于信誉度集对分析的WSN安全数据融合1652-1658

摘要：由于无线传感器网络存在资源约束问题，为了有效地减少无线传感器网络中的数据传输量以降低网络的总能耗，同时确保对感知数据进行融合操作的安全性，提出了一种基于传感器节点信誉度集对分析的安全数据融合方法．在节点分簇阶段，利用基于密度函数的减法聚类方法进行分簇，既获得了较快的分簇速度，又保证了簇头节点地理位置的合理分布，使得分簇规模更加符合节点的实际布设情况．在数据传输阶段，将簇头节点选择下一跳数据转发节点建模为多属性决策过程，综合考虑备选转发节点的信誉度、能量等属性信息，从中选择综合评价最优的簇头节点转发融合数据，不仅使网络中的数据流量分布更加均衡而且保证了数据的安全性．仿真结果表明，提出的数据融合算法在融合精度、安全性及簇头节点能耗方面与同类的LEACH算法和BTSR算法相比具有明显的优势．

基于约束分析与模型检测的代码安全漏洞检测方法研究1659-1666

摘要：与传统的程序分析相比，模型检测具有较高的检测精度，但无法将其直接应用于缓冲区溢出、代码注入等安全漏洞的检测．为解决此问题，提出了基于约束分析与模型检测相结合的安全漏洞自动检测方法．首先，通过约束分析跟踪代码中缓冲区的信息，在涉及缓冲区操作的危险点生成相应的属性传递和属性约束语句，并将安全漏洞检测问题转化为模型检测方法可接受的可达性检测问题．然后，采用模型检测方法对安全漏洞的可达性进行判断．同时采用程序切片技术，以减少状态空间．对6个开源软件的检测结果表明，基于该方法实现的CodeAuditor原型系统发现了18个新漏洞，误报率为23％．对minieom的切片实验显示，检测性能有较大提高．

改进型耦合帐篷映像格子模型及其性能分析1667-1675

摘要：根据密码学的安全性要求，提出了一种改进的耦舍帐篷映像格子系统模型．该模型继承了耦合映像格子的耦合扩散机理及并行迭代特征，通过局部格点帐篷映射的拉伸与折叠及取模运算的双重非线性作用，使得系统状态走向各态遍历，可以并行快速生成多维具有均匀分布特性的伪随机序列．实验结果表明，该模型生成的时间序列与各元素出现概率相等的真随机序列有着相同的差值分布特性，从其生成序列来提取产生它的系统结构及参数信息在计算上是不可行的．另外，该模型有效地抑制了数字化混沌系统中容易产生的短周期现象，是一个具有较为稳定的大的正Lyapunov指数的全域性零相关系统，极具密码学应用价值．

一个基于自律计算的系统服务性能自优化机制1676-1684

摘要：系统在遭受入侵或异常攻击的情况下，如何自治地为用户提供非降级服务是网络安全技术中的终极目标．结合鞅差逼近原理，提出了一个基于自律计算的系统服务性能自优化机制（self-optimizationmechanismbasedonautonomiccomputing，SOAC）．该机制能够根据先验自优化知识和内部环境参数信息，以自优化率极小和服务性能极大的要求发掘自优化函数的收敛趋势，实施动态自优化；之后更新最佳自优化模式集，建立并调节预测模型，完成静态自优化，提升自优化预测的精准度．两个层次彼此交互，实现动态变化环境中的系统服务性能自主增长过程．仿真实验结果验证了SOAC机制的有效性与优越性．

异构分布的多元线性回归隐私保护模型1685-1692

摘要：隐私保护是数据挖掘领域中一个极其重要而富有挑战性的课题，以实现隐私数据的保护和准确知识的挖掘两者兼得为其最终目标．统计回归是数据挖掘的常用工具之一，而数据分布式存储情况下统计分析的研究工作甚少．由于机密性或其他原因，数据拥有者往往不情愿与其他合作方分享原始数据，去又希望与其他合作方共同协作执行统计分析．关注于如何解决既获取准确统计分析结果又保护原始数据隐私的平衡问题，基于环同态和离散对数计算困难的思想，建立了隐私保护回归模型，该模型通过同态公钥加密协议的同态性质从而获取准确的统计分析结果．经理论分析和实验证明该协议模型在语义上是安全的和有效的．

计算机研究与发展杂志软件技术

MIOS：面向大规模CCNUMA系统的多实例操作系统1693-1703

摘要：MIOS是一个面向大规模CCNUMA系统设计的新型高可扩展操作系统．MIOS创新地采用了多实例内核结构，每个内核实例执行相同代码，分别独立运行和管理一个处理器，多核间通过分布存储管理构成高可扩展的一致性系统映像空间，支持弱共享进程、线程并行模型．MIOS针对大规模CCNUMA系统特点和高性能并行科学计算应用的需求，采用了显式共享数据分布、层次式任务调度、自适应任务间通信以及寄存器锁等优化．在大规模CCNUMA体系结构的银河深度并行计算机上的测试表明，MIOS对MPI应用具有同传统操作系统类似的性能，并可以有效支持2048处理器规模的OMP应用高效运行，具有良好的系统可扩展性．

一种基于文档模式的GML压缩方法1704-1713

摘要：GML已成为地理空间数据编码的事实标准．GML文档一般体积庞大，存储和传输时占用巨额资源．提出了一种基于文档模式的有效GML压缩方法，通过用文档推导出的模式验证文档本身，对树自动机的状态转换路径进行比特编码，对坐标数据增量编码，实现GML文档压缩．对真实GML文档的压缩实验表明，所提出方法的压缩率优于通用文本压缩器（gzip和PPMD）、主要高性能XML压缩器（XMill，XMLPPM和XWRT）以及现有GML压缩器GPress．

基于aspect封装的需求级特征复用方法1714-1721

摘要：可复用的软件资产的确定为软件复用活动提供了基础．特征模型通过特征以及特征之间的关系来有效地组织特定领域的软件需求，为领域需求的复用提供有力支持．面向方面系统设计着眼于减少软件开发中需求或代码的纠结，将识别出的横切关注点封装成aspect，有利于开发模块化良好的软件产品以及高效的软件维护和复用．为方便特征复用，提出了一种在系统需求分析级别对特征模型进行aspect化封装的方法，可提取出遗留系统中的可复用部分．首先，通过分析同一领域遗留系统的需求文档，识别出系统关注点，建立领域的关注点层次结构；其次，基于领域关注点层次结构，提取领域特征，并对相似特征进行aspect化封装，形成特征层次模型；最后，基于建立的特征模型以及封装的aspect开发新系统，达到软件复用目的．基于新方法进行了实例分析，通过复用两个不同的Web遗留系统得到一个新的web系统．可以看出新方法对同一个领域中的多遗留系统地复用有较好的指导意义．

计算机研究与发展杂志人工智能

一种基于最大熵模型的加权归纳迁移学习方法1722-1728

摘要：传统机器学习和数据挖掘算法主要基于两个假设：训练数据集和测试数据集具有相同的特征空间和数据分布．然而在实际应用中，这两个假设却难以成立，从而导致传统的算法不再适用．迁移学习作为一种新的学习框架能有效地解决该问题．着眼于迁移学习的一个重要分支——归纳迁移学习，提出了一种基于最大熵模型的加权归纳迁移学习算法WTLME．该算法通过将已训练好的原始领域模型参数迁移到目标领域，并对目标领域实例权重进行调整，从而获得了精度较高的目标领域模型．实验结果表明了该算法的有效性．