一种基于蚁群算法的容迟网络路由策略
摘要：延迟容忍网络（容迟网络）涵盖了星际网络、移动Ad Hoc网络以及偏远地区网络等许多除因特网以外的通信网络．网络的频繁断裂和间歇连接使容迟网络路由问题成为最具挑战的问题之一．蚁群优化算法作为一种在图中寻找优化路径的机率型技术，已广泛应用于许多领域，它具有正反馈、分布式计算和智能型优化等特点．为提高路由算法对网络拓扑变化的适应能力，研究基于蚁群算法的路由策略，并通过其智能自适应优化减少容迟网络传输延迟．首先模型化容迟网络的数据传输问题；其次设计基于蚁群算法的路由策略（ant—colony-based routing，ACR），包括转发和复制两种数据分配方式；最终基于容迟网络公共数据集Infocom Trace和RollerNet Trace进行仿真验证，并与MED，SimBet，Spray和Wait以及EBR等经典算法比较．仿真结果表明：基于转发方式的ACR算法比其他同类型算法至少缩短25．8％的传输延迟，基于复制方式的ACR算法至少降低22．5％的传输延迟．开销优化的MANET按需位置服务协议
摘要：在移动自组网中，位置服务协议的开销是指更新和查询所发送的一跳报文数量，决定协议的可扩展性及其各方面性能．现有的位置服务协议只针对特定的通信场景，并且绝大部分不能根据位置需求的变化进一步优化开销．提出在基于多家乡区域的位置服务结构基础上，根据位置服务协议的报文传输开销以及位置信息请求在家乡区域中的分布情况，采用最小更新树来优化协议开销，并证明求解最小更新树的问题是NP难问题．在此基础上，提出一种根据位置查询需求来优化开销的多家乡位置服务协议，该协议采用一种实时算法在节点位置更新前计算出最小更新树，从而得到开销最小的位置更新报文传播策略，它能适应多种通信特征的网络．模拟实验表明，和现有多家乡区域协议相比，该协议具有较低的开销，可扩展性得到提高，适用于规模较大的网络．基于负荷-容量模型的网络相继故障研究
摘要：网络相继故障是网络脆弱性研究中的热点问题．采用负荷-容量模型对复杂网络的相继故障进行建模分析．首先分析了网络流量负荷的突发模式对相继故障的影响．实证研究发现，网络实体间的通信活跃性具有自组织临界性．在网络安全地应急响应时，应该更关注那些原本不活跃的结点间流量的变化；其次，引入成本因子对经济、技术条件制约下的网络资源受限生成过程及网络容量-负荷关系建模，以揭示网络结点的容量-负荷之间存在着怎样的制约关系；最后提出了一种基于容量相互补偿的搜索式分配算法，以获得有限资源下最优的网络鲁棒性容量分配策略．实验证明，算法能够找到比线性分配或偏好负荷的偏好依附分配策略更好的结果．无线接入网中移动节点间基于博弈的交互方案
摘要：为抑制无线接入网环境下移动节点相互中继数据时的作弊行为，提出一种由邻居节点实施惩罚和由系统实施惩罚的博弈转发交互方案，其特点是：充分利用了接入网中数据流向特征，考虑了理性的移动节点对系统的贡献和期望的回报，以降低作弊者预期收益和利用其对后继惩罚的恐惧来抑制作弊．前者能以较小的惩罚参数达到较好地抑制节点作弊行为的目的，但在作弊者能频繁更换邻居的情况下难以兑现惩罚；而后者则使作弊者无法逃脱惩罚，但它需要很大惩罚参数才能完全杜绝作弊动机．通过仿真与分析，得出了将两者结合的合理参数设置，能够既不惩罚过度又能有效降低作弊发生率和提高报文的成功投递率．基于pay—as—you—go模式的Web服务发现
摘要：web服务描述语言是基于模式优先（schema—first）的，web服务发现方法需要花费较高的前期构建成本，目前的研究没有涉及如何在pay-as—you—go模式下发现Web服务这一问题．提出了一个基于数据空间技术的服务发现框架，支持pay—as—you—go模式下基于关键词匹配和基于相似度的Web服务发现．首先给出一个schema—later数据模型用于描述web服务及其关系，并讨论了该模型的延迟计算和查询方法，该方法不必事先物化模型就可以提供查询服务；然后给出一个基于相似度的Web服务发现算法及其正确性证明，该算法将相似度看作是极松散结构模型的虚拟边（关系），在计算相似度之前，通过延迟计算得到需要进行比较的服务节点集及其信息，以便在pay—as—you-go模式下计算相似度；最后通过实验表明该方法是可行和有效的．基于节点稳定概率和链路贡献度的应用层组播树生成算法
摘要：组播技术从IP组播向应用层组播的发展，解决了IP组播部署难的问题．应用层组播依靠终端主机进行组播数据的转发，需要解决应用层组播的稳定性．最小延迟组播树的生成等问题．首先分析了影响应用层组播稳定和延时的3个因素：节点稳定概率、节点出度约束和节点间的通信延时．根据这些影响因素抽象出基于稳定概率的度约束边带权应用层组播树生成T—SDE模型，给出稳定度在T—SDE下的表达形式，并证明T—sDE问题属于NP—hard；其次通过分析节点对组播树稳定和延时的贡献，给出3种基于节点稳定概率和链路贡献度的T—SDE问题的近似解决算法；实验表明，该类算法生成的组播树在平均延时、最大延时和稳定度等方面有较大优势．一种布尔多项式的高效计算机表示
摘要：要布尔方程组求解技术对于密码分析具有重要的现实意义．然而，在众多求解算法的实际计算过程中，难以抑制的空间需求增长与计算机系统有限的存储能力之间的矛盾，正是当前制约布尔方程组求解技术取得更大成果的最主要瓶颈．针对基于消项的求解算法，分析了该矛盾的产生根源，提出了解决途径，进而设计了一种全新的布尔多项式计算机表示，称之为BanYan．BanYan适用于基于首项约化的求解算法，如F4，F5，XL等算法．通过记录中间结果的生成信息而非其本身，避免算法实现陷入项数规模高速膨胀带来的巨大存储负担．与BDD和系数矩阵等基于项的传统布尔多项式表示相比，平均情况以及最坏情况下，使用BanYan表示法所需要的空间约为项数表示法的1／l（l为计算过程中产生的多项式的平均项数），从而显著提升布尔方程组求解算法的现实求解能力．实用的强不可分割多重息票方案
摘要：当前，多重息票方案设计中的主要困难是如何设计能自由设置兑换次数上界的息票协议且所得协议的复杂性并不依赖于这个上界，以及如何为兑换协议提供高效、灵活的兑换机制．为此，提出两个具备改进的效率与功能的方案．新方案分别利用Chaabouni等人的离散对数区间证明技术和Canard等人的关于被承诺元素的知识证明技术实现了对息票兑换次数上界的灵活设置，并且利用Peng等人的批量零知识证明与验证技术对兑换协议的运算复杂度进行了优化．新方案在Nguyen的形式化模型下满足可证安全，而且首次实现了实际应用中的全部理想特性，即并发、紧凑存储、批量兑换以及支持设置息票对象和过期日期．性能分析表明，新方案的通信与运算耗费显著低于已有的两个满足强不可分割性质的方案．广义不可推断属性符号化算术验证的研究
摘要：多级安全系统中机密数据的泄漏本质上是信息的非法流动．广义不可推断属性刻画了不同安全级主体之间合法的信息流动．在系统应用之前，验证其满足广义不可推断属性，可以排除各种隐蔽数据泄漏，保护数据的机密性．传统的广义不可推断属性验证方法——“展开方法”——验证的仅仅是属性成立的一个充分非必要条件，因此是不完备的．基于证伪技术提出一种完备的广义不可推断属性验证方法，该方法通过逐步搜索长度递增的使广义不可推断属性失效的反例来完成验证过程．为确保搜索过程能正确终止，即方法的完备性，提出状态转换系统的双构造运算，并在此基础上基于图结构理论给出最短反例的上近似计算．进一步为提高验证方法的时间效率和降低对内存空间的需求，将反例搜索和上近似计算归约为量化布尔公式满足性求解问题，借助于高效的满足性求解程序完成属性的验证，实现了验证过程的符号化计算．最后通过一个磁臂隐通道的实例说明验证方法在实际的隐通道分析中的应用．一种基于最小选择度优先的多敏感属性个性化l-多样性算法
摘要：数据中的隐私保护技术一直是数据挖掘与信息安全领域关注的重要问题．目前大部分的研究都仅限于单敏感属性的隐私保护技术，而现实生活中存在着大量包含多敏感属性的数据信息．同时，随着个性需求的不断提出，隐私保护中的个性化服务越来越受研究者的关注．为了扩展单敏感属性数据的隐私保护技术以及满足个性化服务的需求问题，研究了数据过程中面向多敏感属性的个性化隐私保护方法．在单敏感属性l-多样性原则的基础上，引入基于值域等级划分的个性化定制方案，定义了多敏感属性个性化l-多样性模型，并提出了一种基于最小选择度优先的多敏感属性个性化l-多样性算法．实验结果表明：该方法不仅可以满足隐私个性化的需求，而且能有效地保护数据的隐私，减少信息的隐匿率，保证数据的可用性．一种改进的动态口令生成算法及重同步方案
摘要：依据HTOP认证架构，结合密钥生成算法、EHMAC算法和动态截短函数设计了一种改进的动态口令生成算法EOTP，并利用该算法设计了能够满足身份认证系统基本要求的认证协议．此外，为了解决失步问题，提出基于窗口机制的重同步方案，将其分为窗口内和窗1：7外两种同步方式．最后，对所提算法和协议的性能及安全性进行了分析，该算法和协议执行速度快，易于通过令牌或智能卡硬件实现，能够有效抵抗蛮力攻击、口令窃取和截获／重放消息等攻击方式，具有很高的安全性．2013年《计算机研究与发展》专题（正刊）征文通知——“人工智能研究进展”
摘要：人工智能（AI）是计算机科学的核心分支学科之一，近年来该分支学科发展迅速，尤其是近年来随着数据分析需求的急剧增长，人工智能中机器学习等领域在理论、技术、应用方面都有很大发展，推动了整个人工智能学科取得显著进展．人工智能研究在我国起步相对较晚，但近年来取得了长足进步，我国学者在人工智能领域取得了不少成果，在一流国际期刊和顶级国际会议上发表的学术论文数显著增长，基于短群签名的密钥交换协议设计
摘要：本协议采用线性加密技术，在短群签名体制下实现了密钥交换，为短群签名系统加入了密钥交换阶段．典型的短群签名系统包含以下6个阶段：初始化、入网、签名、验签、身份验证和撤销，可为群成员提供条件隐私性．本协议加入了密钥交换阶段，使短群签名系统具有保密性．该协议既可实现群成员与TA（trus tauthority）间的密钥交换，也可在TA的协助下，实现群成员间的密钥交换，为TA与群成员、群成员间的信息传输提供了保密性．本协议无需引入X．509证书，仅利用短群签名系统原有的参数即可完成密钥交换，既保持了短群签名的条件隐私性，也降低了系统管理的难度．本密钥交换协议仅需要两次通信，通信开销小，能降低网络延时和拥塞．安全性分析证明了该协议可抵抗篡改攻击、伪装攻击、重放攻击和中间人攻击．该协议完善了群签名体制，可为车载网络、可信计算和云计算等网络提供保密性．一种基于语义轨迹的事件规则学习算法
摘要：视频上的事件探测对于视频检索与语义理解是一个很重要的工作．视频中的轨迹不仅记录了物体的移动信息，也反映了物体移动的动机，并与事件的发生密切相关．主要探讨了如何从轨迹抽取事件．然而，基于内容的视频事件分析中，从视频中抽取的低层特征与高层的语义特征存在一定的鸿沟．因此，利用领域知识标记的兴趣区域，提出一种新的语义轨迹表示方法，从而将视频中得到的原始轨迹转化为语义轨迹．同时，使用物体与兴趣区域关系的正则表达式描述视频中的语义事件．基于归纳学习的事件规则学习算法显示了正则表达式比传统的一阶谓词上的合式公式更易于学习．利用学习得到的事件规则可以很好地用于视频中语义事件的探测．最后，实验表明了事件探测的有效性．基于l1-正则化的ELM回归集成学习
摘要：极速学习机（extreme learning machine，ELM）是近年提出的一种极其快速且具有良好泛化性保证的单隐层神经网络学习算法．然而ELM随机的设置权值带来的不足是其性能的不稳定．稀疏的ELM回归集成学习算法（sparse ensemble regressorsofELM，SERELM）通过稀疏地加权组合多个不稳定ELM学习机弥补该不足．一方面，在典型时间序列上的回归实验不仅验证了SERELM的性能优于单个ELM回归器，而且也优于其他两个最近提出的集成方法．另一方面，集成学习的优劣通常与多样性密切相关，而对回归如何定义和度量多样性仍是一个问题，这导致了目前几乎没有一个普遍认可的合适度量方法．SERELM则利用l1-正则化，绕开了这一问题，且实验结果表明：1）l1-正则化自动地为精度高的学习机赋以大的权值；2）很大程度上，回归中常用个体间的负相关性对多样性度量无效．基于改进属性约简的细粒度并行AP聚类算法
摘要：Affinity Propagation（AP）聚类算法将所有数据点作为潜在的聚类中心，在相似度矩阵的基础上通过消息传递进行聚类．与传统聚类方法相比，对于规模很大的数据集，AP是一种快速、有效的聚类方法．正是这样，属性约简对于AP算法非常重要．另外，在大规模并行系统的设计中，细粒度并行是实现高性能的基本策略．提出了一种基于改进属性约简的细粒度并行AP聚类算法（IRPAP），将粒度思想引入到并行计算中．首先分析了并行计算中的粒度原理．然后用改进的属性约简算法对数据集预处理．此算法并行计算并选择差别矩阵元素，降低了时间空间复杂度，最后用AP算法聚类．整个IRPAP算法将任务划分到多个线程同时处理．实验证明，对于大规模数据集的聚类，IRPAP算法比AP算法效率更高．一种新的时间序列延迟相关性分析算法——三点预测探查法
摘要：延迟相关性分析是时间序列数据挖掘的重要研究内容，它可以在很多领域得到应用，比如股票市场分析、天气预报、网络分析、移动对象跟踪和传感器监控等；通过实验发现和验证了时间序列延迟相关性分析中存在的3个现象，即连续分布性、延迟突变和突变幅度分布特性；证明了已有研究或者在延迟位置较大时具有较大的误差，或者无法解决延迟突变问题；根据3个实验现象，提出了三点预测探查法（three points forecast—based probing，TPFP），它可以克服已有算法的缺陷，在延迟位置较大时也可以具有较小的误差，并且可以有效处理大部分延迟突变情形．大量实验证明，三点预测探查法可以比已有方法取得更好的性能．基于改进决策树算法的Web数据库查询结果自动分类方法
摘要：为了解决web数据库多查询结果问题，提出了一种基于改进决策树算法的Web数据库查询结果自动分类方法．该方法在离线阶段分析系统中所有用户的查询历史并聚合语义上相似的查询，根据聚合的查询将原始数据划分成多个元组聚类，每个元组聚类对应一种类型的用户偏好．当查询到来时，基于离线阶段划分的元组聚类，利用改进的决策树算法在查询结果集上自动构建一个带标签的分层分类树，使得用户能够通过检查标签的方式快速选择和定位其所需信息．实验结果表明，提出的分类方法具有较低的搜索代价和较好的分类效果，能够有效地满足不同类型用户的个性化查询需求．
