基于Fr(e)chet距离函数的轨迹隐私保护方法

针对传统的基于欧几里得距离函数计算轨迹相似性过程,要求轨迹等长且时间点对应,没有考虑轨迹的形状,一定程度影响了轨迹隐私保护的效果和数据的利用率问题,提出了一种基于Fréchet距离函数的轨迹隐私保护方法.该方法将轨迹运动方向相近且平均速度相近的轨迹匿名在一起,利用Fréchet距离方法计算轨迹间的距离,最后利用轨迹图之间的权值实现轨迹匿名集合.与其他隐私保护算法比较,在隐私保护和信息损失率上都有一定的改进,表明该方法在处理隐私保护数据方面是有效的.     

基于Fréchet距离函数的轨迹隐私保护方法

针对传统的基于欧几里得距离函数计算轨迹相似性过程,要求轨迹等长且时间点对应,没有考虑轨迹的形状,一定程度影响了轨迹隐私保护的效果和数据的利用率问题,提出了一种基于Fréchet距离函数的轨迹隐私保护方法.该方法将轨迹运动方向相近且平均速度相近的轨迹匿名在一起,利用Fréchet距离方法计算轨迹间的距离,最后利用轨迹图之间的权值实现轨迹匿名集合.与其他隐私保护算法比较,在隐私保护和信息损失率上都有一定的改进,表明该方法在处理隐私保护数据方面是有效的.     

基于等差隐私预算分配的大数据决策树算法

针对传统差分隐私保护方案以剩余隐私预算的一半逐层分配,即等比分配隐私预算,被应用于决策树时,随着决策树高度的增加,分配至顶层的隐私预算过小,随机噪声过大,分类准确率受到影响的问题,作者提出以差分隐私保护结合主流决策树C4.5分类方法为基本思路,依据决策树高度等差分配隐私预算的方案。差分隐私中的Laplace机制和指数机制确保决策树分类的安全性。作者利用大数据Hadoop平台的MapReduce框架,主程序进行MapReduce参数配置以及外层循环。在执行到每一个节点时,主程序将数据集属性的统计任务交给Mapper类,Reducer类接收Mapper类的统计结果并利用Laplace机制添加随机噪声,加噪结果返回主程序中作为计算信息增益率的参数。主程序利用指数机制选择最佳细分方案,递归过程直至样本数为0时停止。实验采用UCI数据库的car数据集进行测试,在不同隐私预算下将等比分配与等差分配两种方案得到的分类结果准确率进行对比。实验结果表明：本文算法在可接受的分类准确率降低的情况下满足差分隐私保护;与传统隐私预算分配相比,本文算法在相同隐私预算下提高了分类准确率;对于car数据集,本文算法在隐私预算为0.7或0.8时可较好兼顾数据集的安全性和有效性。因此,在一定程度上依据决策树高度等差分配隐私预算的方案可改善分类准确率,可实际应用于决策树分类算法。     

基于聚类的S-KACA匿名隐私保护算法

KACA是一种基于局域泛化的K-匿名化方法.基于该算法,结合敏感属性隐私保护度,提出了一种S-KACA算法.该算法能够更有针对性地保护敏感隐私属性,而且使发布后数据的可用性较高,但由于其在保护敏感隐私信息时设置了一个隐私保护度的参数,会影响算法执行效率,使大规模的数据集应用有一定的局限性.为解决这个问题,引入一个高效的聚类算法——K-Prototypes算法,并将其与S-KACA算法相结合,提出一种K-Prototypes-SKACA算法.该算法首先通过聚类算法K-Prototypes将整个微数据集划分成几个较大的簇,然后再采用S-KACA算法对这些簇的微数据进行匿名化处理.实验验证K-Prototypes-S-KACA算法在隐私保护程度和数据可用性的大小与S-KACA算法相近,但是算法运行效率却得到了很大的提高.     

一种隐私保护度量的集对分析方法

基于位置服务的广泛应用使得位置服务中隐私数据信息的保护、挖掘及利用成为大量学者关注的重点.但目前关于用户隐私的保护主要集中在位置隐私保护协议、位置隐私保护算法(如K-匿名)、隐私保护数据分类及数据挖掘等方面,对隐私保护中隐私的度量研究很少.基于此,分析了隐私保护度量中存在的问题,结合现有隐私保护度量的研究工作提出一种新的用户隐私保护度量集对分析方法,讨论了该方法在数据库隐私保护、位置隐私保护和轨迹隐私保护3种不同应用模式下的具体分析过程.建立了隐私度量的体系标准和内容,并将本文提出的隐私度量方法与其他已有方法进行了优劣比较,对各自特性进行了分析.最后,总结了隐私保护度量方法的发展趋势、未来方向及有待解决的问题.     

面向聚类挖掘的局部旋转扰动隐私保护算法

聚类挖掘可以高效准确地从数据中找出很多潜在的、有价值的规律,但也同时存在着泄露用户隐私数据的安全威胁.已经有一些专门针对聚类挖掘的隐私保护研究,其中乘法扰动方法是一种准确性和安全性都较高的隐私保护算法.研究发现已知信息独立分量分析极大地降低了已有乘法扰动方法的安全性,它能够从乘法扰动数据中近似估计隐私数据.为了解决以上问题,提出了局部旋转扰动隐私保护算法,通过准确性分析得出新算法具有零损失准确性.利用安全性分析证明新算法能够有效抵御独立分量分析的攻击,具有更高的安全性.将新算法应用到聚类挖掘中,得到了与未加隐私保护的聚类挖掘非常接近的结果,说明了它的可行性.局部旋转扰动方法的出现,有效地解决了已有乘法扰动方法的安全漏洞,使得聚类挖掘能够更加安全地得到应用.     

云存储中支持数据完整性验证的隐私保护融合算法

针对云存储系统在传输过程中存储数据隐私的泄露、篡改、虚假注入等安全问题,采用加权的模式将需要保护的数据ＩＤ号进行隐性传送,并结合数据干扰技术把ＩＤ号当成干扰因子实施数据隐私性保护。结合云存储系统在网络传输中的安全需求,提出对数据进行完整性验证的新算法。经过ＶｉｓｕａｌＪ＋＋６.０仿真程序进行模拟实验,结果表明,新的算法综合考虑数据隐私保护和完整性验证,在性能上要优于如ＰＤＰ、ＦＴＰ等传统算法,大大降低通信及验证时间开销,更好地保护数据隐私。     

基于局部差分隐私的电动汽车充电位置隐私汇聚

电动汽车频繁接入充电桩充电而产生的位置数据对优化充电桩布置、指导电力调度具有重要意义。然而充电位置数据对于汽车用户来说属于隐私信息。为防止汽车用户的隐私泄露,亟需探索研究隐私汇聚充电位置数据的方法。采用局部差分隐私技术保护电动汽车充电位置数据,通过引入贝叶斯随机多伪隐私算法设计一种基于分区的隐私保护充电位置数据汇聚方法。该方法利用贝叶斯随机多伪隐私算法设计了一个用于本地化扰动充电位置数据的局部混淆算法,然后,结合随机多伪算法的重构算法设计了满足稀疏、样本量小等特点的充电位置数据的隐私汇聚方法。同时,在保证隐私保护水平的前提下,通过对位置域进行划分以缩小隐私位置域,进一步提高汇聚结果的可用性。对所设计方法的隐私性进行分析。最后,在正态分布、均匀分布、峰值分布和随机分布4种不同的合成数据集以及公开的Gowalla数据集上进行验证。实验结果表明：在相同隐私水平的条件下,所设计的方法在可用性方面优于基于随机映射矩阵的隐私汇聚方法。     

垂直分布数据的隐私保护支持向量机

随着人们对隐私权的越来越重视,隐私保护数据挖掘成为当前研究热点.分类算法作为一个重要的数据挖掘方法被应用到各个领域,其中支持向量机（SVM）是分类算法中一个重要方法.并且数据的隐私性和安全性是人们关注的重点.本文对SSP协议进行扩展提出了一个基于垂直分布数据的隐私支持向量机算法,这个算法具有更高的效率和更好的安全性.     

基于生成对抗网络反馈的社交网络差分隐私保护方法

传统的社交网络差分隐私保护方法由于直接对隐私数据进行了分类,导致方法的应用效果不佳。因此,设计一种基于生成对抗网络反馈的社交网络差分隐私保护方法。通过计算差分隐私的预算参数,构建差分隐私风险量化模型,对数据隐私泄露的风险量化。在生成对抗网络反馈的作用下,将隐私数据分类过程划分为数据分类和判别过程,通过计算隐私数据的信息熵,提高数据分类的精确度,实现社交网络差分隐私的保护。和以往的社交网络差分隐私保护方法相比,本文设计的基于生成对抗网络反馈的社交网络差分隐私保护方法的执行时间平均为123.2 ms,执行时间更短,应用效果更好。     

基于蚁群优化算法的云计算资源分配

基于云计算环境的特点,采用改进蚁群优化的计算资源分配算法,分析诸如带宽占用、网络负载和响应时间等因素对云端资源分配的影响。仿真实验的分析和比较说明该算法能够在云中快速、合理地找到所需访问的数据库,并能够优化搜索性能,减少搜索时间,降低云数据库整体网络负载,比其他一些针对云计算的分配算法具有更优的效率。     

高效的无证书云数据审计方案

针对现有无证书云审计方案中,使用了幂指数、双线性映射、点哈希映射等大开销运算,导致审计效率不高的问题,本文提出一种高效的无证书云数据完整性验证方案。方案在密钥生成阶段,使用无证书签名技术,由密钥生成中心(Key Generating Center, KGC)与用户合作生成用户的公私钥,能够避免审计系统的安全对于KGC安全的强依赖性,既解决了公钥基础设施(Public Key Infrastructure,PKI)体制下的云审计方案中,公钥证书管理复杂的缺点,又能够解决基于身份的云审计方案所固有的密钥托管问题。在数据预处理阶段,用户将数据加密、分块,保护了数据内容隐私,且降低了方案的计算与通信开销。在数据动态更新阶段,方案使用虚拟索引数据结构实现云端数据块的动态更新（插入、删除、修改）,能够避免标签重复计算导致的额外计算开销。在数据审计阶段,由第三方审计者(Third Party Auditor,TPA)代替用户对来自云端的完整性证据进行验证,能够减轻用户的计算负担。本文在安全性分析部分,证明了方案能够抵抗来自云端的替代攻击,可实现隐私保护,且能够抵抗两类敌手的伪造攻击。在方案性能分析部分,首先对本文方案和现有方案进行数值分析与对比,然后利用JPBC库进行实验,结果表明,方案的计算开销明显降低。     

基于插件模式的私有云存储系统的存储池设计

为满足私有云存储系统中采用不同底层存储介质的需求,提出了一种基于插件模式的私有云存储系统的存储池设计.在数据存储层与数据管理层之间建立统一存储层,包含各类插件并基于适配插件提供的动态性能参数,由统一存储层管理器制定存储策略和IO策略,以平衡存储节点流量,提高存储池的整体性能.实验结果表明,该设计可以提高企业存储资源利用率,提升异构存储横向扩展能力,有效降低私有云存储服务的整体运营成本.     

基于混合云的医疗大数据处理系统设计

针对目前多数医院仍使用低计算资源私有云的现状,提出并评估了一种基于工作流模型的医疗大数据处理系统。首先,针对私有云中存在的性能与成本间的矛盾展开研究;其次,针对混合云进行研究以解决上述问题;再次,提出了基于工作流模型的医疗大数据处理系统,并给出了相应的体系结构和工作流模型。仿真实验验证了该模型的合理有效性。     

云边协同光量子物联网架构及资源分配

在物联网(IoT)技术领域,通过云计算与边缘计算的协同,构建云边协同IoT可以显著减少核心网络中的流量负载以及IoT业务的服务时延。然而,传统密码学技术无法抗衡量子计算机的攻击,IoT的数据传输安全倍受威胁。量子密钥分发技术的应用,能够增强云边协同IoT安全能力。为了提升云边协同IoT的安全,基于量子密钥分发设计了一种云边协同光量子IoT安全体系架构,以及内嵌量子密钥服务的IoT网关模型与工作流程。同时,在该架构下,为了承载IoT业务并为其分发密钥,提出了面向业务密钥需求的节点密钥供应能力属性,以及节点密钥供应能力感知的密钥资源分配方法。仿真实验结果在密钥供应成功率、业务平均密钥消耗量和网络密钥利用率方面验证了所提方法的性能。与对比方法相比,所提方法能够显著提升密钥供应成功率。     

The Optimization of Manufacturing Resources Allocation Considering the Geographical Distribution

考虑地理位置分布的制造资源配置优化

梁策远¹, 贺利军², 朱光宇¹

（1.福州大学 机械工程及自动化学院 福州 350116;

2武汉理工大学 物流工程学院, 武汉 430070）

创新点说明：

1) 建立了云制造环境下跨地理位置制造资源配置的模型,包括初选和优选两个阶段。

2) 优选阶段采用了基于模糊集关联熵的PSO算法解决高维多目标优化,此方法要好于NSGA-II和基于随机权重的PSO算法。

3) 考虑了配置过程中制造资源正常和出错两种情况,突显了该方法所具有的实时性,动态性和容错性。

研究目的：

建立云制造中跨地理位置资源配置模型,优化配置方案,实现配置的实时性,并能在资源出现异常情况时做出动态响应,提高容错率。

结果：

在制造资源正常和出错的情况下,基于模糊集关联熵的PSO算法均能正常得出配置优化结果,适应度值()分别达到了0.745和0.718（此数值越大表示越接近理想解）,要好于NSGA-II和基于随机权重的PSO算法所得到的结果。

结论：

建立的资源配置模型是合理的,能有效的应对制造资源出错的情形。基于模糊集关联熵的PSO算法可以有效的得出优化结果。

关键词：云制造; 资源优化配置; 模糊关联熵; 高维目标优化; 供应链

     

Services promote Lyapunov-based strategy in mobile cloud computing

Aiming to the energy consumption optimization problem in mobile cloud computing, a new services promote Lyapunov-based strategy is proposed, which considering the effect of order services on transmission energy consumption. The proposed strategy can promote cloud computing services to users based on the threshold control, queue backlog and channel state, and it according to the channel transmission rate and subscribed services to deliver the services data in time. Simulation results show that the proposed strategy not only can effectively reduce the transmission energy consumption and extend the battery time of mobile devices, but also can reduce queue backlog and unnecessary order services cost.     

基于链路预测的手机节能方法

移动云计算为部署大量移动服务提供了技术支持,但用户在不稳定的通信条件下访问云资源往往需要大量的能耗,制约了移动云计算的广泛应用.对此,提出了基于用户交互行为最大化的链路预测方法.首先在数据预测模型的基础上利用基于互动关系改进的交互度方法对已知用户访问的数据进行预测;再结合基于用户行为的社交网络Friendlink方法对预测数据进行数据分析筛选,利用数据预存储机制来预存上述预测数据.实验结果表明,在保证不涉及用户隐私信息,并提高用户下次访问命中率的情况下,达到了预期的手机节能目的.     

低压电力线自适应OFDM系统比特功率分配算法

自适应OFDM系统的比特功率分配能够提高频谱利用率,可以有效地克服低压电力线的多径干扰,在实际系统中,由于对传输比特数整数规划的要求,注水功率算法无法达到比特功率分配的优化结果,鉴于此考虑低压电力线信道的实际传输特性,提出具有变异特性的简化云粒子群优化算法(SCAPSO),对OFDM系统进行比特功率分配,从而解决在功率...     

基于窥孔结构LSTM的电力系统跳闸故障诊断

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而，这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此，提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法，使用窥孔长短时记忆网络（LSTM）提取多源数据的时间特征，缓解了循环神经网络（RNN）在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力；使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响；引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明，与现有的数据挖掘方法相比，所提方法具有分类准确性高的优点.最后，对实际应用进行讨论，证明了所提方法在实际场景中的可行性.