排序方式: 共有132条查询结果,搜索用时 217 毫秒
71.
72.
为了缓解Web服务推荐中存在的冷启动和数据稀疏问题,以及满足用户个性化的需求,本文提出了基于混杂社会网络的Web服务推荐框架及算法.该网络加入了服务提供者这一元素,可提供更多的真实信息,有助于缓解冷启动问题.根据提出的服务推荐框架,设计了用户-候选服务信任值预测算法(Computing Trust Value,CTV),以及服务推荐算法(Recommend Queue,RQ).在真实数据集上建立实验,结果表明本文提出的方法在预测准确率MAE、RMSE,推荐准确率MAP、NDCG,以及填充率和覆盖率上都有所提高,有助于提升个性化推荐的性能. 相似文献
73.
柳毅 《杭州电子科技大学学报》2010,30(3):75-77
该文提出用人工鱼群算法求解带回程取货车辆路径问题,有效调度车辆在送货的同时完成取货任务。将人鱼个体能量函数、觅食行为、聚群行为和追尾行为等应用到优化问题中,仿真结果表明人工鱼群算法是一种解决带回程取货车辆路径问题的有效方法。 相似文献
74.
针对中心化医疗数据管理系统易受黑客攻击、数据互操作性差以及患者无数据控制权等问题进行了研究,提出基于以太坊平台的医疗数据安全共享方案。利用区块链结合ElGamal算法、可逆哈希函数实现以患者为中心的安全共享机制,并采用智能合约和控制模块实现对数据使用者的访问控制。通过构建以太坊私链进行仿真,结果与对比方案相比,在满足机密性、完整性、身份验证、不可否认性以及访问控制五大安全性能的同时,具备更低的计算开销。 相似文献
75.
针对网络入侵检测模型泛化能力弱的问题,提出了一种基于权重丢弃的卷积化长短期记忆网络(WDConvLSTM)和梯度惩罚生成对抗网络(WGAN-GP)的入侵检测方法。在数据处理方面,对网络流量数据进行归一化和数值化后使用主成分分析法进行数据降维。在特征提取方面,利用所提WD-ConvLSTM挖掘出高维数据深层的空间特征。最后把挖掘出来的空间特征输入Softmax函数得到分类结果。为了缓解数据不平衡导致的过拟合问题,引入WGAN-GP对稀有类型数据进行过采样,进一步增强模型的泛化能力。在NSL-KDD数据集上对所提出的入侵检测方法进行了实验,结果表明,无论是与随机森林、支持向量机、贝叶斯等传统机器学习方法,还是与降噪自编码器、多尺度卷积神经网络等深度学习方法相比,所提出的方法在准确率、F1值上表现更好。 相似文献
76.
77.
基于移动代理的可变路由安全协议 总被引:5,自引:0,他引:5
移动代理是一种软件程序,它漫游在计算机网络中,经过不同的主机代替用户执行一定的任务,但是它也带来了许多新的有关面临恶意代理与主机安全的问题.路由安全就是移动代理技术面临的主要安全问题之一.通过对已有的移动代理路由方案的分析,可以得出Mir等给出的基于嵌套加密的移动代理安全路由方案是目前计算复杂度最低的方案.基于基本签字加密技术,该文利用Hash函数提出了一个安全高效的移动代理路由协议,并对其安全性和计算复杂度进行了详细的分析.相比Mir等的方案,该协议在保证安全性的同时,计算复杂度得到了显著的降低,使得用户和路由主机的计算复杂度均达到O(n). 相似文献
78.
移动代理是能在异构网络中漫游的一种软件实体,它极大地改善了分布式系统的性能,被认为在未来的电子商务中必将起到很重要的作用.然而,许多新的安全问题也随之而来.这些安全问题已被看做是移动代理技术得到更广泛应用的主要障碍之一.利用可验证秘密共享和正交验证理论,提出了一个基于移动代理的优化支付协议.协议提供了很好的安全性.同时,在不泄露所购买商品的情况下,能够使移动代理对所购买商品进行验证.另外,最小限度地使用了可信任第3方,除非出现欺诈行为或者协议提前终止.否则可信任的第3方为脱线运行. 相似文献
79.
针对网络入侵检测在数据不均衡下检测性能较差的问题,提出了一种对比主成分分析(cPCA)结合可改变网络结构的自组织映射(AMSOM)的入侵检测模型。通过把少数类设置为背景数据,cPCA在降维的同时提高模型对少数类攻击的识别能力。AMSOM在输出层构建一个更加灵活的动态神经元网络,保持两个空间的对应关系,解决了SOM在训练过程中产生畸形的问题,提高输出神经元的聚类结果识别率。使用NSL-KDD数据集,实验结果表明提出的模型对少数的网络攻击表现出良好的性能,具有更高的准确率、召回率和[F1]值。 相似文献
80.
传统的多分类器选择算法产生较大的计算和存储开销。另外,多分类器对异常数据流的预测稳定性是解决概念飘移的重要因素。通过引入改进的决策轮廓矩阵和支持熵解决了每个分类器集合之间模糊差异度问题,并将支持熵作为差异度度量的输入衡量标准,使分类器集合之间的差异度计算更加稳定高效,并在此基础上提出了一种基于差异度集成的异常数据流检测方法并实现其算法;该方法应用在异常分类器选择模块,主要包括三个步骤:构建决策轮廓矩阵、整合支持熵、分类器集合差异度度量。实验结果表明,该算法对异常流量的预测精度和稳定性相比其他算法较好,由于分类器训练时间达到10-2 s左右,基本上能够适应数据流量检测的实时性需求。 相似文献