VEC中多边缘节点协作卸载与资源分配算法

针对车载边缘计算(VEC)中任务计算成本高和边缘节点负载不均衡的问题，将软件定义网络(SDN)与多边缘计算相结合，构建了“端-多边-云”3层软件定义车载边缘计算模型，并提出了一种新的协作卸载和资源分配算法。使用SDN控制器从全局角度获取网络信息，对任务卸载和资源分配进行统一调度。将改进的k-means算法用于确定任务的初始卸载决策，将任务分别分配到本地簇、边缘节点簇和云服务器簇中。此外，利用深度Q网络算法获得了边缘节点簇中任务最优的卸载决策、卸载比例和资源分配策略。仿真实验结果表明，相较于对比算法，用所提算法使任务的计算成本降低了18.6%以上，提高了22.9%以上的边缘节点资源利用率，并实现了边缘节点间的负载均衡。     

基于双线性对的直接匿名认证方案

针对当前直接匿名认证(DAA)方案设计复杂度高、计算开销大,导致制约资源受限的嵌入式或移动可信智能设备的应用的现状,提出了一种改进DAA方案. 采用双线性对密码体制,以双线性对为工具,以q强Diffie-Hellman、判定性Diffie-Hellman安全假设为基础. 分析结果表明,该方案在确保正确、安全、匿名的基础上,计算开销得到了有效降低,解决了当前资源受限可信设备的计算瓶颈问题加速推进了DAA方案在移动领域的应用.     

面向车联网实时应用场景的任务卸载决策算法

为了解决当前车联网中节点处理任务的时效性问题,基于最优节点选取及任务卸载理论,提出了一种新的任务卸载决策方案.该方案对车联网场景下的任务卸载进行建模,构造出具有指向性的节点分布模型,利用最优节点选取算法对该模型进行节点预选取,通过一次或二次任务卸载预判机制,实现节点对任务的卸载决策.与传统的任务卸载决策相比,所提方案在任务卸载全过程中耗时更少,实时性更高.仿真结果验证了所提方法的有效性.     

WSNs中基于随机角度和圆周路由的源位置隐私保护策略研究*

针对无线传感器网络中的源节点位置隐私安全保护问题进行了研究,设计了一种基于随机角度和圆周路由的源位置隐私保护策略BRACRS。该策略通过三个阶段进行路由：基于角度的幻影路由阶段、圆周路由阶段和最短路径路由。采用均匀划分法使幻影节点基于不同的角度动态随机产生,传感器节点利用充裕区域的能量形成动态的、路径足够长的路径,从而保护源节点的位置隐私。分析结果表明,与现有PUSBRF和HBDRW等保护方案相比,在不显著增加通信开销情况下,能大大延长网络的平均安全时间,增强源位置隐私的安全性。     

基于VBA软件产品多重安全技术的研究与实现

提出了基于VBA软件产品的多重安全体系结构,通过软件安装的限制、结合DLL技术对源代码的封装以及数据库的加密,实现了软件产品的多重安全处理,提供了高性能、高可靠、高安全的服务,保证用户程序和数据的安全,防止盗版。     

信息安全专业实训课程教学模式改革与实践

鉴于信息安全专业实训课程教学的重要性及课程间紧密的相关性,本文结合实际教学情况,对实训课程教学模式进行了深入的研究,提出了一种应用于信息安全专业实训课程的统一教学平台解决方案。通过此平台,在有限的实验设备资源和实践教学时间内,灵活合理的将多门相关课程的实训内容结合起来,为学生提供虚拟现实的网络环境下,提高他们解决实际网络安全问题的能力。     

基于相似轨迹替代查询的位置隐私保护方案研究

针对基于位置服务中移动终端用户位置隐私泄露问题,提出了一个基于相似轨迹替代查询的位置隐私保护方案.该方案在基于位置服务请求的用户及候选者身份匿名化的基础上,采用相似轨迹函数挑选出一定时间间隔内和用户轨迹相似度最高的候选者;然后由该时刻所挑选出的候选者替代用户发起位置服务请求,从而实现用户身份、查询和轨迹的隐私性保护.通过安全性分析,该方案满足匿名性、不可伪造性、以及抵抗连续查询服务追踪攻击等安全特性.仿真实验结果表明,本方案有效提高了最优候选者轨迹相似度以及最优候选者挑选效率.     

基于发音特征的声效相关鲁棒语音识别算法

针对声效(VE)相关的语音识别鲁棒性问题,提出了基于多模型框架的语音识别算法.首先,分析了不同声效模式下语音信号的声学特性以及声效变化对语音识别精度的影响;然后,提出了基于高斯混合模型(GMM)的声效模式检测方法;最后,根据声效检测的结果,训练专门的声学模型用于耳语音识别,而将发音特征与传统的谱特征一起用于其余4种声效模式的语音识别.基于孤立词识别的实验结果显示,采用所提方法后语音识别准确率有了明显的提高:与基线系统相比,所提方法5种声效的平均字错误率降低了26.69%;与声学模型混合语料训练方法相比,平均字错误率降低了14.51%;与最大似然线性回归(MLLR)自适应方法相比,平均字错误率降低了15.30%.实验结果表明:与传统谱特征相比发音特征对于声效变化更具鲁棒性,而多模型框架是解决声效相关的语音识别鲁棒性问题的有效方法.     

面向外包数据的可追踪防泄漏访问控制方案

针对云存储环境下外包数据存在的信息泄漏及追踪难的问题,提出了一种改进的基于密文策略属性基加密（Ciphertext-Policy Attribute-Based Encryption,CP-ABE）的安全访问控制方案。方案基于双线性对理论和秘密共享机制,由第三方可信机构根据数据所有者指定的访问策略为其产生代理加密密钥,根据用户提交的个人属性信息提供用户注册以及密钥对分发,采用访问树构造访问策略来实现用户属性的匹配度计算。当发生用户密钥泄漏导致信息失密时,根据追踪列表可追踪到用户的身份。分析表明,方案在基于DBDH假设下证明是安全的,且实现了抵抗合谋攻击和中间人攻击。通过与其他方案比较,方案在加解密时间、私钥长度和密文长度方面有所优化,从而降低了存储开销和计算代价。