一种基于对称加密的范围数据查询算法

为了弥补保序加密算法的隐私泄漏问题,结合对称可搜索加密技术基本思想,提出一种新型的具有隐私保护功能的范围数据加密查询算法.在该算法中,将数字范围转换为特殊关键字并放入布隆过滤器进行存储与命中判定,其中密文信息仅与值域相关,与具体数据无关,从而保证了语义安全性.实验结果表明,该算法计算负载仅为线性增长.综合而言,该算法具有更高的安全性与良好的运行效率.     

N-P准则的分布式入侵检测可靠性研究

入侵检测系统是保障信息安全的一种重要手段,它的关键问题是检测算法的正确性和高效性.该文提出了一种种基于N-P准则的分布式入侵检测系统模型,讨论了其实现方法,并进行了仿真实验,实验表明利用N-P准则通过各本地决策融合,系统的检测概率提高,并且降低了虚警概率,最终决策的可靠性也得到了提高.     

基于多层极小支配集聚类的WSN路由算法研究

提出了对随机聚类方法加以改进的新型多层极小支配集聚类算法，首先讨论了图论中的极小支配集算法，并根据实际需要提出了一种改进的简化近极小支配集的算法，大大降低了计算极小支配集的复杂程度，然后讨论了极小支配集应用在无线传感器网络聚类的实现，最后验证了该算法在能耗方面的性能改进。     

应用MVC设计模式构建Web应用系统框架及其扩展

1.引言 Web应用系统是指利用各种动态Web技术开发的基于B(rowser)/S(erver)模式的事务处理系统。就目前来说,Web应用系统的开发模式和开发工具是业界探索的兴趣点之一,它直接影响到所开发出的应用系统的可维护性、可扩展性、稳定性、安全性等几个比较敏感的方面,本文所阐述的以MVC模式进行Web应用系统开发的思想主要涉及前两个方面,     

一种基于贝叶斯判决的先进入侵检测模型

One key problem for intrusion detection system is the correctness and efficiency of detection algorithm.This paper presents a revised detection algorithm through the use of Bayes decision. Bayes decision is a random pat-tern classified recognition method of the pattern recognition theory. The algorithm in this paper is designed refer to the lest-risk Bayes decision. Experiments show that this algorithm has better performance. In the paper,we firstly in-troduce the Bayes algorithm and threshold selection algorithm. Then depending on the decision, the detection algo-rithm of intrusion detection system is designed. In the end,the experiment results are provided.     

基于多层极小支配集聚类的WSN算法仿真与分析

在无线传感器网络技术中,多层极小支配集聚类算法是对随机聚类算法的改进,本文讨论了图论中的极小支配集算法,并根据实际需要提出了一种改进的简化近极小支配集的算法,大大降低了计算极小支配集的复杂程度,然后讨论了极小支配集应用在无线传感器网络的聚类的实现.最后用仿真程序验证了该算法在节能性方面的突出改进.     

无线Mesh网络链路认知OLSR路由协议

针对无线Mesh网络性能需求,及其路由所面临的挑战,以OLSR路由协议为基础,提出一种链路认知的路由协议LC-OLSR.协议对节点负载、链路投递率和链路可用性等环境进行感知和推理,获得网络中节点之间的路径链路质量评价,评价结果用于路由的优化,达到提高网络吞吐率和负载均衡的目的.仿真表明,LC-OLSR能够提高无线Mes...     

无线传感器网络的最优安全性跳数算法研究

在分析了最小跳数路由算法的局限性基础上提出了最优跳数算法,该算法充分考虑了无线传感器网络的跳数、能量、负载问题,以求在三者平衡中达到网络路由的最优。通过对最优跳数算法进行的仿真,显示研究成果可以有效地提高无线传感器网络路由的可靠性和稳定性,能够达到平面路由算法的最好效果,即通过传输数据量较小的邻点信息表,就可以高效、可靠地传输有效数据,得到很高的有效数据率。     

面向金融数据的神经网络时间序列预测模型

互联网金融风险预测是互联网金融公司决策时的重要一环。本文的研究主要针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架,可评估多个特征参数对结果的联合影响。并在此基础上,提出了一个互联网金融风险预测模型,实验结果表明,所提出的模型在金融时序预测中具有更好的准确度。     

基于移动代理的新型IDS维护更新机制设计

提出了一种基于移动代理的新型分布式入侵检测系统。该系统是针对广域网环境专门设计的,数据的处理通过各节点所设置的代理来进行分布式计算,不仅能实现全网络范围内的入侵检测功能,具有良好的可移植性;而且对网络系统和主机的资源占用较低,减少了出现网络瓶颈的可能。还建立了移动代理的新型分布式入侵检测系统的体系结构和理论分析模型,并讨论了该系统的维护更新机制。