基于联盟链的电子健康记录隐私保护和共享

医院正在逐渐采用电子健康记录(EHR)的方式去记录患者的医疗信息。然而,医疗数据的隐私性和EHR标准的差异化阻碍了医疗数据在病人和医院之间的共享。因此,针对隐私信息泄露和难于共享的问题,提出了一个基于联盟链的隐私保护数据共享模型。此外,基于匿名算法提出了(p,α,k)匿名隐私算法,能够解决EHR隐私信息泄露的问题。通过理论分析和实验证明,提出的基于联盟链和(p,α,k)隐私匿名算法模型能够在保护数据隐私的前提下,实现病人和医院之间的数据安全共享。对比前人的模型,该模型具有所需节点少、减少主链压力、容错性强和病人对EHR完全控制等优势。     

一种改进的winner-take-all模型及在图像中的应用

作为一种广泛存在于各个领域的竞争现象,关于赢者通吃(winner-take-all)的大部分研究太复杂以至于难以很好地理解该现象。为了用简单的方式解释winner-take-all现象,提出了一个改进的winner-take-all模型,由离散时间差分方程表示,该模型的状态空间是一个矩阵并且模型具有多范数可选性,对应的初始输入矩阵中具有最大输入值的元素最终获胜。对提出模型的收敛性和稳定性进行了严格的理论分析,并将该赢者通吃模型应用于图像处理的实验中,分别比较了单层和多层赢家通吃模型的效率。实验正确地生成了winner-take-all现象,表现了多层winner-take-all图像处理的高性能,理论和实验都验证了所提出模型的正确性和有效性。     

双链式区块链交易监管研究

最近,作为去中心化的分布式帐本,区块链使人们能够在不可信赖的环境中进行安全可靠的交易,慢慢地被应用于各个领域。但是,逐渐出现了一些问题,用户隐私信息泄露,存在非法的交易且缺乏有效的监管,智能合约市场存在漏洞等。针对区块链非法交易,提出了监管链的概念,并建立了可以有效监管区块链交易的交易区块链（TBC）和监管区块链（RBC）双链结构。为了提高智能合约的安全性,进一步在监管链中建立智能合约市场,并设计了用于智能合约功能校验的零知识证明算法。理论和数据分析表明,双链结构具有高效率和可扩展性强。实验结果表明机器学习算法对于区块链交易数据的分类准确性达到95.0%,并证明了零知识证明校验智能合约功能的可行性。     

基于QC-MDPC码公钥密码方案下反映攻击的对策

基于中密度准循环奇偶校验码(QC-MDPC)的McEliece公钥密码方案已被验证具有良好的性能特征,其密钥量较少、算法复杂度较低.但目前存在一种密钥恢复攻击对该方案的安全性产生威胁,攻击者利用特定的错误图样生成密文并进行发送,来获取接收者译码是否成功的反应,从而破译出该方案的私钥.为应对此反应攻击,提出了可能的解决方案.该方案将差错控制理论中的自动重传请求(ARQ)与伪随机序列结合,消除了反馈信息的有效性.仿真结果表明,提出的方案能有效抵抗此攻击.最后对提出的方案与各类抗击方案进行了比较,并分析了其未来改进方向.     

应对反应攻击的级联中密度准循环奇偶校验码公钥方案

基于中密度准循环奇偶校验（QC-MDPC）码的McEliece公钥密码（PKC）方案具有较小的密钥量,利于存储,是一类在抵抗量子攻击上发展前景良好的公钥密码体制。然而目前存在一种反应攻击对其安全性产生了较大威胁。攻击者选取特殊的错误图样对大量消息进行加密以获得接收者反馈的译码失败情况,然后通过分析译码失败率与私钥结构的关系从而破解出私钥,该攻击被称为密钥恢复攻击。为应对此攻击,提出了一种将QC-MDPC码与喷泉码进行级联的公钥方案。该方案利用喷泉码的“无码率性”生成大量的加密包来取代反馈重发（ARQ）结构,使攻击者无法获取反馈信息。分析结果表明,所提出的方案能有效抗击密钥恢复攻击,同时还能保证在其他攻击下的安全性。     

花授粉算法研究与应用综述

作为一种新型元启发式群智能优化算法,花授粉算法具有结构简单、鲁棒性强、控制参数少,全局寻优性能好和执行效率高等特点,其具有的特性和优势,吸引了国内外众多学者对其展开研究。简单阐述了花授粉算法的设计思路,并分析了现有的对算法初始解质量、种群多样性以及搜索能力的改进以及算法在各个领域如分类、定位、路径规划、经济调控等方面的应用。分析了花授粉算法未来的可以进一步研究的方向与内容。     

随机多比特翻转算法求解布尔多项式方程组可满足性问题

布尔多项式方程组求解问题是数学与计算机科学中的难解之一,极大布尔多项式方程组可满足性问题是一般布尔多项式方程组求解问题的扩展问题.为了解决极大布尔多项式方程组可满足性问题,首先,提出了一种可证明是否存在满足全部函数为0的解的贪婪算法,结果是不存在满足256个函数全部为0的解;其次,提出了一种基于低密度奇偶校验码,比特翻转译码算法与随机数相结合的随机多比特翻转算法.     

基于区块链与云-边缘计算混合架构的车联网数据安全存储与共享方案

针对车联网（IoV）中云计算的高时延、数据泄漏和恶意车辆节点篡改数据等问题,提出了一种基于区块链与云-边缘计算混合架构的IoV数据安全存储与共享方案。首先,采用联盟链-私有链的双链去中心化存储结构来保障通信数据的安全;然后,利用基于身份的数字签密算法和基于离散中心二项分布的环签名方案来解决通信过程中的安全性问题;最后,提出了基于动态分层和信誉值评估的实用拜占庭容错机制（DRPBFT）,并将边缘计算技术与云计算技术相结合,从而解决了高时延问题。安全性分析结果表明,所提方案在信息共享过程中保证了数据的安全性和完整性。实验仿真和性能评估结果表明,DRPBFT的时延在6 s内,且有效地提高了系统的吞吐量。所提IoV方案有效地促进了车辆数据共享的积极性,使IoV系统更加高效稳定地运行,达到了IoV实时、高效的目的。     

遗传算法在移动机器人路径规划的研究

针对基本遗传算法在移动机器人路径规划问题上存在的收敛速度慢以及所得路径转弯次数过多能耗大等缺点,对遗传算法进行改进,该方法利用同邻交叉方式,通过选取具有相同可行邻居结点的交叉对进行交叉操作,得到比双亲更为合适的可行路径。改进的变异方式是选择一个初始变异结点,计算它的可行邻居结点所在路径的适应度值,适应度值最优的就作为变异结点。新的适应度函数考虑了路径的距离、安全性和能量消耗等因素。仿真结果表明,将改进的交叉变异算子和新的适应度函数结合使用有助得到转弯次数较少的最优路径。     

基于博弈机制的多目标粒子群优化算法

为改善多目标粒子群算法存在优化解的多样性不足和算法的收敛性问题,提出一种基于博弈机制的多目标粒子群优化算法。使用博弈机制,无需外部储备集,通过非占优排序和拥挤距离选出一部分优秀的粒子,从这些优秀的粒子中随机选择一个作为全局最优粒子,有效提升算法的收敛性和种群的多样性。算法初期使用多尺度混沌变异策略,避免算法陷入局部最优。通过与6个多目标算法在3个系列标准测试函数上进行比较,验证了该算法所得解分布性较好,能快速收敛到真实Pareto前端。