Prediction of network attack profit path based on NAPG model

The network attack profit graph (NAPG) model and the attack profit path predication algorithm are presentedherein to cover the shortage of considerations in attacker-s subjective factors based on existing network attack pathprediction methods. Firstly, the attack profit is introduced, with the attack profit matrix designed and the attackprofit matrix generation algorithm given accordingly. Secondly, a path profit feasibility analysis algorithm isproposed to analyze the network feasibility of realizing profit of attack path. Finally, an opportunity profit path andan optimal profit path are introduced with the selection algorithm and the prediction algorithm designed for accurateprediction of the path. According to the experimental test, the network attack profit path predication algorithm isapplicable for accurate prediction of the opportunity profit path and the optimal profit path.     

智能化大楼构建方案的研究

信息时代的到来，使得以通信自动化、办公自动化、大楼自动化为基础的智能化大楼产生。构建合理的智能化大楼．是信息化时代国家科技实力的一个重要标志。本文介绍了智能化大楼构建的一般方案。     

面向轨迹数据发布的KSDP方案

轨迹隐私保护中使用k-means算法进行聚类时,对初始值敏感,且聚簇数目的选择具有一定的盲目性,为解决该问题并提高聚类结果的可用性,提出一种结合k-shape和差分隐私的轨迹隐私保护方案KSDP(k-shape differential privacy)．首先,对轨迹数据进行划分切割预处理,利用轨迹的时间属性和空间属性对轨迹切割划分,从而提高聚类泛化的质量．其次,使用设定的效用函数对预处理后的轨迹数据进行评判,并对过滤后数据进行聚类泛化操作．最后,在泛化后的数据中加入Laplace噪声,使其满足差分隐私保护模型,进一步保护轨迹隐私．实验仿真结果表明,与传统差分隐私k-means聚类方案对比,KSDP方案有效提高了聚类结果的可用性,并具有一定的性能优势,更好地实现了轨迹数据发布和隐私保护．     

基于NBSR模型的入侵检测技术

为了更好地解决入侵检测技术中误用检测造成未知入侵行为误检率升高的问题,提出了一种基于NBSR模型的入侵检测技术。首先,为了弥补ReliefF特征选择算法对特征之间的相关性分析的不足,引入Pearson相关系数,提出Relieff-P算法。其次,利用Relieff-P算法对UNSW-NB15数据集进行处理,去除无关特征,得到新的特征子集。最后,将朴素贝叶斯分类器和Softmax回归分类器级联构成NBSR分类器,建立了NBSR模型。在UNSW-NB15测试集上的实验结果表明,NBSR模型较其他检测模型有较低的误检率。     

基于信息流的多级安全策略模型研究

内部威胁是企业组织面临的非常严重的安全问题,作为企业最贵重的信息资产——文档,是内部滥用的主要目标。以往的粗粒度安全策略,如最小权限原则、职责分离等,都不足以胜任文档安全化的内部威胁问题。提出了一个崭新的多级安全策略模型,引入了文档信息流和信息流图概念,并提出了相关算法。它能依据系统上下文环境的变化,动态地产生信息流的约束条件,屏蔽可能产生的隐藏信息流通道。     

一种结合神经网络和敏感位置语义的轨迹隐私保护方法

目前,现有的轨迹隐私保护工作大多数考虑的是敏感位置或敏感区域,未能考虑到敏感位置语义且未能精准的描述出位置语义的敏感程度.针对此问题,本文提出了一个TP-SLS(A trajectory privacy protection method combining neural networks and sensitive location semantics)方法.首先,提出了敏感度感知算法,用于量化位置语义敏感度,实现“原子化”保护.其次,为了构建用户的敏感移动场景,建立了一个包含时空信息和位置语义敏感度的四元组并使用差分隐私进行干扰.同时,使用深度神经网络预测轨迹.最后,由于预测的轨迹存在废数据,提出了基于强化学习的优化轨迹算法,用于提高数据质量,完成轨迹数据发布.实验结果表明,TP-SLS方法在隐私保护强度和数据可用性两个方面优于现有的方案.     

面向路网的空间众包隐私保护任务分配算法

隐私保护和任务分配是空间众包的2个核心问题。现有研究大多基于欧氏空间使用地理不可区分性保护位置隐私，但忽略了底层的路网信息，由此带来了众包工人的隐私泄露和效用损失。为了保护工人位置隐私，同时产生较小的效用损失，提出了面向路网的隐私保护批处理任务分配算法。首先，提出了图指数机制优化问题，并设计了一种贪心算法寻找近似最优解，同时引入边缘服务器作为工人的隐私保护代理。然后，将任务分配问题转化为以工人旅行距离为权值的二分图最大流问题，采用KM算法得到最优解。最后，通过实验验证了所提算法在隐私保护程度和效用上均有明显提升。     

基于用户偏好和位置分布的假位置生成方法

传统的基于k-匿名机制的假位置生成算法生成的假位置的合理性较低,易被攻击者利用边信息进行攻击.针对此问题,提出了SPDGM算法.首先,定义语义加权有向图,描述语义的时间分布和语义转移关系;其次,为解决仅考虑位置历史概率产生的抵抗能力弱的问题,提出了位置可信度,统一考虑了位置历史概率和大众的评价信息;再次,为避免假位置分布过于密集,定义了离散度,以控制假位置的分布情况;最后,生成语义安全且分布稀疏的匿名集.实验证明,在语义攻击下SPDGM算法具有更低的被识别率,更高的隐私保护强度;在考虑语义攻击的算法中,SPDGM算法的运行时间更短.因此,SPDGM算法具有可行性与实用性.     

基于UML2.0的系统建模

统一建模语言（UML）是一种通用的可视化建模语言.介绍了统一建模语言的主要内容和建模机制,给出了基于UML的系统建模过程,讨论了系统用例模型、静态结构模型、动态模型和物理模型的构建方法以及系统建模迭代并递增的过程,且通过具体实例进行了建模分析.采用统一建模语言能准确描述系统建模过程,并加速系统的开发.     

结合区块链的车联网隐私保护可信预测缓存架构

在享受基于位置的服务(LBS, location-based service)时,用户需要频繁提交位置信息和查询请求,可能导致隐私泄露。因此,利用认知引擎感知用户需求的能力提出一种基于区块链的隐私保护缓存架构(TPCB, trusted prediction cache architecture based on blockchain)。首先,基于LSTM模型预测查询请求,请求者依靠服务提供商广播缓存数据获取服务。其次,采用信任机制评估信任值来解决与不同邻居通信时引起的交互不可信问题。最后,基于区块链的特性将交易过程中生成的大量信任数据和交易数据存储在区块中。实验结果表明TPCB能有效提高缓存命中率,并对抑制恶意提供商、激励拒绝参与的提供商和隐私保护方面具有良好的性能。