面向云计算的智能电网数据安全策略研究

未来智能电网在为用户提供一个双向互动、高可靠性、高质量的电力服务的同时,也面临着用户隐私泄露、电网敏感数据加密等亟待解决的问题,文中首先分析了当前电网数据结构及特征,得出威胁电网数据安全的几个因素—密文数据访问、敏感数据获取以及完整性数据的测试问题。其次讨论了几项目前数据加密技术—对称、非对称加密、属性粒度加密,在论证了其在保护数据隐私安全方面的良好性能之后发现了中心服务器在数据处理方面的诸多瓶颈,如:服务器端不能对不同类型数据进行比较、划分,也无法实现投影操作,多表查询生成很多伪连接。综合上述弊端提出了基于盲签名的数据聚合策略,最后通过实验得出此策略在解决上述问题的同时实现了匿名性,且支持加法、非加法的高效保护机制,证明了该策略在保证智能电网数据安全方面的可行性。     

基于改进FP-树的最大模式挖掘算法

频繁模式挖掘是数据挖掘领域中的一个非常重要的分支,但是由于其内在的计算复杂性,挖掘密集型数据的频繁模式完全集非常困难而且数量往往大得惊人,难以理解和应用。最大频繁模式(最大模式)压缩隐含了所有的频繁模式,存储所占用的空间远远小于完全集,因而最大模式挖掘具有十分重要的意义。该文改进了传统的FP-树结构并提出了一种有效的基于改进FP-树的最大模式挖掘算法IFP-M ax;通过引入后缀子树的概念,算法在挖掘过程中不用生成最大频繁模式候选集,从而大大提高了算法的时间效率和空间可伸缩性。实验表明,IFP-M ax的挖掘速度比M AFIA和GenM ax大约快一个数量级。