DTN(delay tolerant network)网络的特点及其采用的保管传输机制使得DTN极易耗尽其有限的网络资源(缓存、带宽等),从而导致网络拥塞,降低网络性能。针对这个问题,在应用增强型PROPHET(probabilistic routing protocol using history of ...
详细信息
DTN(delay tolerant network)网络的特点及其采用的保管传输机制使得DTN极易耗尽其有限的网络资源(缓存、带宽等),从而导致网络拥塞,降低网络性能。针对这个问题,在应用增强型PROPHET(probabilistic routing protocol using history of encounters and transitivity)路由算法的基础上,给出了一种基于归一化混合参数的缓存管理策略。应用这种缓存管理策略的DTN网络会优先丢弃归一化混合参数小的消息,以使节点获得足够接收新消息的缓存空间,从而有效地缓解拥塞。仿真结果表明,基于归一化混合参数的缓存管理策略在消息递交率、开销率及平均时延几个方面的性能表现优于应用传统缓存管理策略。
为了提高流数据聚类效率,文中基于经典流聚类算法Clu Stream的思想和Storm的计算架构,设计了一种分布式实时流聚类算法(distributed real time clustering algorithm for stream data,DRClu Stream)。该算法运用滑动时间窗口机制实现多...
详细信息
为了提高流数据聚类效率,文中基于经典流聚类算法Clu Stream的思想和Storm的计算架构,设计了一种分布式实时流聚类算法(distributed real time clustering algorithm for stream data,DRClu Stream)。该算法运用滑动时间窗口机制实现多粒度的数据存储;将流数据的在线微聚类部分拆分成局部和全局两个部分做分布式计算,第一部分由多个线程并行进行微簇的局部增量更新,第二部分合并微簇的局部增量结果来更新全局微簇。还设计了DRClu Stream算法基于Storm的实现方案,通过使用消息中间件Kafka和合理部署Storm的拓扑对DRClu Stream算法进行实现。性能分析及实验结果表明:DRClu Stream算法的聚类精度与K-Means相近,且随着local节点(local bolt线程)的增加聚类精度保持稳定,而计算效率呈近线性提升。
在线社会网络已经成为社会学和信息科学的数据宝库,但是直接分析社会网络数据会造成敏感信息泄漏,对用户隐私构成威胁。传统的基于数据匿名化技术的隐私保护技术面对不断提高的背景攻击显得无能为力。对此,差分隐私作为一种可以严格定义的可量化技术被引入到社会网络的隐私保护中。文中提出一种基于层次随机图(Hierarchical Random Graph)的满足ε-差分隐私的社会网络图发布算法DP-HRGP(Differential Privacy-Hierarchical Random Graph Publishing)。该算法的噪声增加机制分为两个阶段:首先通过指数机制计算HRG结构树的得分,并利用马尔科夫蒙特卡洛(Markov Chain Monte Carlo)方法进行采样得到HRG结构树候选集合,然后通过拉普拉斯机制对稳态采样集合中的HRG的内部节点进行加噪,将加噪后的HRG转化为下三角矩阵,并求出所有稳态采样HRG的下三角均值矩阵,最后,根据均值矩阵内元素值即层次随机图的内部节点的连接概率值生成净化后的社会网络发布图。实验证明了DP-HRGP算法在满足ε-差分隐私的同时具有较好的数据可用性。
暂无评论