检索结果-内蒙古大学图书馆

模式识别与人工智能 2010年第6期23卷 772-780页

作者：陈思郭躬德陈黎飞福建师范大学数学与计算机科学学院福州350007 福建师范大学网络安全与密码技术重点实验室福州350007

不平衡数据分类问题目前已成为数据挖掘和机器学习的研究热点.文中提出一类基于聚类融合的不平衡数据分类方法,旨在解决传统分类方法对少数类的识别率较低的问题.该方法通过引入"聚类一致性系数"找出处于少数类边界区域和处... 详细信息

不平衡数据分类问题目前已成为数据挖掘和机器学习的研究热点.文中提出一类基于聚类融合的不平衡数据分类方法,旨在解决传统分类方法对少数类的识别率较低的问题.该方法通过引入"聚类一致性系数"找出处于少数类边界区域和处于多数类中心区域的样本,并分别使用改进的SMOTE过抽样方法和改进的随机欠抽样方法对训练集的少数类和多数类进行不同的处理,以改善不同类数据的平衡度,为分类算法提供更好的训练平台.通过实验对比8种方法在一些公共数据集上的分类性能,结果表明该方法对少数类和多数类均具有较高的识别率.

关键词：不平衡数据聚类融合过抽样欠抽样

来源：评论

学校读者我要写书评

暂无评论

一种基于同态Hash的数据持有性证明方法

引用

电子与信息学报 2011年第9期33卷 2199-2204页

作者：陈兰香福建师范大学数学与计算机科学学院福州350108 福建师范大学网络安全与密码技术重点实验室福州350108

在云存储服务中,为了让用户可以验证存储服务提供者正确地持有(保存)用户的数据,该文提出一种基于同态hash(homomorphic hashing)的数据持有性证明方法。因为同态hash算法的同态性,两数据块之和的hash值与它们hash值的乘积相等,初始化... 详细信息

在云存储服务中,为了让用户可以验证存储服务提供者正确地持有(保存)用户的数据,该文提出一种基于同态hash(homomorphic hashing)的数据持有性证明方法。因为同态hash算法的同态性,两数据块之和的hash值与它们hash值的乘积相等,初始化时存放所有数据块及其hash值,验证时存储服务器返回若干数据块的和及其hash值的乘积,用户计算这些数据块之和的hash值,然后验证是否与其hash值的乘积相等,从而达到持有性证明的目的。在数据生存周期内,用户可以无限次地验证数据是否被正确持有。该方法在提供数据持有性证明的同时,还可以对数据进行完整性保护。用户只需要保存密钥K,约520 byte,验证过程中需要传递的信息少,约18 bit,并且持有性验证时只需要进行一次同态hash运算。文中提供该方法的安全性分析,性能测试表明该方法是可行的。

关键词：云存储数据持有性证明同态hash 存储安全数据完整性

来源：评论

学校读者我要写书评

暂无评论

基于KNN模型的增量学习算法

引用

模式识别与人工智能 2010年第5期23卷 701-707页

作者：郭躬德黄杰陈黎飞福建师范大学数学与计算机科学学院福州350007 福建师范大学网络安全与密码技术重点实验室福州350007

KNN模型是k-近邻算法的一种改进版本,但其属于非增量学习算法,从而限制它在一些应用领域的推广.文中提出一个基于KNN模型的增量学习算法,它通过对模型簇引进"层"的概念,对新增数据建立不同"层"的模型簇的方式对原... 详细信息

KNN模型是k-近邻算法的一种改进版本,但其属于非增量学习算法,从而限制它在一些应用领域的推广.文中提出一个基于KNN模型的增量学习算法,它通过对模型簇引进"层"的概念,对新增数据建立不同"层"的模型簇的方式对原有模型进行优化,达到增量学习的效果.实验结果验证该方法的有效性.

关键词：增量学习 k-近邻 k-近邻模型分类

来源：评论

学校读者我要写书评

暂无评论

一种基于混合模型的数据流概念漂移检测算法

引用

计算机研究与发展 2014年第4期51卷 731-742页

作者：郭躬德李南陈黎飞福建师范大学数学与计算机科学学院福州350007 网络安全与密码技术福建省高校重点实验室(福建师范大学) 福州350007

由于在信用卡欺诈分析等领域的广泛应用,学者们开始关注概念漂移数据流分类问题.现有算法通常假设数据一旦分类后类标已知,利用所有待分类实例的真实类别来检测数据流是否发生概念漂移以及调整分类模型.然而,由于标记实例需要耗费大量... 详细信息

由于在信用卡欺诈分析等领域的广泛应用,学者们开始关注概念漂移数据流分类问题.现有算法通常假设数据一旦分类后类标已知,利用所有待分类实例的真实类别来检测数据流是否发生概念漂移以及调整分类模型.然而,由于标记实例需要耗费大量的时间和精力,该解决方案在实际应用中无法实现.据此,提出一种基于KNNModel和增量贝叶斯的概念漂移检测算法KnnM-IB.新算法在具有KNNModel算法分类被模型簇覆盖的实例分类精度高、速度快优点的同时,利用增量贝叶斯算法对难处理样本进行分类,从而保证了分类效果.算法同时利用可变滑动窗口大小的变化以及主动学习标记的少量样本进行概念漂移检测.当数据流稳定时,半监督学习被用于扩大标记实例的数量以对模型进行更新,因而更符合实际应用的要求.实验结果表明,该方法能够在对数据流进行有效分类的同时检测数据流概念漂移及相应地更新模型.

关键词：概念漂移数据流分类主动学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

分布式协作频谱感知的信誉模型

引用

北京邮电大学学报 2015年第4期38卷 53-57页

作者：许力黄毅杰林晖福建师范大学数学与计算机科学学院福州350117 福建师范大学福建省网络安全与密码技术重点实验室福州350117

协作感知技术能大大提高认知无线电网络中的频谱感知效果,但也会产生一些安全隐患,如频谱感知数据伪造攻击.针对单个恶意次用户发起的连续性频谱感知数据伪造攻击和若干个恶意次用户发起的非连续性频谱感知数据伪造攻击,设计并实现了一... 详细信息

协作感知技术能大大提高认知无线电网络中的频谱感知效果,但也会产生一些安全隐患,如频谱感知数据伪造攻击.针对单个恶意次用户发起的连续性频谱感知数据伪造攻击和若干个恶意次用户发起的非连续性频谱感知数据伪造攻击,设计并实现了一种分布式协作频谱感知的信誉模型.仿真实验表明,该模型能有效地识别恶意次用户和抵御频谱感知数据伪造攻击.同时,该模型还具有较小的虚警率、丢失率和较好的容错能力.

关键词：认知无线电网络分布式协作频谱感知频谱感知数据伪造信誉模型

来源：评论

学校读者我要写书评

暂无评论

支持多密文批量审计的解密外包SM9-HIBE密钥封装机制

引用

通信学报 2023年第12期44卷 158-170页

作者：刘宽宁建廷伍玮许胜民林超福建师范大学计算机与网络空间安全学院福建福州350117 福建省网络安全与密码技术重点实验室福建福州350117 福建师范大学分析数学及应用教育部重点实验室福建福州350117 福建师范大学数学与统计学院福建福州350117

SM9-HIBE密钥封装机制的解密操作需要2次双线性配对运算,在设备算力受限且需对大规模信息资源进行高频解密时,配对运算的高额计算开销会束缚系统的有效部署。为此,基于SM9-HIBE提出了一种支持解密外包和多密文批量审计的新型密钥封装机... 详细信息

SM9-HIBE密钥封装机制的解密操作需要2次双线性配对运算,在设备算力受限且需对大规模信息资源进行高频解密时,配对运算的高额计算开销会束缚系统的有效部署。为此,基于SM9-HIBE提出了一种支持解密外包和多密文批量审计的新型密钥封装机制OASM9-HIBE,并利用Fujisaki-Okamoto转换技术在随机谕言模型下证明了OASM9-HIBE具备RCCA安全性。OASM9-HIBE将计算繁重的双线性配对运算全部安全外包至算力强大的云端,第k层用户只需执行一次简单的指数运算即可完成最终解密,有效提升了原SM9-HIBE的解密效率,OASM9-HIBE同时运用密钥盲化技术实现了多份转换密文的高效批量审计功能,从而拓展了SM9系列算法的应用领域。

关键词：分层密钥封装机制解密外包批量审计密钥封装

来源：评论

学校读者我要写书评

暂无评论

HWMN中一种新的隐私感知安全路由协议

引用

计算机研究与发展 2015年第8期52卷 1883-1892页

作者：林晖田有亮许力胡嘉福建省网络安全与密码技术重点实验室(福建师范大学数学与计算机科学学院) 福州350117 贵州大学理学院贵阳550025 利物浦霍普大学数学与计算机科学系

混合无线Mesh网络(hybrid wireless mesh network,HWMN)是最具实际应用前景的无线Mesh网(wireless mesh networks,WMNs)结构.然而,HWMN也面临着各种安全威胁,尤其是针对路由和隐私安全的内部攻击的威胁.针对这一问题,结合HWMN的特点,提... 详细信息

混合无线Mesh网络(hybrid wireless mesh network,HWMN)是最具实际应用前景的无线Mesh网(wireless mesh networks,WMNs)结构.然而,HWMN也面临着各种安全威胁,尤其是针对路由和隐私安全的内部攻击的威胁.针对这一问题,结合HWMN的特点,提出了基于动态信誉机制的隐私感知安全路由协议(dynamic reputation based privacy-aware secure routing protocol,RPASRP).RPASRP实现了动态信誉机制、分级密钥管理协议与路由协议的有机结合,并充分考虑了路由过程中的能量损耗.仿真结果表明,RPASRP能有效抵御内部攻击、实现隐私保护和减少路由能量损耗.

关键词：混合无线Mesh网络安全路由协议隐私保护信誉机制能量损耗

来源：评论

学校读者我要写书评

暂无评论

基于簇间分离性的稀有类识别算法

引用

模式识别与人工智能 2014年第6期27卷 502-508页

作者：严宣辉郭躬德福建师范大学数学与计算机科学学院福州350007 福建师范大学网络安全与密码技术福建省重点实验室福州350007

稀有类挖掘是数据挖掘的一个重要研究领域,具有广泛的应用背景.文中针对传统稀有类识别算法存在的缺陷,提出一种基于密度差异与簇间分离性判据相结合的稀有类识别算法(RDACS).该算法以特征权重相似度作为稀有类簇与周围数据样本间分离... 详细信息

稀有类挖掘是数据挖掘的一个重要研究领域,具有广泛的应用背景.文中针对传统稀有类识别算法存在的缺陷,提出一种基于密度差异与簇间分离性判据相结合的稀有类识别算法(RDACS).该算法以特征权重相似度作为稀有类簇与周围数据样本间分离性的判据,并辅以积极学习的方法实现稀有类识别.在UCI公共数据集和KDD99数据集上的实验表明,与现有的同类算法相比,RDACS在询问次数指标上有较明显优势,能提高效率并减少人为误差,是现有稀有类识别方法的一种补充算法.

关键词：稀有类簇密度特征权重分离性

来源：评论

学校读者我要写书评

暂无评论

结构复杂数据的半监督聚类

引用

控制与决策 2010年第1期25卷 14-19页

作者：黄添强余养强秦小麟福建师范大学数学与计算机科学学院福建师范大学网络安全与密码技术福建省高校重点实验室福州350007 南京航空航天大学计算机科学与工程系南京210016

基于成对限制,提出一种半监督聚类算法(SCCD),它能够处理存在多种密度结构复杂的数据且识别任意形状的簇.利用成对限制反映的多密度分布信息计算基于密度的聚类算法(DBSCAN)的邻域半径参数Eps,并利用不同参数的DBSCAN算法处理复杂形状... 详细信息

基于成对限制,提出一种半监督聚类算法(SCCD),它能够处理存在多种密度结构复杂的数据且识别任意形状的簇.利用成对限制反映的多密度分布信息计算基于密度的聚类算法(DBSCAN)的邻域半径参数Eps,并利用不同参数的DBSCAN算法处理复杂形状且密度变化的数据集.实验结果表明,SCCD算法能在噪声环境下发现任意形状且多密度的簇,性能优于已有同类算法.

关键词：半监督聚类多密度数据基于密度聚类成对限制

来源：评论

学校读者我要写书评

暂无评论

边缘协作的轻量级安全区域建议网络

引用

通信学报 2020年第10期41卷 188-201页

作者：熊金波毕仁万陈前昕刘西蒙福建师范大学数学与信息学院福建福州350117 福建师范大学福建省网络安全与密码技术重点实验室福建福州350007 福州大学数学与计算机科学学院福建福州350108 福州大学网络系统信息安全福建省高校重点实验室福建福州350108

针对边缘环境下的图像隐私泄露和计算效率问题,提出一种边缘协作的轻量级安全区域建议网络(SecRPN)。基于加性秘密共享方案设计一系列安全计算协议,由2台非共谋边缘服务器协作执行安全特征处理、安全锚变换、安全边界框修正、安全非极... 详细信息

针对边缘环境下的图像隐私泄露和计算效率问题,提出一种边缘协作的轻量级安全区域建议网络(SecRPN)。基于加性秘密共享方案设计一系列安全计算协议,由2台非共谋边缘服务器协作执行安全特征处理、安全锚变换、安全边界框修正、安全非极大值抑制等计算模块。理论分析证明了SecRPN的正确性和安全性,实际性能评估表明,计算和通信开销均远优于现有工作。

关键词：边缘协作区域建议网络目标检测加性秘密共享安全计算协议

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：