【摘 要】
：
低功耗广域网技术以功耗低、距离远等优势,已成为当前的一个研究热点.但是,由于低功耗广域网中传感器节点安全防护能力有限、容易老化以及存在恶意节点等问题,导致系统在效率和私密性方面并不是完全可靠.针对上述问题,本文为无线电广域网的媒体介入控制层设计一套密文数据审计算法.通过使用布隆过滤器,加快密文数据处理的效率.此外使用同态加密技术,在保护数据的前提下,实现有效密文数据范围查询功能.最后利用区块链技术实现对通讯数据的溯源,方便日后对问题节点进行追踪.分析结果显示,新方案具有较高的安全性能,并且运行效率能够达到
【机 构】
：
鹤壁市广播电视台,河南 鹤壁 458030;郑州师范学院,河南 郑州 450044;北京大学,北京 100871;郑州师范学院,河南 郑州 450044
论文部分内容阅读
低功耗广域网技术以功耗低、距离远等优势,已成为当前的一个研究热点.但是,由于低功耗广域网中传感器节点安全防护能力有限、容易老化以及存在恶意节点等问题,导致系统在效率和私密性方面并不是完全可靠.针对上述问题,本文为无线电广域网的媒体介入控制层设计一套密文数据审计算法.通过使用布隆过滤器,加快密文数据处理的效率.此外使用同态加密技术,在保护数据的前提下,实现有效密文数据范围查询功能.最后利用区块链技术实现对通讯数据的溯源,方便日后对问题节点进行追踪.分析结果显示,新方案具有较高的安全性能,并且运行效率能够达到O(logn).
其他文献
重质高胶质原油比重大,胶质含量高,易与水形成高稳定性乳状液,油水分离困难,一般的热化学分离沉降方法无法高效完成油田产出液的分离,为油田的开发生产带来不利影响.为解决此类原油分离的困扰,文章采用电脱水技术对重质高胶质原油的分离效果和操作参数进行探索,为此类原油分离的工艺设计提供技术指导.
推特作为一个有着上亿活跃用户的社交媒体,有近15％的机器账户通过自动化程序被控制,其中一些机器账号为传播恶意信息的恶意账号.虽然研究者开发了大量复杂的机器账号检测方法,但这些方法都需要有关机器账号的先验知识,并且泛化性不高.为了解决这些问题,提出使用生成对抗网络中的判别器来进行机器账号检测,使得只需要真实账号的示例即可得到良好的检测模型,并在一个流行数据集做实验,AUC达到了94％的分类效果.
为了提高短期负荷预测的准确度,降低非平稳信号对模型预测造成的影响,提出一种集数据挖掘和多目标优化网络于一体的短期负荷预测模型.该方法将电力负荷数据通过变分模态分解技术分解成若干个不同频率的模态分量,采用相间重构方法动态确定人工神经网络的训练测试比和神经元设置,采用长短期记忆神经网络对各分量进行模型搭建,并在长短期记忆神经网络的基础上加入多目标蝗虫智能优化算法来优化网络内部参数,累加所有分量模型预测的值,实现短期负荷预测.仿真结果表明,与统计学方和混合模型相比,本文提出的模型在短期预测方面的预测精度较高、泛
由于传统线阵相机的标定过程复杂,且对标定物精度要求较高,难以保证缺陷的定位精度,本文提出一种线阵相机的圆环旋转标定方法以提高缺陷的定位精度.该方法设计一种新型的圆环形标定板,在静态标定基础上通过旋转线阵相机采集相机视线与圆的交点的坐标,得到旋转角度以及多组标定点,建立线阵相机的成像模型和径向畸变模型,通过非线性优化整体误差函数求解相机的内参和畸变参数,同时分析相机不同旋转角度对标定精度的影响.实验结果表明,当θ≤20°时,该方法的标定精度在0.35 pixel以内,满足实际检测的定位要求,并且在PCB缺陷
车辆重识别是指从不同的摄像机来重新识别出同一辆车.车辆重识别非常容易受到车辆角度以及光照等其他因素的影响,是一项非常有挑战性的任务.许多车辆重识别方法都过分关注车辆全局特征,而忽略了车辆图像的局部有分辨力的特征,造成了车辆重识别精度不高的问题.针对这一问题,本文提出一种整合非局部注意力的和多尺度特征的车辆重识别方法,使用注意力机制获取车辆显著特征,并融合多尺度特征从而提高车辆重识别的检索精度.首先,使用骨干特征提取网络与注意力模块获取车辆的显著性细粒度特征.然后,将特征分为多个分支进行度量学习,分别学习车
对多个地区不同形式电力需求进行预测,不仅可以保证各地区电力供给稳定,还可以对全国产生的不同形式电力资源按地区进行合理分配.但目前的方法多针对单地区进行单一时间序列的预测,无法满足能源互联网中对复杂情况的电力需求预测要求.针对此问题,设计一种基于极端梯度提升的跨地区多种类电力需求预测算法.该算法改进提升树方法,有效地防止过拟合,同时通过支持分布式并行的方式,提高训练效率.与其他方法相比,所提方法对训练样本总量和特征数据类型要求不严苛,并可用于多时间序列预测.实验结果表明,所提方法能在可接受误差范围内对各地区
由于水体侵蚀、自然老化等问题,水库大坝等水下结构物在长期运行过程中存在表面损伤缺陷,与青苔、贝壳等附着物形成的凹陷,在颜色、纹理等方面具有极高的相似性.当凹陷距离裂缝较近时,极易引起裂缝图像分割误判.为解决该问题,本文引入偏振信息,提出一种基于偏振度特征图的裂缝图像分割算法,以超像素块为单元进行偏振度特征图提取,利用偏振度设定区域生长规则,以种子区域为基础进行区域生长合并,最后根据图像深度图确定裂缝区域.实验结果表明该算法能够有效减少分割误判,裂缝分割结果的特异性和准确度指标均能达到0.9以上,高于现有算
传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够.针对上述问题,本文提出一种基于非线性堆叠双向LSTM的端到端声纹识别方法.首先,对原始语音文件提取出Fbank特征用于网络模型的输入.然后,针对语音信号连续且前后关联性强的特点,构建双向长短时记忆网络处理语音数据提取深度特征,为进一步增强网络的非线性表达能力,利用堆叠多层双向LSTM层和多层非线性层实现对语音信号更深层次抽象特征的提取.最后,使用SGD优化器优化训练方式.实验结果表明提出的方法能
为有效降低隐私数据库中数据泄露的可能性,进一步提高数据安全性,本文设计一种基于分支混淆算法的隐私数据库自适应加密方法.在收集应用程序对数据库的请求内容的基础上,利用分支混淆算法对隐私数据库内数据的特征进行分类,并选取朴素贝叶斯分类器对数据库内混淆点实施分类,从而确定数据库中数据的字段类型,基于此,针对不同字段类型数据选取相应加密算法.其中,数值类型数据采用保序加密算法,等值比较类型数据采用等值加密算法,文本类型数据采用分词辅助索引加密算法.在加密数值型、时间类型、字符型字段的同时,保留偏序特性和可检索特性
近年来行人跌倒检测变得越来越重要,因为准确及时的跌倒检测可以帮助跌倒者获得紧急救援.针对复杂场景中由于光照变化、遮挡和尺度变化等导致检测性能下降的问题,提出一种实时、鲁棒的跌倒检测算法.首先采用YOLO v3目标检测模块完成行人检测;然后在跟踪模块中对每个跟踪的边界框提取深层特征后,运用数据增强和重检测技术提高光照变化下的检测精度,并引入注意力机制子网络应对被遮挡目标的检测;最后跌倒判断模块对行人姿态进行判断,完成实时跌倒检测和报警.在Cityperson数据集、Montreal fall数据集和自建数据