面向内部威胁的最优安全策略算法研究

内部攻击行为具有很强的伪装性,这使得检测结果具有不确定性.攻击图模型经常用于描述攻击行为的多个攻击步骤之间的因果关系,但在计算最优安全策略时,很少考虑到当前观测事件所具有的不确定性,也没有从概率的角度刻画安全防护策略实施后对攻击成功概率带来的影响.在前人的概率攻击图模型研究基础上,首次提出了一种面向内部威胁的安全防护策略概率攻击图(measures probablitity attack graph,MPAG)模型,在该模型中较为完备地讨论了内部攻击的3类不确定性,并引入安全防护措施节点及其对攻击成功的概率影响.在该模型基础上,最优安全防护策略计算被证明是一个NP难问题,一种贪心算法被提出解决该问题,该算法能在多项式时间内动态计算近似最优安全防护策略集合.最后给出一个真实的内部威胁网络环境的概率攻击图实例,说明该模型及相应的贪心算法能根据当前观测事件及其置信概率,计算满足一定代价限制条件的近似最优安全防护策略集合.     

基于边映射表连接的匹配算法

针对面向语义网络图匹配的特殊性, 在基于状态回溯搜索算法的基础上提出一种新的称为基于边映射表连接的匹配算法, 利用语义网络图的有向性, 将图匹配问题转换为对搜索路径的规划, 并采用深度优先算法形成搜索步, 同时对目标图的所有边建立索引, 加快以边匹配为中心形成边映射表的过程, 最后对边映射表进行连接形成结果集。在真实数据集上的实验结果表明, 该算法具有较高的执行效率。     

地铁环境下时变公交网络的最优路算法

通过建立图论模型实现了地铁环境下时变公交网络的出行优化问题.首先,建立了公交地铁网络图及基于此网络图的二分图、映射网络图,并对地铁线路上站点间的权值进行合理倍数的缩小以达到优选地铁的目的.同时,考虑到地铁与公交的时变性,即是否在它们的运营时间段内直接关系到查询到的最优路径.然后给出以换乘次数少为目标的最优路径选择算法.最后用实例来验证了该算法的有效性.     

5次幂圈嵌套网络图的边-平衡指数集(m模3余2)

针对网络图边-平衡指数集标号问题,在等圈嵌套网络图的基础上,提出了幂圈嵌套网络图的概念,进而研究无限路5次幂圈嵌套网络图的边-平衡指数集。利用基础图、带齿套圈子图、五点扇形子图组设计新思路,大大降低了构造标号图的复杂程度,确定了当m模3余2时,无限路5次幂圈嵌套图的边-平衡指数集,并且给出了边-平衡指数集对应图形标号的设计方法。     

5次幂圈嵌套网络图的边-平衡指数集（m模3余2）

针对网络图边-平衡指数集标号问题,在等圈嵌套网络图的基础上,提出了幂圈嵌套网络图的概念,进而研究无限路5次幂圈嵌套网络图的边-平衡指数集。利用基础图、带齿套圈子图、五点扇形子图组设计新思路,大大降低了构造标号图的复杂程度,确定了当m模3余2时,无限路5次幂圈嵌套图的边-平衡指数集,并且给出了边-平衡指数集对应图形标号的设计方法。     

基于多色图的宗地信息历史回溯模型及实现

为解决宗地信息历史回溯问题,基于多色图理论,建立了宗地信息历史回溯模型,将宗地抽象为多色图中的节点,宗地间的变更关系抽象为多色图中的边,用节点和边的不同颜色分别表示宗地的不同状态及宗地间不同的变更关系;提出了回溯矩阵的赋值算法及历史回溯算法;设计了宗地变更业务相关数据结构,分析了计算机后台处理程序,开发了宗地变更业务的原型系统,表明了该模型和算法的可行性.     

支持近似图查询的Why-Not问题解释方法

why-not问题是为查询结果中的缺失元组找到合理的解释。解决数据库查询中的why-not问题不仅能够帮助用户更好地理解查询,而且能够提高数据库的质量和可用性。为了提高图数据库的可用性,提出了支持近似图查询的why-not问题解释方法。该解释方法不仅阐明了为什么why-not问题没有出现在查询结果中,而且给出了一些修改初始查询图的建议,使得why-not问题能够出现在修改后的查询图的查询结果中。该算法分两部分完成:第一部分为候选修改操作生成阶段,首先利用边频率信息提出候选操作集生成基本算法,接着利用图分解操作提出候选操作集生成改进算法,得到修改初始查询图的候选操作集;第二部分基于对查询图修改操作数最少的代价模型,分别采用贪心算法和回溯法选取候选操作,贪心算法设计了合理的贪心函数,回溯法构建了回溯剪枝树,并提出三种剪枝策略执行剪枝操作,最终选取的候选操作集即为支持近似图查询的why-not问题的合理解释。实验表明,该方法可以快速有效地为近似图查询中的why-not问题提供合理解释。     

图数据中Top-k属性差异q-clique查询

紧密子图发现在许多现实世界网络应用中具有重要的研究意义.提出一种新的紧密子图发现问题——Top-k属性差异q-clique查询,找出图中k个节点间属性具有最大差异的q-clique.属性差异q-clique是一种结合图的结构特征和节点属性的紧密子图,在作者合作关系图数据中,该查询可以发现属性(如研究领域或所属单位)上不同的具有紧密合作关系的团队.给出了q-clique的属性差异度量,证明了该问题为NP难问题.采用分支限界策略,提出一种有效求解问题的算法AD-Qclique,同时依照best-first排序思想优化节点访问次序进一步提高算法性能.ACM作者信息数据集上的实验表明,算法AD-Qclique效率远优于基本算法BSL,并且结果中作者皆具有较高的H-index值及广泛的研究领域.     

面向微博的情感影响最大化模型

社交网络中影响最大化问题是寻找具有最大影响范围的节点。影响最大化的大部分求解算法仅仅依赖社交网络图。基于微博的转发关系树和微博内容的情感倾向性,以及用户的社交网络图,提出了一个能够刻画用户情感影响的情感影响最大化模型——情感影响分配模型(sentiment influence distribution,SID),证明了SID模型下的情感影响最大化问题是一个NP难问题,给出了一个具有精度保证的贪心算法。在真实的微博数据上的实验结果表明,SID模型能够有效地找出情感影响最大化的节点集,同时具有很高的扩展性。     

用进化算法和函数优化模型分析回溯算法上界

研究的是常出现在求解NP难问题的Davis-Putnam型指数时间回溯算法中的一类多变量递归问题。首先引入适当的赋权函数,把多变量递归函数转化为单变量递归函数;然后提出有效的优化模型,把求解单变量递归函数问题转化为一般的带约束条件的函数优化问题。传统的算法计算精度较差,并且求得的结果多为局部最优解。所以,引进新颖的遗传算法求解优化模型以改进求解精度和速度,并应用此算法求解了set packing问题,计算结果具有很高的精度。     

基于移动传感器网络的节能目标跟踪

首先证明最小化移动传感器网络的目标跟踪能耗是 NP 完全问题, 并基于邻近图理论提出一种近似最优的分布式引导跟随算法. 每一时刻离目标预测位置中心较近的节点引导较远处节点向中心移动, 逐步覆盖目标下一时刻可能在的区域, 整个网络在跟踪全程保持连通. 证明该算法的节点运动能耗在数值上逼近最小能耗. 仿真结果进一步验证了该方案的有效性.     

基于抽样的影响力传播成本最小化算法

定义具有概率影响扩散保证的最小代价种子选择问题,验证了该问题是NP难的,且其影响函数是单调且次模的.将LT模型下的传播网络看成一个不确定图,对不确定图的可能世界进行抽样.为降低计算复杂度,提出一种对抽样图进行路径计数的算法来估计影响传播,使用VC维估计抽样图的数量.基于贪婪方法,提出一种求解该问题的算法,对该算法的误差进行分析.实验结果表明,该算法比其它方法具有更高的性能.     

基于影响力的大规模社会网络快速粗化方法

给定社会网络,如何快速地粗化社会网络图,是否能够在社会网络图中找到更小的等价表示来保持社会网络的传播特征,是否能够基于节点的影响力属性合并社会网络中的部分节点。这些重要的问题能够应用到影响力分析,流行病学和病毒营销的应用。首先本文提出了一种新颖的图粗化问题,目的为不改变信息扩散过程中的关键特征来发现图代表节点和边。随后提出了一种快速的和有效的算法来解决图粗化问题。本文做了大量的实验,实验构造在多个真实的数据,验证了算法的性能和可扩展性,且实验在没有损失图信息的情况下,将图规模降低了90%。     

公交线路换乘与最优出行路径算法

文章结合图论中二分图理论和⊥-投影图模型对公交网络进行建模,并结合公交网络站点网络图的邻接矩阵给出最优出行路径算法。     

赋权图匹配问题的一种新的松弛模型

图匹配是一个NP难(NP-hard)问题. 基于置换矩阵是非负正交矩阵这一经典结论, 提出赋权图匹配(Weighted graph matching, WGM)的双向松弛障碍规划, 理论上证明新模型的解与原模型的解是一致的. 该规划是一个二元连续规划, 它是正交矩阵上的线性优化问题, 同时也是非负矩阵上的凸二次优化问题. 故设计求解新模型的交替迭代算法, 并证明算法的局部收敛性. 数值实验表明, 在匹配精度方面, 新方法强于线性规划方法和特征值分解方法.     

基于跳跃辅助工作策略的混流装配线排产优化

为了使混流装配线高效运作, 研究了一类基于跳跃辅助工作策略的混流装配线排产优化问题. 以同时优化空闲费用和辅助工作费用为目标, 建立了一类基于跳跃辅助工作策略的混流装配线排产优化模型, 给出了执行跳跃辅助工作策略的一个必要条件和辅助工作费用的一个下界. 然后证明了该类优化问题是强NP难的, 由于该问题的强NP难性, 提出了一种嵌入式变邻域类电磁机制(Variable neighborhood search-electromagnetism-like mechanism, VNS-EM)混合算法求解该模型, 为了避免算法陷入局部最优, 在类电磁机制算法的每次迭代过程中嵌入改进的变邻域搜索算法, 利用变邻域搜索算法较好的局部搜索能力对最好个体的邻域进行精细搜索, 从而提高了解的质量. 仿真结果验证了该方法的可行性和有效性.     

基于神经网络图着色的阅读器防冲突算法

阅读器冲突问题严重影响了RFID系统的性能,降低了识别率。使用图着色方法将频率或时隙等资源合理分配,可以防止阅读器冲突的发生。但是图着色问题是一个NP难题,利用神经网络良好的非线性逼近能力,提出基于神经网络图着色的阅读器防冲突算法。分析了阅读器冲突类型及解决方法,给出了算法的详细步骤、公式推导和能量函数,并通过计算机仿真验证了算法的有效性。     

图嵌入算法的分布式优化与实现

随着人工智能时代的到来,图嵌入技术被越来越多的用来挖掘图中的信息.然而,现实生活中的图通常很大,因此分布式图嵌入技术得到了广泛的关注,分布式图嵌入算法面临着两大难点：（1）图嵌入算法多种多样,没有一个通用的框架能够描述大部分的算法;（2）现在的分布式图嵌入算法扩展性不足,当处理大图时性能较低,针对以上两个挑战,本文首先提出一个通用的分布式图嵌入框架,具体地,本文将图嵌入算法中的采样流程和训练流程进行解耦,使得框架能够较好的表达多种不同的算法;其次,本文提出了一种基于参数服务器的模型切分嵌入策略,具体地,本文将模型分别切分到计算节点和参数服务器上,同时使用数据洗牌的操作保证计算节点之间没有模型交互,从而大大减少了分布式计算中的通信开销,笔者基于参数服务器实现了一个原型系统,并且用充分的实验证明了在不损失精度的前提下,基于模型切分的策略能够比基线系统取得更好的性能.     

融合边特征与注意力的表格结构识别模型

针对现有方法在表格结构识别问题中存在的先验知识依赖、鲁棒性不足、表达能力不足等问题，提出一种新的融合边特征与注意力的表格结构识别模型——GEAN-TSR。首先，提出图边注意力网络（GEAN）并作为模型的主干网络，在边卷积结构的基础上引入并改进图注意力机制聚合图节点特征，解决图网络在特征提取过程中的信息损失的问题，提高图网络的表达能力；然后，引入边特征融合模块融合浅层图节点信息与图网络输出，增强图网络的局部信息提取能力与表达能力；最后，将门控循环单元（GRU）提取的图节点文本特征融入文本特征融合模块对边进行分类预测。在SciTSR-COMP数据集上的对比实验中，相较于目前最优的模型SEM,GEAN-TSR的召回率与F1值分别提升2.5与1.4个百分点。在消融实验中，GEAN-TSR采用特征融合模块后，所有指标都取得了最优值，验证了模块的有效性。实验结果表明，GEAN-TSR能够有效提升网络性能，更好地完成表格结构识别任务。     

两类网络图的边-平衡指数集

在较小次幂圈嵌套网络图的基础上,研究了10次幂嵌套网络图的边-平衡指数集。利用基础图、带齿套圈子图、单点扇形子图设计新思路,降低了构造标号图的复杂程度。当n=10为偶数时,提出了新的变换指数方法,简化了证明过程。确定了m模6余1和余3且m大于等于2时(m为圈数)无限路10次幂圈嵌套图的边-平衡指数集,并且解决了这两类幂圈嵌套图的边-平衡指数集的存在性,给出了具体构造方法和公式证明。