基于云计算和大数据的在线交互应用研究

在云计算和大数据的内涵特征基础上,对在线交互所面临的问题进行分析,构建基于大数据和云计算支持的在线交互平台模型,重点分析平台的功能实现,使用户实现完美的在线交互活动,达到高水平的交互目的,进而总结了利用云计算和大数据在线交互平台的特点和优势。     

基于移动社交环境的用户行为最优关联预测

提出了一种基于移动社交环境的用户行为多重分析与最优预测算法.首先,针对目标用户所属的各个社交群组,分别建立基于代表度的最优化模型,选择出任一社交群组内最具代表的关联用户,以分析目标用户在不同社会属性下的业务行为;特别地,代表度由基于Kendall系数的相似度和基于交互统计的交互度联合构成;其次,借助Apriori理论分别对目标用户和各最具代表的关联用户进行关联分析,并提出基于最小二乘模型的加权融合方法,以最优地融合上述关联分析结果且实现用户行为的精准预测.仿真结果验证了该算法的有效性.     

微博个性化转发行为预测新算法

目前,对微博转发行为预测主要是对所有微博用户的历史数据进行学习,从而得到转发模型.但是这类模型需要对所有用户的转发行为进行全局预测,存在同质性且无法对具体用户进行个性化预测的缺陷.针对这些问题,提出了基于多任务学习的个性化微博转发行为预测算法.对新浪微博进行了数据抓取、分析和特征选择,根据社会学中影响力的理论,针对微博用户之间进行社交信息交流而导致相互影响的特点,引入了多任务学习方法,以逻辑回归预测模型作为基准算法,将预测模型分为全局模型与个性模型进行学习.预测模型把对每个用户转发行为的预测对应为多个任务,根据微博用户间的社交交互对这些任务进行关联.实验结果表明,所提出的模型能够有效地对单个用户的微博转发行为进行预测,并且提高了转发行为预测的准确率.     

基于物联网的移动网络交互行为异常检测

为了解决传统交互行为异常检测方法实时性差、数据分布要求较高等问题,研究基于物联网的移动网络交互行为异常检测方法.基于时间序列分量对物联网高维数据特征进行检测,以获取的移动网络交互行为数据特征值子集为基础,将高维特征空间的正向矢量数据作为验证核心,设立常数偏差函数并求取函数最小值,以此设定检测阈值.根据检测阈值采用平行时间序列建立随机映射,并且利用Kmeans++算法对交互数据进行聚类,获取多个交互数据的异常集合,对所有异常集合进行交集操作,从而获取最终的异常检测对象集.通过实验仿真可以得出结论:该方法可以有效提高交互行为异常的检测实时性,异常检测效果更加理想.     

面向SNS用户访问行为的Web缓存预测替换

为了提高web缓存性能,在已有缓存替换算法的基础上加入预测机制,提出了一种面向社交网站(SNS)用户访问行为特征的预测替换算法.通过研究SNS的用户行为模型,引入预测对象集,减小了替换风险,提高了缓存命中率.为了验证所提算法的性能,进行了大量仿真实验,结果表明,该算法在基于SNS使用行为的缓存方面,具有提高命中率的优越性.     

基于物联网技术的移动网络交互行为异常检测方法

针对移动网络交互行为异常问题 ,提出了一种基于物联网技术的移动网络交互行为异常检测 方法 装 建立移动网络交互行为特征挖掘模型 ,根据移动网络交互行为的属性分布进行特征辨识 ,挖 掘移动网络交互行为异常信息大数据 ,并进行分布融合 装 提取移动网络交互行为异常特征分布值 , 采用信息重组和线性插值拟合方法 ,重构移动网络交互行为的语义属性分析和本体模型 装 采用特征 匹配与信息融合的方法进行移动网络交互行为异常检测 装 仿真实验结果表明 ,该方法的移动网络交 互行为异常检测准确率始终高于95% ,定位性能较好 装     

基于加权二分图模型的APP信息传播特性

采用复杂网络中的加权二分图模型方法对用户和APP的访问关系进行建模,基于国内某移动运营商国际出入口网关上采集的2014年部分真实通信日志大数据,研究了各类信息传播范围、用户访问行为特性、集中访问时段分布、访问关联性等方面的APP数据传播特性。结果表明:用户访问APP日志的二分图以及APP关联图,可用于特定信息传播渠道发现、消息溯源、用户群刻画、实时传播监测等。     

基于虚拟视图的数据集成方法研究及其应用

传统虚拟数据库产品在数据集成中存在着系统配置过程、数据查询过程复杂及数据大量复制移动等问题.针对这些问题,提出一种基于虚拟视图的多源数据集成方法.该方法利用分类包装器对底层物理数据进行包装和转换,统一异构数据源访问接口、把底层的数据转换为统一的数据模型.在上层保持原物理数据不变的情况下,建立物理数据局部虚拟数据视图和全局虚拟数据视图、建立数据映射字典,无需进行数据的复制和移动就能为用户提供统一的数据查询接口,使其能在各个系统中查询信息.实验证明,该方法解决了多源数据集成过程中的同名异义及异名同义问题,简化了数据集成的查询定义过程,有效地实现了多源异构数据的集成.     

基于移动Agent的无线电力移动终端身份认证

为防止大数据环境下信息被盗取,提出了基于移动Agent的无线电力移动终端身份认证方法。利用移动Agent管理电力移动终端的分布式密钥,在移动Agent中完成异构网络数据和资源的互换,获取节点矩阵表得到用户所需的密钥,构建了基于Agent的系统成员信任模型,确保移动终端身份认证处于良好运行环境中。根据移动Agent得到的用户访问结果,在不可逆计算法下生成用户访问动态密钥,利用得到的认证码将用户认证信息二次加密处理,实现无线电力移动终端身份认证。实验结果表明,本文方法在相同加密程度中具有密钥短、身份认证准确性高以及认证计算量小的优点。     

移动互联网中基于用户行为的机会连接预测

为提高用户机会连接预测的准确率,进而提升网络服务性能和效率,通过对我国浙江省某市运营商的真实数据集进行模拟实验,研究了用户行为特征与机会连接的相关性.通过分析相遇用户对和非相遇用户对的热点位置分布,空间相似度分布得出用户移动性特征对用户机会连接行为的影响,并在搭建复杂网络模型的基础上采用随机森林算法,综合考虑了网络结构特征、用户移动性特征、用户上网行为特征,对移动互联网中个体在未来一天中某个时间段是否会发生机会连接进行了预测,结果表明,与传统预测方法相比,加入用户移动性特征、用户上网行为特征后的复杂网络模型具有更高的准确率与召回率,利用此模型可更好地提升网络服务性能和效率.     

坐标转换在移动用户行为识别中的应用

为了降低手机放置位置对移动用户行为识别的影响,提出了一种坐标转换的方法,将手机加速度传感器所获取的加速度信号通过方向传感器从手机坐标系转换到方位坐标系,使用蚁群算法对转换前后各坐标系的加速度信号进行特征优选,利用神经网络分类器对移动用户行为进行识别.实验结果证明,该坐标转化方法减少了重力加速度和手机放置位置对加速度信号的影响,有效提高了移动用户行为识别的准确率.     

云计算环境下支持高效撤销的新型属性基加密方案

为了解决开放云计算环境下用户属性变化导致的用户权限撤销及变更问题,提出一种基于代理重加密和密钥分割技术的属性基代理重加密方案,该方案支持用户权限的即时撤销,当发生用户撤销时,只需要更新云存储服务器中的密文组件以及代理服务器中未撤销用户的属性无关私钥组件.当发生用户属性撤销时,只需更新用户属性撤销列表,解密时根据用户属性撤销列表控制撤销属性用户的访问,可减少密文更新和用户私钥更新的计算量,提高系统撤销用户权限的执行效率,保护用户属性的隐私信息.     

具有能量获取基站的相邻多蜂窝小区的能量与频谱分配研究

研究在基站具有能量获取功能的条件下,相邻多蜂窝小区下行链路的能量与频谱的协作分配,主要考虑用户效用和相邻多蜂窝小区基站收益的联合最大化.在该问题中,用户对小区的选择是资源分配过程中的关键步骤.其中,它的最优方法是穷搜索,但计算复杂度过高.本文提出一种优化用户小区选择的次优方法——信道增益比选择法,解决用户快速选择小区的问题.当用户选择小区后,本文用广义的Stackelberg博弈建模来解决每个蜂窝小区的能量与频谱分配问题.同时基于信道增益比选择法提出两种基准方法——最大信道增益选择法和最短距离选择法.仿真结果表明,信道增益比选择法相对于最大信道增益选择法和最短距离选择法具有更好的用户公平性和基站收益.     

基于意图识别的不确定性行为序列预测方法

针对协同推荐和序列表征方法在预测用户行为任务上面临的行为不确定性和数据稀疏问题,提出基于意图识别的不确定性行为序列预测(G2IE)方法. G2IE方法根据计划行为理论(TPB),对用户行为序列中受控行为模式进行挖掘;基于信息熵计算相邻受控行为之间的不确定性行为列表的行为转移意图强度;融合行为转移意图增强行为关系,弥补行为意图缺失. G2IE方法挖掘行为的不确定性关系,并用模型进行量化,用于解决行为不确定性难点;通过融合转移意图方法能够发现更多的行为关系,也在一定程度上缓解数据稀疏的问题. 较其他使用行为直接关系的方法,G2IE方法有更准确丰富的表示能力. 在3个公开行为数据集上进行对比实验,结果表明,本研究方法在综合指标F1值上均为最优,证明了所提方法的有效性.     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

DroidDefence:细粒度的Android应用权限管理系统

现有的Android权限管理机制存在管理粒度过粗,不能动态配置,且不支持用户自定义管理应用程序权限诸多缺陷。本文由此提出一个细粒度的Android应用权限管理系统DroidDefence。该系统通过对现有Android 应用权限机制的扩展,结合轻量级客户端程序,实现对应用程序细粒度的权限审核管理,用户可以由不同的应用场景动态分配应用程序权限,同时系统采用众包技术收集处理用户应用权限信息,并给予安全反馈。实验表明,该系统移动端和云端技术相结合,以较小能耗,保护用户隐私,提升系统的安全性。     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.     

问答社区中基于问题粒度的用户专业性预测方法

在线问答社区中大量问题等待回答时间过长、高质量回答数极少,对社区用户在具体问题上的专业程度进行度量具有现实需求。现有的基于链接分析和基于文本分析等方法多集中在社区和话题粒度的专业性度量,并未深入到问题粒度。针对上述问题,定义了问答社区中基于问题粒度的用户专业性概念,在此基础上提出了基于问题粒度的用户专业性预测方法,包括用户专业性度量方法和用户专业性预测模型。该预测方法先利用问答社区中社区用户对回答质量的评价机制,在问题粒度上为用户建立专业性度量;再基于矩阵分解,融合用户偏差、问题偏差以及用户已回答问题集的隐含反馈等信息,构建用户在问题粒度上的专业性预测模型,进而预测用户在待回答问题上的专业程度。利用知乎问答社区互联网话题下的问答数据集,设计了与前述两种主流方法的对比实验。实验结果表明,提出的用户专业性度量方法可以有效地度量用户在具体问题上的专业程度,基于此方法构建的用户专业性预测模型具有更高的预测精度。     

基于动态情境感知的W5模型研究

Twitter、Sina Micro-blog等社交网络应用为基于位置的服务提供了大量的情境信息,如用户ID(who)、签到时间(when)、GPS坐标(where)、微博内容主题词(what)和微博内容诱因词(why)等,简称5W。它们为用户的行为和偏好研究提供了契机。该文提出了基于5W动态情境感知信息的W5概率模型,并采用包含情境信息的联合概率分布分别从时间、空间和活动等方面挖掘用户动态行为,用于用户和位置的预测。该文实验基于两个数据集:Geo-text(GT)和Sina-tweets(ST),在数据集上进行了用户预测(UP)和位置预测(LP)实验。实验结果表明,W5模型在UP和LP两方面准确率均高于W4模型。同时,W5模型在时间误差和空间距离误差两方面也取得了较好的性能。     

Attribute-based encryption with location verification and policy adjusting supporting the cloud mobile office

Facing the problems of the users' location privacy leakage and the indirect adjusting policies of the ciphertext stored in the cloud, in a mobile officie environment with cloud, a Ciphertext-Policy Attribute-Based Encryption with the Location Verification and Policy Adjusting (LVPA-CP-ABE) scheme is proposed. In the scheme, we apply BGV (Brakerski-Gentry-Vaikuntanathan) homomorphic encryption to protect the users' location privacy and updating key generated by the data owner directly to adjust the policy of the ciphertext stored in the cloud in the meantime. Moreover, in consideration of the endurance of mobile devices, the idea of outsourcing the BGV computation and BGV decryption as well as the ciphertext adjusting part is also introduced. The simulation indicates that our scheme is highly efficient in terms of users' computational cost.