基于WAPI的WLAN与3G网络安全融合

以3G和WLAN为代表的异构无线网络融合是下一代无线网络发展的必然趋势.安全融合是网络融合面临的主要挑战之一,如何融合不同接入网络的异构安全体系结构、统一用户管理是亟待解决的问题.针对3G与基于WAPI的WLAN之间的安全融合问题,提出了新的基于USIM的证书分发协议,给出了松耦合和紧耦合两种安全融合方案,统一了3G安全体系与WAPI的用户管理,实现了3G签约用户基于WAPI安全机制的网络接入以及身份隐私保护.利用CK模型分析了证书分发协议的身份认证和匿名性,结果表明该协议是可证明安全的.     

3G WLAN互联网络中一种新的快速重认证方案*

提出了一种新的本地化的快速重认证方案,不再需要3G网络的参与,而且WLAN网络能够向3G网络提供真实的,不可伪造的用户认证信息,进而为3G与WLAN网络间的计费问题提出了一种思路。     

3G-WLAN互联网络中一种新的快速重认证方案

提出了一种新的本地化的快速重认证方案,不再需要3G网络的参与,而且WLAN网络能够向3G网络提供真实的,不可伪造的用户认证信息,进而为3G与WLAN网络间的计费问题提出了一种思路。     

WAPI下WLAN与3G网络安全融合探究

随着现代网络技术的快速发展,以及人们对于网络技术实际应用需求的不断增强,对于不同网络的融合问题进行深入的研究是十分重要的。在我国现阶段的网络技术研究中,WAPI是解决WLAN安全问题的主要技术方案,也是实现WLAN与3G网络安全融合的基础条件。本文仅从专业网络技术的角度出发,简要探究了WAPI下WLAN与3G网络安全融合的相关问题。     

3G用户在WLANs间的快速认证方法

EAP-AKA协议可以实现用户和3G网络的双向认证,但缺乏对无线局域网(WLAN)接入网络的认证和用户主密钥的更新机制,并且3G用户在WLAN间漫游时代价较高。针对上述问题,利用身份加密技术和门票技术改进EAP-AKA协议,设计无需3G网络参与的WLAN间快速漫游协议,实现对WLAN接入网络的认证和主密钥更新。     

3G-WLAN安全接入方案的研究与分析

目前,3G和WLAN两种无线通信技术是最具代表性的技术,同时二者各自的优缺点使3G与WLAN融合网络成为备受业界和学术界关注的焦点.3G WLAN网络融合可以充分利用两者的优点,优势互补,用户既可以享受3G网络中完善的漫游、鉴权以及计费机制,也可以享受WLAN的高速数据传输速率,这样用户不仅享受优质的网络服务,也使得网络资源利用最大化.但3G与WLAN融合网络需要同时应对来自两方的安全威胁.由于3G和WLAN网络安全威胁存在差异,因此对于各自的安全解决方案也存在很大差异,如何解决融合网络的安全威胁是亟待解决的问题.文章对802.11i和WAPI接入认证安全性和密钥协商灵活性进行了分析和研究,并总结出其各自的优缺点;针对3G WLAN融合网络中EAP AKA协议,分析了其存在的漏洞与不足,然后综合802.11i和WAPI安全协议的优势,文章提出了一种新的3G WLAN安全接入方案EAP WPI.新协议采用802.11i的EAP认证框架封装认证和WAPI的ECDH密钥协商算法,实现用户终端与后台认证服务器的认证交互以及高安全性的密钥协商,并在认证过程中采用无证书的公钥密码技术免除了部署PKI的负担,并对其进行安全性分析以及仿真测试,其结果表明文章提出的协议具有较高的安全性及执行效率.     

增强EAP-AKA协议安全性的改进方案

针对EAP-AKA协议中存在的安全问题,提出了改进方案。通过在3G和WLAN接入网络间增设共享密钥实现了两者间的相互认证,并用串空间模型和认证测试方法进行了形式化分析,通过加密传输NAI实现了对IMSI的加密保护,通过引入密钥更新机制实现了对用户和3G网络间的共享密钥的安全更新。     

基于 EAP-AKA 协议的安全性分析和改进

近几年来,以3G 网络和 WLAN 为主要代表的无线网络技术取得了重大突破,3G网络能够在广域的范围内提供比较好的漫游服务,但其传输的数据速率以及网络带宽较小,而WLAN 能够提供较高的数据传输速率而且价格较低,但其网络范围较小,因此,3G 网络和WLAN 两者融合具有很好的互补性,这是实现高速接入的一种比较高效的模式。因此3GPP 组织针对3G 网络与 WLAN 融合提出了一套互联方案,并为其设计了可扩展认证和密钥协商协议（EAP-AKA）。但是经过大量的的实践和研究发现,EAP-AKA 协议存在一些安全缺陷,文章通过对 EAP-AKA 的协议过程和安全性进行分析,针对其安全缺陷,特别是用户身份会暴露而导致由于身份泄露引起的跟踪攻击,缺乏对无线局域网（WLAN）接入网络的认证以及明文传输会话密钥而导致 WLAN 失去通信过程中的机密性和完整性等,提出了一种通过对 WLAN 接入网络增设公钥以及采用匿名技术的改进方案,分别完成了对无线局域网接入网络的认证,避免了用户身份信息的暴露以及加密传输会话密钥,保证了为用户提供安全的网络服务。     

3G/WLAN网络中基于终端移动与业务认知的动态负载均衡机制

下一代无线移动通信要求异构网络之间相互协作,3G蜂窝网与WLAN之间的密切合作将为用户提供无缝的业务链接与多样化通信服务.终端移动与业务时空分布的不均衡性是影响网络性能的重要因素,3G/WLAN网络中业务负载均衡策略是提高网络整体性能的有效途径.首先,文中提出了一种新的基于终端移动与业务认知的动态负载均衡(DLB-MSA)机制,该机制重点关注业务潜在用户,通过动态优化的联合业务接入控制,使得每个无线接入点的业务量与其通信资源保持匹配关系,实现网络的负载均衡.然后,为了探讨终端移动对无线网络通信性能的影响,文中创建了一种新的基于2维终端速率分类与状态转换的移动模型,并且给出了相应的Markov分析方法.该模型能够更准确地反映用户移动规律,通过比较简单的参数学习来逼近3G/WLAN网络中终端的群体移动特征.最后,文中基于该模型对DLB-MSA机制进行性能评估,通过仿真验证了该机制的有效性.     

无线WLAN工程覆盖与应用

4G时代,无线WLAN网建设与应用发展迅速,运营商在低成本建设WLAN网的同时,也对未来WLAN网的建设提出了更高目标。本文从无线WLAN网的特点、概况等方面简要介绍了无线WLAN网的工程建设概况和无线WLAN网络覆盖方案的设计建设思路,重点分析了AC与AP设备在不改变本地网实际组网的情况下的组网方式与建设模式,并简要列举了无线WLAN网络典型场景的解决方案,包括室内多网络合一的无线综合分布式系统覆盖、小型AP分布系统方式覆盖、室内AP直接覆盖和室外AP覆盖等建设方式,为WLAN网络工程建设提供了参考。     

Deep network in network

Neural Computing and Applications - The different CNN models use many layers that typically include a stack of linear convolution layers combined with pooling and normalization layers to extract...     

析计算机网络的子网划分

对于一个网络,划分子网时,要规划子网的方案,确定子网的数目、子网中支持的最大主机数目以及用于网络段的实际地址。     

网络

给Firefox添加百度搜索引擎 Q我一直在使用一个免安装绿色版的Firefox程序,但是该版本的搜索框中只有淘宝和Google几个搜索引擎,我惯用的百度却不在里面。请问,如何将百度添加到Firefox的搜索引擎列表中？     

Batch-normalized Mlpconv-wise supervised pre-training network in network

Deep multi-layered neural networks have nonlinear levels that allow them to represent highly varying nonlinear functions compactly. In this paper, we propose a new deep architecture with enhanced model discrimination ability that we refer to as mlpconv-wise supervised pre-training network in network (MPNIN). The process of information abstraction is facilitated within the receptive fields for MPNIN. The proposed architecture uses the framework of the recently developed NIN structure, which slides a universal approximator, such as a multilayer perceptron with rectifier units, across an image to extract features. However, the random initialization of NIN can produce poor solutions to gradient-based optimization. We use mlpconv-wise supervised pre-training to remedy this defect because this pre-training technique may contribute to overcoming the difficulties of training deep networks by better initializing the weights in all the layers. Moreover, batch normalization is applied to reduce internal covariate shift by pre-conditioning the model. Empirical investigations are conducted on the Mixed National Institute of Standards and Technology (MNIST), the Canadian Institute for Advanced Research (CIFAR-10), CIFAR-100, the Street View House Numbers (SVHN), the US Postal (USPS), Columbia University Image Library (COIL20), COIL100 and Olivetti Research Ltd (ORL) datasets, and the results verify the effectiveness of the proposed MPNIN architecture.     

基于蝶型网络模型的量子网络编码*

针对量子网络传输率低,信道利用率不高的问题,将经典网络编码的思想引入量子网络。基于蝶形网络模型,利用网络编码的思想,从经典信息和未知量子态两方面实现在量子网络上的最大流传输。而且在所提出的方案中,所有的信道都是量子信道,创新性的提出利用量子态作为“寄存器”实现经典信息的传递,有效的提高该方案的安全性。     

对网络管理中网络流量监测的探讨

网络流量监测是网络管理的基础。为了更好地管理网络和改善网络的运行,网络管理者需要知道其网络的流量情况。比如,当网络管理者发现某些设备的流量负载过重时,就可以考虑在更换新的设备或者改造线路;当网络管理者发现了网络中数据流量变化的规律时,可以更好地调配设备,有效地利用资源。一个能够显示网络设备流量的工具,使网络管理者能够直观地监测设备流量的变化,对网络设备进行有效管理是很有必要的。     

Managing network security: Simulating network security

Computing operates in an almost universally networked environment, but the technical aspects of information protection have not kept up. As a result, the success of information security programmes has increasingly become a function of our ability to make prudent management decisions about organizational activities. Managing Network Security takes a management view of protection and seeks to reconcile the need for security with the limitations of technology.     

Scaling network services using programmable network devices

The NEon system offers an integrated approach to architecting, operating, and managing network services. NEon uses policy rules defining the operation of individual network services and produces a unified set of rules that generic packet-processing engines enforce.     

Model gene network by semi-fixed Bayesian network

Gene networks describe functional pathways in a given cell or tissue, representing processes such as metabolism, gene expression regulation, and protein or RNA transport. Thus, learning gene network is a crucial problem in the post genome era. Most existing works learn gene networks by assuming one gene provokes the expression of another gene directly leading to an over-simplified model. In this paper, we show that the gene regulation is a complex problem with many hidden variables. We propose a semi-fixed model to represent the gene network as a Bayesian network with hidden variables. In addition, an effective algorithm based on semi-fixed structure learning is proposed to learn the model. Experimental results and comparison with the-state-of-the-art learning algorithms on artificial and real-life datasets confirm the effectiveness of our approach.