基于混沌加密对抗窃听的安全网络编码方案

针对抗窃听安全网络编码中引入额外带宽开销且计算复杂度高的问题，提出了一种基于双混沌序列的加密方案。首先，通过Cat-Logistic混沌序列对信源消息的第一维数据进行加密；然后，利用加密后的数据构造出稀疏预编码矩阵。最后，通过预编码矩阵对剩余的明文向量进行线性随机混合，从而达到对抗窃听的目的。与安全实用网络编码（SPOC）方案相比，该方案通过信源消息构造稀疏预编码矩阵没有引入额外信源编码冗余，降低了带宽开销。理论分析和实验结果表明，该方案降低了编码复杂度，提高了传输效率，有效增强网络安全性和传输效率。     

一种基于列表译码法的改进的安全网络编码

提出一种基于列表译码法的改进的安全网络编码算法,该算法仅在原随机编码体制的基础上对信源和信宿进行了改变,中间节点保持不变.在信源处,该算法向信源信息中加入少量冗余,并利用稀疏矩阵对其进行矩阵变换,从而增强信息在传输过程中的抗窃听能力;在信宿处,用列表译码法对收到的信息进行译码,从而对污染攻击进行检测和排除.信源和信宿之间不需要任何秘密信道.理论分析和仿真结果表明,该算法能够在多项式时间内设计完成,能够抵抗强窃听和污染等安全性攻击,使得原本的随机网络编码以很高的概率达到信息论安全的要求;该算法提高了编码速率,减小了存储空间的占用.     

抗万能攻击的安全网络编码

提出了一种能够抵抗万能攻击者的安全网络编码算法。在敌人可以窃听所有节点和信道及污染zo个链路的情况下,该算法利用稀疏矩阵对信源信息进行矩阵变换,增强了信息的抗窃听能力,并利用列表译码法在信宿处进行译码,对污染攻击进行检测和排除。理论分析和仿真结果表明,该算法能够在多项式时间内设计完成,能够抵抗窃听和污染等安全性攻击,使得原本的随机网络编码以很高的概率达到弱安全的要求;同时提高了编码速率,减小了存储空间的占用。更重要的是,该算法仅在原随机编码体制的基础上对信源和信宿进行了修改,中间节点保持不变。     

一种基于稀疏矩阵的求路径集的新算法

最短路径dijkstra算法只能适用于一个QoS参数,而对于多个QoS参数的综合考虑,只能采用遗传算法来优化,提出求编码空间路径集的一种新算法,采用稀疏矩阵存储图的邻接关系,随机选取路径。此算法具有存储空间少、时间复杂度小、不需对网络拓扑做任何修改的优点。     

预存储权值矩阵的快速Hough变换

在离散Ｈｏｕｇｈ变换的基础上,提出一种编码方杂用于存储权值矩阵,大大节省了存储空间。介绍了利用预存储权值矩阵提高Ｈｏｕｇｈ变换速度的算法。该算法运行时间与输入图象复杂度无关,而且对含有噪声的复杂输入图象处理的效果尤其明显。     

稀疏矩阵的转置

在《数据结构》课程中,三元组稀疏矩阵的转置算法通常会作为难点来讲解。通过介绍一般数组的矩阵转置的算法以及稀疏矩阵、稀疏矩阵的三元组表示,引出稀疏矩阵的一般算法。本文介绍的稀疏矩阵的算法是一种用C语言编写的转置算法,并通过对两种算法的涉及到的时间以及空间的复杂度进行分析,突出C语言编写的转置算法的优势。     

多级网络编码方案

目前安全网络编码的研究有信息论安全和密码学安全两种方法。信息论安全的编码方案中,中继节点编码主要是使用随机线性网络编码（RLNC）生成编码矩阵,但是此方法并不能保证生成的矩阵一定满秩,从而影响方案的解码率。提出了一个多级网络编码（MLNC）方案,该方案通过在源端使用对角矩阵对消息进行编码,以降低编码复杂度;在中继节点,让入度大于等于2的节点作为编码节点,使用多级的网络编码使混淆效果更好,编码节点随机生成满秩的下三角矩阵和上三角矩阵,用它们的乘积作为编码矩阵,这样能保证编码矩阵满秩,接收节点可以成功解码。Matlab仿真结果表明,MLNC编码矩阵达到k-安全概率优于RLNC编码矩阵,并证明MLNC方案满足信息论安全。     

稀疏矩阵的一种存储方法

处理阶数较高的稀疏矩阵，既需要大量的访问，又需要一定量的插入和删除等动态操作。为了提高整体效率，本文提出了一种整行映射的压缩存储方法，把矩阵中非零元素有规律地映射到一维数组中，占据了比原来矩阵少得多的存储空间，而访问和删除的算法复杂度为常数Ｏ（１），插入操作也较快。该方法兼顾了顺序压缩法和链接压缩法的优点，是一种高效实用的压缩存储方法。     

拉普拉斯稀疏编码的图像检索算法

由于稀疏编码中过完备的码本和独立的编码处理,在编码过程中图像块相似性信息被丢失。为了保留块与块之间的相似性信息,提出了拉普拉斯稀疏编码的图像检索算法。给定编码特征的初始稀疏码,计算拉普拉斯矩阵,将相似性合并到稀疏目标函数,结合特征符号搜索算法和黄金分割线搜索算法,逐个更新每个稀疏编码系数。实验表明,拉普拉斯稀疏编码增强了稀疏编码的鲁棒性,与SPM模型算法相比,拉普拉斯稀疏编码的图像检索算法有较高的准确率。     

基于矩阵分解与用户近邻模型的协同过滤推荐算法

针对个性化推荐系统中协同过滤算法面对的矩阵稀疏和新使用者问题,提出基于矩阵分解与用户近邻模型的推荐算法。通过对用户档案信息构建近邻模型以保证新使用者预测的准确性;同时考虑到数据量大和矩阵稀疏会引起时间和空间复杂度过高等问题,引入奇异值矩阵分解的方式,从而减小矩阵稀疏和数据量大的影响,提高推荐系统的准确性。实验结果表明,该算法能有效解决大数据量的矩阵稀疏问题以及新使用者问题。     

一种在低带宽下的安全网络编码模型

Feldman等人提出,网络编码满足安全性等价于找到满足一定广义矩阵的线性码。分析发现该模型存在一个严重的安全漏洞,即任意接收节点泄露了矩阵M给窃听者,该网络就失去了安全意义。针对模型的缺陷,提出了一种在低带宽下,对安全性要求高的安全网络编码模型。即结合一次一密,改变源输入信息的编码方式,用随机密钥k对原始信息进行加密,利用原来传输矩阵M的安全通道来传输随机密钥k的同时不必牺牲少量的整体容量。分析表明,该模型不仅能够抵抗节点的叛变攻击,内容保密性也得到了进一步提高,模型具有抵抗流量攻击能力,抵抗节点叛变攻击能力以及内容保密性较高等特点。     

防窃听的弱安全网络编码

网络编码可以达到网络的最大理论多播容量,它的提出是通信领域的一项重要突破。在网络编码实际应用中,安全问题不可忽视。文中提出了一种防窃听的弱安全VSWNC算法。首先VSWNC要求信源信宿共享一个随机数生成器;其次信源端可用随机种子r在随机数生成器上生成一个范德蒙行列式P,随后用P对信源信息进行预编码处理;最后信宿端可通过r得到P从而正确解码。把VSWNC算法应用于随机网络编码中,在牺牲少量带宽的情况下能保证以概率1达到弱安全要求。     

一种基于双重状态编码的多模式匹配算法

基于自动机的多模式匹配算法是网络内容过滤与业务监管的核心技术之一,但随着模式集合的扩大,对存储资源消耗过大。为降低当前匹配算法的空间复杂度,同时保持较低的时间复杂度,提出了一种基于关键字预处理和状态编码的优化方法。关键字预处理用于过滤冗杂内容,大大降低了处理复杂度;而采用状态编码消除了NFA中的大量failure转移,可有效降低其开销。理论分析和实验仿真表明,相对于传统的基于TCAM的匹配算法,该算法在大大减少内存需求的情况下,实现了模式的高效匹配。     

基于变异系数的分形图像压缩稀疏编码算法

针对分形图像编码算法复杂度高、编码时间冗长的问题,提出正交稀疏编码和纹理特征提取表示图像块的方法.首先,灰度级的正交稀疏变换提高了图像的重建质量和解码时间.其次,相关系数矩阵度量范围块和域块之间的变异系数特征降低了冗余度和编码时间.仿真实验结果显示,该方法与传统的分形图像编码算法相比,图像重建质量更好,编码速度更快.     

新的对抗全局窃听的安全网络编码方案

现有的对抗全局窃听攻击的安全网络编码方案存在引入了带宽开销、导致了很高的计算复杂度的问题,为了降低带宽开销并且提升实际编码效率,提出了一种新的对抗全局窃听的安全网络编码方案。对于编码域大小为q的网络编码,该方案利用密钥生成两个长度为q的置换序列,并利用置换序列对信源消息进行混合和替换,从而实现对抗全局窃听攻击。该方案只需在信源节点对信源消息进行加密,在中间节点不需作任何改变。由于该方案加密算法简单、编码复杂度低并且不需要预编码操作,因此该方案没有引入带宽开销且具有较高的实际编码效率。分析结果表明该方案不但可以抵抗唯密文攻击,对于已知明文攻击也有很好的抵抗效果。     

基于多级网络编码的多副本云数据存储

云数据存储的快速发展对数据的可用性提出了较高要求.目前,主要采用纠删码计算数据编码块进行分布式冗余数据存储来保证数据的可用性.虽然这种数据编码技术保证了存储数据的安全性并减少了额外的存储空间,但在损坏数据恢复时会产生较大的计算和通信开销.提出一种基于多级网络编码的多副本生成和损坏数据恢复算法.算法基于多级网络编码对纠删码的编码矩阵进行改进形成多级编码矩阵,利用其级联性生成多级编码(hierarchical coding,HC码)来构成多副本数据,使得各副本之间存在编码关系.在损坏数据恢复时,利用数据所有者提供的数据编码信息和云存储中保存的数据块直接计算进行恢复,从而避免从云存储中远程下载数据.理论分析和实验表明,所提算法在相同的存储空间下显著减少了损坏数据恢复时的通信开销并提高了数据的可用性.     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。