有限自动机在BBS信息监测系统中的运用

形式语言与自动机理论是为了将自然语言转换成为计算机能够识别、处理的语言而建立的理论体系,利用有限自动机可以对文本信息进行智能化监测,对文本的词法分析可以得到系统监测所需要的信息。该文对有限自动机在BBS信息监测系统中的运用进行了详细阐述;描述了系统的具体实现以及软件界面;对信息监测的三种方式终端监测、运行监测、备份监测的优劣进行了分析,并提出了具体实施的办法。     

一种基于模糊神经网络的可靠流量控制模型

为控制P2P流量，本文从数据缓冲区使用的实时状态出发，提出了一种基于模糊神经网络的拥塞控制模型，该模型把缓冲区划分为两个队列分别存放P2P和非P2P的数据包，通过模糊神经网络预测评估缓冲区队列的拥塞状况，并建立一个评估函数对各队列的空间分配作出指导，使得能够控制各队列的拥塞状况，并动态的调整缓冲区队列的分配，在缓冲区溢出前主动丢包，避免缓冲区锁定。模拟实验的结果表明，该模型在保证网络资源分配的公平性方面取得了较好的效果，它降低了数据包排队延时和丢包率，提高了路由器处理网络拥塞的能力。     

Active Bolck Layout:一种高性能磁盘布局机制

1.引言随着计算机技术的发展,CPU的运算速度越来越快,但磁盘存储系统速度的提高却远远跟不上CPU速度的提高。这种差别导致在许多计算机系统中,存储系统成为系统性能的瓶颈。磁盘的存储容量和存取速度的发展是不平衡的。磁盘存储容量以每年一倍的速度发展,而磁盘的存取时间仅仅每年     

IDS决策过程中的时空一致性研究

本文讨论了将数据融合技术运用到入侵检测系统中的方法,并提出了一个基于数据融合技术的入侵检测机制——DFIDM。本文重点研究了数据提取和对象提取过程中的时空一致性问题,在该机制中,有多个检测器搜集系统日志文件、网络流量信息、网络数据包等数据。这些数据首先由决策器进行本地决策,在通过数据提取和对象提取阶段的时间和空间校准之后,传送到融合中心进行决策。本文最后通过实验证明,采用了该机制的入侵检测系统能获得更好的性能。     

设备网格技术的研究

论述了设备网格的背景、特点、研究现状和发展方向,提出了一个设备网格系统的体系结构,分析了设备网格系统资源调度的过程。针对设备网格环境的特殊性,提出了一个设备网格系统的安全机制,并进行了分析,给出了实验结果。     

基于多传感器数据融合的入侵检测机制

针对特征复杂的入侵方式,设计了一种基于数据融合理论的新型入侵检测机制-DFIDS,结果提高了系统在检测复杂入侵行为时的确定性。DFIDS使用优化的并行分布式检测与决策融合系统模型,可以有效克服传统入侵检测系统因单检测器而在数据采集和分析方面的局限性,从而提高了检测的总体性能。文中建立了DFIDS的理论分析模型,并和传统入侵检测机制进行了对比,结果表明DFIDS在检测准确性方面具有更好的性能。     

空间众包中的位置隐私保护技术综述

群众外包(crowdsourcing,简称众包)是互联网发展带来的新的商业模式,依赖大量的工作者完成任务。许多众包任务都是在线完成的,其中存在一类特殊的任务依赖于用户实际的位置信息,这类依赖于用户实际位置信息的众包通常被称为空间众包。近年来,随着移动设备和无线网络的迅速发展,传感器能够更加精确的获取用户的位置、移动速度和方向等信息,空间众包中用户的位置隐私安全问题日益凸显。本文集中介绍空间众包的基本概念,工作流程以及已有空间众包平台中的位置隐私保护问题,并以此为基础详细阐述了空间众包中基于差分隐私、空间匿名以及加密技术的三种主流的隐私保护模型。最后总结并展望了我们未来的研究方向。     

偏相关方法在软件缺陷预测中的应用*

为了提高预测模型的性能,解决不同属性子集带来的分歧,提出了基本偏相关方法的预测模型。首先,该方法在公开数据集上分析出代码静态属性与缺陷数之间存在偏相关关系;然后基于偏相关系数值,计算出代码复杂性度密度属性值;最后基于该属性值建立新的缺陷预测模型。实验表明,该模型具有较高的召回率和很好的F-measure性能,从而进一步证实了代码属性与模块缺陷之间的偏相关性是影响软件质量预测性能的重要因素的结论。该结论有助于建立更加稳定可靠的软件缺陷预测模型。     

在线增量极限学习机及其性能研究

针对在线学习中极限学习机需要事先确定模型结构的问题,提出了兼顾数据增量和结构变化的在线极限学习机算法。算法于在线序列化极限学习机的基础上,通过误差变化判断是否新增节点,并利用分块矩阵的广义逆矩阵对新增节点后的模型进行更新,使模型保持较高正确率。通过在不同类型和大小的数据集上的实验表明,所提算法相较于经典极限学习机及其在线和增量学习版本都具有较好的分类和回归准确率,能够适应不同类型的数据分析任务。     

增量式多关键字可搜索加密算法

为满足加密文件的多关键字检索需求并解决云存储模式下文件频繁更新导致用户重构安全索引的问题,提出增量式多关键字可搜索加密算法。基于新型的多元素随机布隆过滤器,使用户提交的多个查询关键字被随机哈希并混合,在随机布隆过滤器中得到快速判定。该算法保障数据与查询机密性的同时,保护用户访问模式的隐私性,支持文件的独立更新,有效避免可搜索结构的整体重构,其效率与检索准确率与同类算法相比有较大提高。实验验证了该方案的实用性。