基于遗传进化和粒子群优化算法的入侵检测对比分析

针对入侵检测中的聚类最优化问题,使用遗传算法和粒子群算法的优化特性进行全局最优化并作对比分析。分析采用二进制编码,终止条件同时考虑最大迭代次数和收敛度,适应度函数的定义结合了类内距和类间距的特征。最后使用KDD CUP1999数据集在Matlab 6.5中进行了仿真。实验结果表明粒子群算法在适应度的收敛值和收敛速度上均优于遗传算法。     

基于密文医学图像的可逆信息隐藏算法

针对现有算法嵌入容量低以及应用于医学图像时效果不稳定的问题,提出一种基于斜线分组和梯度算子的密文医学图像的可逆信息隐藏算法。算法利用按位异或操作对医学图像加密,接着对密文图像分块,每块再斜线分为4组,根据待嵌入2比特信息翻转对应像素组的最低3位有效位（3LSBs）。接收端先解密图像,然后根据信息隐藏密钥和梯度算子恢复原始图像并提取信息。实验结果显示,算法能无损地恢复原始医学图像,准确地提取嵌入信息,在分块大小相同的情况下,有更好的嵌入容量,更高的PSNR值和更低的信息提取错误率。     

大规模数据集聚类中的数据分区及应用研究*

针对大型数据库提出了许多聚类方法,但是这些算法往往计算量较大、对主存的要求较高;而且当数据分布不均匀时,算法的聚类质量会受影响.因此为了提高聚类算法的效率和准确性,采用了数据分区技术首先对数据进行预处理,分区后的数据具有更少的数据量和更均匀的数据分布.     

基于聚类和支持向量机的入侵检测研究

提出了一种基于聚类和支持向量机的入侵检测算法，该算法可以有效地减小计算复杂性，提高检测性能。算法首先使用K-MEANS聚类算法对数据做一个初步的划分得到多个类；然后考察每个类中数据的标识，只有当类中的数据标识不止一个时才进行支持向量的查找。最后使用KDD CUP 1999进行了计算机仿真实验，实验结果说明了该算法的有效性。     

基于免疫粒子群算法的特征选择

针对入侵检测中数据维数较高的问题,使用免疫粒子群算法Immune_PSO进行特征选择,消除冗余属性、降低问题规模、加快入侵检测速度。Immune_PSO算法使用二进制字符串序列来表示粒子位置,采用免疫算法思想进行粒子的选择,保持粒子的多样性,提高PSO算法的收敛精度。最后算法在KDD CUP1999数据集上进行了仿真实验,达到了预期的效果。     

语音压缩技术及其应用的进展

文中介绍了语音压缩技术的基本原理和算法,并着重分析了当前流行的几种语音压缩算法的优缺点,同时介绍了相应的一些语音压缩产品,最后对这门技术发展前景作了展望。     

一种基于认证文件的双方验证模型水印方案

随着边缘计算框架和联邦学习协议的结合,越来越多的深度学习模型版权保护工作被提出,但仅从发送方角度进行所有权验证,无法为接收方提供帮助。大量研究指出,在端-边-云联邦学习系统中,存在恶意用户试图无贡献获取公共模型,甚至向公共模型投毒,为此,有必要给接收方提供模型所有权验证方案。该研究在现有神经网络水印方案的基础上,提出了一种基于认证文件的双方验证模型水印方案,添加了认证文件生成步骤,并以模型结构调整实现双方对模型的所有权验证。通过实验验证了所提方案的可行性、鲁棒性以及获得的水印嵌入速度提升。     

可穿戴设备流数据的隐私保护发布

针对可穿戴设备流数据可能泄露个人隐私的问题,提出了一种基于自编码器和时频变换的隐私保护数据发布方法.通过分块离散余弦变换将滑动窗口数据变换为频谱数据,再通过自编码器实现脱敏变换,最后由重构的频谱数据逆变换回滑动窗口数据.利用预训练的活动识别与身份识别分类器评估自编码器输出结果的效用性和隐私性,通过多目标损失函数与反向传播更新自编码器权重.在Motion-Sense数据集上的实验结果表明,在重构数据上活动识别的F1-score由0.944降低至0.940,而身份识别的F1-score由0.908降低至0.673,重构加速度数据与原数据之间的均方误差为0.27.与同类算法相比,该算法能够更好地保留数据的效用性以及提高数据的安全性.     

基于差值域直方图平移的密文可逆水印算法

为了满足密文域水印可逆嵌入的需要,利用一种直方图平移与同态加密相结合的技术,提出了一种新颖的差值域直方图平移密文图像可逆水印算法.该算法可以在没有原始图像信息的情况下直接对密文域图像嵌入水印,即实现原始图像—加密—水印嵌入的过程,从而简化了传统算法中原始图像—加密—解密—水印嵌入—加密的冗余过程.仿真实验表明,该算法可以在图像失真度很低的情况下,有效提高嵌入容量,而且水印完全提取,图像无失真恢复.实验效果明显好于其他算法.     

入侵检测中的快速特征选择方法

进行入侵检测前必须分析输入数据的特征。使用粒子群优化算法对特征进行选择,消除冗余属性、降低问题规模、提高数据分类质量、加快数据处理速度。用二进制字符串序列表示粒子位置,阐述位置和速度的更新策略以及适应度函数的选择。在KDD CUP1999数据集上进行实验,结果表明与遗传进化算法相比,该方法可以更有效地精简特征,提高分类质量。