基于规则引擎的电子采购逆向竞拍的研究

近年来规则引擎技术已广泛应用于金融、电子商务及制造业等领域。当前大型企业的采购方式越来越多样化,传统采购系统所采用的逆向竞拍方案已不能满足现有需求。本文研究了规则引擎技术在企业电子采购系统中的应用,以将程序代码和业务规则分离开来。企业可以按照不同采购需求个性化配置采购规则,规则引擎控制整个拍卖过程,拍卖结束后系统再利用规则引擎自动对报价进行评分,帮助企业选择最优供应商,使其在采购过程中降低成本,提高采购效率。     

DSI:一种基于动态分段的时间序列查询索引

时间序列数据主要依据采集时间进行排序,时间序列上相邻的数据具有一定的关联性,当用户读取时间序列数据时不只是读取一条数据,而是连续读取一段时间序列数据。针对时间序列的局部性特点,提出一种基于动态分段的时间序列索引DSI,通过设置差值及差值等级对时间序列数据进行动态分段,使用区间树快速查找不同长度的数据分段块,并利用层次聚类算法优化查询结果集合。实验结果表明,DSI索引的查询效率优于现有时间序列查询索引。     

一种基于执行体异构度的拟态裁决优化方法

网络空间拟态防御技术通过构建动态异构冗余的系统架构来提高系统的安全性能,而裁决器的表决机制是防御链中的关键步骤,直接影响拟态系统的安全性和效率。针对拟态表决环节的任务特性,对一致表决算法进行改进,设计基于执行体异构度的拟态裁决优化方法。结合拟态防御系统的异构特性,在选择执行体表决输出时引入执行体间的异构度作为决策因素,同时综合考虑执行体数目和历史记录信息,使表决算法更适用于拟态架构面临的威胁场景。实验结果表明,与一致表决算法相比,该算法能够显著提高拟态系统的安全性能,有效规避共模逃逸的风险。     

一种高效的移动对象伴随模式挖掘算法

从时空维度中寻找轨迹相似、时间相近的对象集合,即挖掘移动对象的伴随模式,在基于地理位置的用户行为分析中被广泛使用.然而现有移动对象相似性挖掘算法难以处理时间连续、空间离散、时空相关并且数据量大的时空数据.针对此类数据,设计基于滑动窗口、Apriori性质和贪心选择策略的宽度优先搜索算法,对移动对象伴随模式挖掘问题进行求解.同时结合基于哈希的迭代剪枝算法和基于摘要信息的剪枝算法,设计两层剪枝算法以去除冗余的中间结果.在真实数据上的实验结果表明,与仅使用哈希迭代或摘要信息的剪枝算法相比,该算法的剪枝效率较高,并且能够稳定去除99%以上的冗余数据.     

一种基于矩阵计算的数据开放隐私泄露评估方法

大数据时代,数据开放过程中的隐私保护研究是重要的研究领域之一。现有的隐私保护研究致力于对数据中的敏感信息进行匿名化、添加噪音、扰动等处理以保护隐私,但在一些数据使用场景下要求使用原始数据。在这种情境下对数据开放带来的隐私泄露风险进行评估,就显得尤为重要。在对现有隐私保护研究进行总结的基础上,提出一种基于矩阵计算的隐私泄露评估方法,为支持数据开放提供了有力保障。     

一种基于分组的区块链共识算法

区块链作为一门新技术,因为其去中心化、不可篡改等性质而被广泛研究。但由于公有链共识算法存在效率低、浪费资源等缺陷,研究者们转向对节点规模较小的联盟链的研究。目前联盟链使用的共识算法为传统的分布式共识算法,受制于节点的规模。当节点数目上升时,系统中的通信量也会上升。提出一种分组的共识算法,第一阶段通过盲签名投票选取胜利节点,第二阶段使用PBFT算法进行主节点的选取,有效缓解单纯使用PBFT算法带来的节点数目增多通信量过大的问题。最后使用该共识算法提出一种物联网系统的架构。