Markov编码模型在传感器网络加密算法中的应用

改进了一种基于神经网络吸引子计算的无线传感器公钥加密算法,通过引入改进的q-composite密钥分发机制替代原有的Differ-Hellman密钥协商算法,利用其对神经网络初始化从而产生加密数据的吸引子。在对明文加密之前使用吸引子Markov模型编码,最后将吸引域作为密文输出从而达到加密效果。在OMNet++与Matlab环境下对算法进行了仿真并与同类算法在能耗方面进行了对比。对算法的雪崩效应,密文平衡性及独立性进行了测试,并给出了算法的安全性、扩展性和抗破译能力相关分析。     

基于MCB的传感网移动目标定位算法

针对MCB移动定位算法在实时信息采样方面的不足,提出了EMCB(Enhanced Monte-Carlo localizationBoxed)定位算法。该算法在MCB算法基础之上,引入遗传算法中的变异和交叉操作,使样本选择向后验密度值较大的区域转移,从而有效地解决了原算法存在的成功采样率较低的问题。仿真实验结果表明,同MCB算法相比,EMCB算法平均采样数减少了约30%,定位精度提高了约17%。