动态数值敏感属性的数据隐私保护

目前动态数据的隐私保护引起了人们的广泛关注。m-invariance概念的提出,比较好地解决了动态类别敏感属性的数据隐私保护问题,但对于动态数值敏感属性却未取得任何进展。描述了动态数值敏感属性的数据隐私保护问题,提出了解决该问题的m-increment概念及其泛化算法,并通过实验数据说明了算法的实用性和效率。     

大规模图数据划分算法综述

对大规模图数据划分算法进行了总结,介绍了并行环境下图计算模型,详述了大规模静态图划分算法和动态图划分算法,归纳了这些算法的优缺点以及适应性。最后,指出了关于大图划分尚未探索的有意义的研究课题。     

基于项目合作的社会关系网络中核心社团发现

近几年,基于社会关系网络的研究得到了社会各界的广泛关注。在社会关系网络中往往存在不同类型角色,其影响力与行为表现也不同。根据国家自然科学基金(以下简称“基金”)历史的20年申请信息中的申请人与参与人构成的项目合作关系,将其映射到社会关系网络中,挖掘其中有影响力的申请人,由此导出关系网络中的核心社团发现。为了更好地展示、处理这种大型社会网络,提出一种基于贪心策略的核心社团发现算法。与现有算法进行比较,结果显示该算法略优于目前的几种算法。     

分布式环境下的Skyline代表点查询

为了克服Skyline查询的不足即结果集大小无法控制,提出了Skyline代表点查询,返回k个可描述全局Skyline轮廓的Skyline代表点。研究了分布式环境下的Skyline代表点查询,提出了Naive算法和FDRA。Naive算法首先转移每个子节点上满足条件的两个局部代表点,再通过比较传来的局部代表点间的评价函数值大小决定子节点是否需要传送余下的局部点,以实现剪枝非代表点;与之相比,FDRA的改进在于过滤元组的选择,运用反馈方法,将每次动态更新最大评价函数值的点作为过滤元组,大大降低了计算代价,中心服务器每次只发送过滤元组到分布节点,这样可以尽早且最大限度地剪枝不可能成为代表的Skyline点。提出的算法降低了服务器间的通信开销,返回了正确的结果集,实验论证了算法的有效性与高效性。     

基于差分隐私保护技术的多方求和查询方法

差分隐私保护技术因其不需要攻击者先验知识的假设,而被认为是一种非常可靠的保护机制。然而,差分隐私保护技术很少在多方环境下使用。鉴于此,将差分隐私保护技术用于多方环境下数据求和查询问题,详细讨论了如何通过加入噪声的方法来实现数据的保护,并证明该方法安全性。     

Skyline代表点的选择*

Skyline查询在多维决策和数据挖掘等方面发挥重要作用,然而随着数据属性维度的增大, Skyline集变得非常庞大.为克服该不足,提出Skyline代表点查询.文中提出新的评价函数改进Skyline点的得分计算方法以选择k个具有代表性的Skyline点.在二维空间提出动态规划算法(DPBA),利用覆盖圆的性质确定非代表点与代表点间的覆盖距离,迭代计算评价函数值,从而得到k个代表点;在高维空间针对NP-hard问题提出一个基于aR-tree结构的近似解决方法,遍历索引结构中的节点,通过与候选Skyline集比较判断是否被支配进行剪枝,降低计算开销.大量基于合成数据与真实数据的实验证明该算法的有效性.     

基于MapReduce的连续Skyline查询

随着Web网络和无线传感器网络的不断发展,大数据的出现对数据查询和处理产生了挑战。研究了MapReduce框架下移动对象的并行Skyline计算问题,采用基于角度划分的方法解决负载平衡问题,并提出了一种过滤策略进行剪枝提高计算效率,在此基础上分别实现了静态Skyline算法和基于事件跟踪的MR-Track算法。最后通过对比实验验证了算法的有效性。     

基于GPRS自动抄表系统的设计与实现

介绍了一种基于GPRS自动抄表系统的解决方案,详细阐述了系统组成的层次结构、模块设计和实现方法,并对系统实现的功能进行了阐述。该方案实现了实时抄表、定时抄表、电费管理和档案管理等功能,与传统的抄表技术相比,极大地提高了效率。     

基于局部聚类的数据匿名化算法*

为提高匿名化后数据的可用性,给出了一种加权确定惩罚模型作为数据有用性的度量方法,提出了两种基于局部聚类的数据匿名化算法。通过真实数据实验评估,该算法能够很好地降低实现匿名保护时概化处理所带来的信息损失。     

Legendre序列在GF(p)上的线性复杂度

线性复杂度是度量流密码安全性的一个重要指标.GF(2)上序列可以把它看成GF(p)上的序列,因此需要研究序列在GF(p)(p是较小的奇素数)上的线性复杂度.从这个观点出发,讨论了Legendre序列在GF(p)上的线性复杂度,在应用部分发现了Legendre序列在分圆多项式分解上一个应用,并对此做了一些扩展.