基于Tor的安全隐秘通信平台的设计与分析

随着流量分析等攻击形式的出现,匿名系统被不断推广,很好地应对了这些攻击。它在加密通信内容的同时,也能够隐藏通信身份,以提高用户隐私。本文基于现有匿名覆盖网络系统一-Tor提出一种新的安全隐秘通信平台。在系统实现上,部署了安全节点与安全目录服务器两个主要结构组件;自行设计和实现了本地代理与安全节点之间,安全节点与安全目录服务器之间的通信模块;并引入秘密共享思想,初步实现了多链路传输机制,以寻求提高安全性和增强系统性能的可能。     

改进型重复Wiener滤波/PUM模型——实现抗噪连续语音识别

众所周知,抗噪问题是现在语音识别研究中的重点。文章描述了一种新的抗噪语音识别方法,即通过改进型重复Wiener滤波结合后验概率联合模型PUM(PosteriorUnionModel)[3]实现在噪声环境下连续字语音识别的方法。这种方法先采用改进型重复Wiener滤波器对语音信号进行语音增强预处理,消除已知噪声,为PUM模型提供只有局部频带被噪声污染的语音信号,再利用PUM模型进行抗噪语音识别。试验表明在各种不同的噪声环境下新方法有更高的平均识别率。     

下一代测序纠错方法综述

在面向下一代的测序技术中,前期纠错方法决定着测序的最终序列质量,因此成为当前研究热点,很多不同的纠错方法被提出,对于这些方法的优缺点以及它们适合的应用,应该有清晰的认识和公正的评估. 介绍了现存的各种下一代测序的纠错技术. 首先,从各种不同工具所基于的底层算法进行分析;接着,从测序不同平台来看读段错误形成的特点;然后,从各种不同的测序应用角度来观察读段序列错误特征;最后,总结并阐述读段序列纠错工具存在的问题和发展趋势.     

基于用户笔迹的移动身份识别技术

针对传统身份识别技术存在的密码记忆难、隐私易泄露、信息易伪造等问题,提出并实现了基于安卓平台的混合特征在线手写笔迹识别算法. 本算法通过迁移传统笔迹采集平台、采用文本相关与文本无关相结合的方式分别对静态纹理特征和动态矢量特征进行提取,弥补了当前笔迹采集困难、信息易伪造、准确性差等缺陷,实现了用户在移动设备上更加快捷安全的进行身份识别和鉴定. 通过实验得出：该笔迹识别算法具有良好的稳定性、高可重复性、优良的准确性和安全防伪能力,能够有效阻止陌生用户的攻击,具有较高的安全保障性能.     

基于改进的Jaccard系数文档相似度计算方法

文本相似度主要应用于学术论文查重检测、搜索引擎去重等领域,而传统的文本相似度计算方法中的特征项提取与分词环节过于冗杂,而且元素的随机挑选也会产生权重的不确定性. 为了解决传统方法的不足,提出一种基于改进的Jaccard系数确定文档相似度的方法,该算法综合考虑了各元素、样本在文档中的权重及其对多个文档相似度的贡献程度. 实验结果表明,基于改进的Jaccard系数的文档相似度算法具有实效性并且能够得到较高的准确率,适用于各种长度的中英文文档,有效地解决现有技术中存在的文档间相似度计算不精的问题.     

改进的软件错误报告自动分类算法

软件错误报告的自动分类能够节省大量人力和时间,然而用户提交的错误报告主观性较强,对错误报告的描述较随意,造成自动分类的效率低下。为此,基于传统的词频-逆向文件频率( TF-IDF )算法,结合文档内词条频度与词条在同类别及不同类别文档中的分布情况,提出2种特征降维的改进算法,降维后再对词条进行权值处理,进一步提高特征降维的效果。实验结果表明,应用该算法得到的错误报告自动分类在精确率、召回率、F1值和准确度等指标上比现有算法都有明显提高。     

项目驱动型算法设计与分析课程教学方法

传统的算法设计与分析课程在教学方法上存在诸多问题,如何解决这些问题并提高该课程的教学质量是目前教学的研究重点。文章探索一种以项目为教学内容主体、学生为教学执行主体的项目驱动型算法课程教学方法,以项目为驱动力将抽象的算法理论具体化、形象化和实践化,形成软件设计、算法设计、数据结构设计和程序编码这一完整过程的一体化教学,为解决现有教学问题和提高算法课程教学质量提供思路。     

支持多数不规则用户的隐私保护联邦学习框架

针对联邦学习存在处理大多数不规则用户易引起聚合效率降低,以及采用明文通信导致参数隐私泄露的问题,基于设计的安全除法协议构建针对不规则用户鲁棒的隐私保护联邦学习框架.该框架通过将模型相关计算外包给两台边缘服务器以减小采用同态加密产生的高额计算开销,不仅允许模型及其相关信息以密文形式在边缘服务器上进行密文聚合,还支持用户在...     

基于概率后缀树的移动对象轨迹预测

在移动对象轨迹预测中,针对低阶马尔可夫模型预测准确率不高、高阶模型状态空间膨胀的问题,提出一种基于概率后缀树(PST)的动态自适应变长马尔可夫模型预测方法。首先依时间先后将移动对象的轨迹路径序列化;然后根据移动对象的历史轨迹数据进行学习训练,计算序列上下文的概率特征,建立路径序列的概率后缀树模型,结合当前实际轨迹数据,动态自适应预测将来的位置信息。实验结果表明,该模型在二阶时取得最高的预测精度,随着阶数的增加,预测精度保持在82%左右,能取得较好的预测效果;同时空间复杂度呈指数级减少,大大节省了存储空间。该方法充分利用历史轨迹数据和当前轨迹信息预测未来轨迹,能够提供更加灵活、高效的基于位置服务。     

基于Gabor小波和模型自适应的鲁棒人脸识别方法*

提出了一种基于Gabor小波人脸特征和模型自适应算法的新鲁棒人脸识别方法。该方法在真实识别前,通过用与真实识别相同的环境条件下所获得的人脸图像数据对原始模型进行更新补偿,实现了模型自适应。该模型自适应更新算法是加性的,其具有较低的时间和空间复杂度。通过模型自适应更新,新方法可以有效地减少模型和识别数据间的失配,从而提高识别率。在AT&T和MITCBCL人脸数据库上的测试结果表明,该方法是有效的。