基于使用控制模型的防恶意下载系统

为了对恶意下载行为实施有效控制,研究通用访问控制框架和使用控制模型(UCON),提出基于流量的UCON。设计并实现基于UCON的防恶意下载系统,阐述其关键技术和实现方法。实验结果表明,该模型能有效控制用户下载行为,具有高安全性和较强的操作灵活性。     

一种带约束特性的网络信息下载监控模型

为了对网络流量进行有效监控,保护网络服务器上重要的文件资源,论文首先对基于角色访问控制模型的时间约束特性和对象属性进行了研究,提出了一种带约束特性的网络信息恶意下载监控模型;设计了基于时象属性和时间更新的用户角色判定算法;设计并实现了基于时间特性和对象属性约束RBAC模型的网络信息下载监控系统;通过实验验证了该模型可对恶意下载行为进行有效地监视和控制,并且具有高效性、实时性和安全性.     

基于UCON的分布式数据库安全模型

针对分布式数据库系统中已发布数据难以控制的问题,结合基于角色访问控制模型(RBAC)和使用控制模型(UCON)的特点,提出一种基于UCON的分布式数据库安全模型。将分布式数据库分为服务器端和客户端,服务器端采用UCON策略,客户端采用RBAC策略。分析结果表明,该模型能有效控制分布式数据库系统中的数据。     

云环境下基于UCON的访问控制模型研究

UCON(Usage Control)访问控制模型,通过引入"义务"和"条件"两个概念,实现了传统访问控制模型、信任管理和数字版权管理3个技术领域的融合,扩展了模型的控制覆盖范围,能更好地应用于云计算环境。针对UCON模型的隐私保护问题,提出了一种基于加密方式的授权管理控制模型——AM-UCON。该模型在认证和监控的基础上,以多方验证的方法来提高属性更新的可信性和授权的正确性,能在一定程度上抵制恶意篡改隐私策略信息的问题。最后给出该模型的实现过程,并在基于云计算的数字对象发布系统中予以实现。     

基于TPM的UCON模型的构建

作为下一代访问控制技术的使用控制（UCON）模型已经成为访问控制技术研究的热点。主要对UCON模型的安全性进行了分析,并将可信计算模块TPM引入UCON模型,构建了基于TPM的使用控制模型--TUCON模型。     

VOD服务防恶意下载系统的设计与实现

针对提供网上VOD服务中面临的恶意下载问题,本文给出了基于Windows Media Server认证插件的解决方案,详细设计了防恶意下载的算法,并给出了系统的具体实现.实验证明,本系统能有效防止恶意下载浪费流媒体服务资源的问题,大大提高VOD服务的质量和效率.     

使用控制访问模型的研究

分析了现今高度动态和分布式环境下,传统的访问控制模型已不能满足信息访问的需要,并由此引出了下一代访问控制模型--使用控制模型(usage control,UCON).将UCON与传统访问控制模型进行了比较,分析了UCON的定义及组成成分,给出了UCON的16种基本核心模型形式化描述及应用实例,分析了UCON的具体实现框架,最后指出了目前研究的难点和需要解决的关键问题.     

一种基于RBAC的UCON管理模型

UCON模型作为新一代的访问控制模型,能够通过可变属性对使用实现连续控制,可满足当前开放的网络环境需求。但UCON模型仍存在一些缺陷:不能实现对权限的管理、对权限的委托和对属性来源的管理。为此,在UCON模型的基础上引入角色元素并把角色分为提供者角色和消费者角色,然后把权限分为直接使用权限和需要授权权限,以实现对UCON模型中权限的管理和权限的委托,并通过提供者角色对可变属性的来源进行管理,使UOCN对权限管理更加灵活,属性来源更加可信,从而使UCON的应用范围更加广泛。     

一种新的UCON的数据仓库安全模型

使用控制模型(UCON)是作为下一代访问控制模型被提出的,一经提出就得到了广泛研究,其应用范围也得到了极大扩展.数据仓库安全问题的核心之一是安全模型的建立,结合基于角色访问控制模型(RBAC)和使用控制模型(UCON)建立了一个新的数据仓库安全模型RUCON.模型结构分为两部分,RBAC组件和UCON组件,管理安全、角色授权由RBAC组件负责,解决用户授权问题;客体权力、决策处理由UCON组件负责,解决属性易变性和访问持续性的问题.     

一种基于权限的使用控制委托模型

使用控制（Usage Control）作为下一代访问控制模型,综合并扩展了传统访问控制模型,提出了属性可变性和决策连续性的概念,能为现代开放性网络环境下的数字资源提供丰富的细粒度的访问控制保护。权限委托是访问控制系统的组成部分,是实现角色备份、权力分散和协同工作的重要途径。针对UCON的委托需求和已有研究成果的不足,提出了一种基于权限的委托模型,利用委托授权、委托职责和委托条件三个委托决策因素控制和约束委托过程。给出了模型的形式化定义,利用一个定义的最小断言集合实现了权限的委托和撤销过程。该模型延续了UCON的可变性和连续性特点,是一种易操作的权限委托机制,能够方便实现UCON系统用户间使用权限的相互委托。     

基于偏微分方程的误差分散逆半调改进算法

结合误差分散半调噪声特征,提出一种基于偏微分方程的逆半调改进算法。通过研究偏微分方程的去噪原理,以3次B样条函数作为扩散函数,采用迭代求解偏微分方程的方法估计逆半调图像,计算每次迭代前后图像梯度模值的增量以确定平滑度的调节参数,解决偏微分方程在应用中的参数选择自适应问题。实验结果表明,该算法在图像整体平滑度和细节保持能力上都具有较好的效果。     

基于离散小波阈值的偏微分图像去噪

小波方法和偏微分方程方法是图像去噪中的主要方法。该文提出基于离散小波变换对图像进行阈值去噪,得出了小波阈值的偏微分方程表示形式,在此基础上研究偏微分方程的解法,采用分数步的小波阈值方法对图像去噪,得到了较好的去噪效果,同时可以保护边缘。数值试验结果表明,该方法具有比小波方法更好的去噪效果,能获得较高的信噪比。     

一种基于偏微分方程的图像复原新模型

首先基于偏微分方程（PDE）提出一个描述图像复原的泛函,并推导出新的PDE图像复原模型,该模型不仅复原效果良好,而且能较好地保持图像的特征。与其他经典的复原方法相比较,新模型具有理论上的优势;其次,有效地解决了保持图像边缘特征和图像的过度平滑这对矛盾。实验表明,给出的新模型既能较好地复原图像,又能很好地保持图像的边缘特征。     

偏微分方程图像平滑模型的一种最优停止准则

基于偏微分方程的各种非线性图像平滑模型, 可归结为求解初始值为输入图像的非线性扩散方程. 这些非线性图像平滑模型在滤除噪声的同时, 在保留图像重要特征方面表现出良好的性能.采用这些模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响.该文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代. 它易于实现而且又有很强的通用性.实验结果表明该算法可以在图像平滑过程中适时地停止迭代, 获得满意的图像平滑效果.     

基于拉普拉斯算子和图像修补的图像去噪算法

通过分析偏微分方程(PDE),设计了基于拉普拉斯算子和图像修补的图像去噪算法用于处理被噪声污染的图像：ROF调和拉普拉斯(RHL)算法和ROF调和修补(RHI)算法。通过分析图像的局部特征,结合ROF模型在处理图像时具有边缘保护能力,调和模型在处理图像平滑区域时能够避免产生“阶梯效应”和拉普拉斯算子具有增强细节信息的特点,设计了RHL算法;在RHL算法的基础上,结合基于PDE的图像修补模型设计了RHI算法。实验结果表明,设计的RHL算法和RHI算法既克服了ROF模型、调和模型在去除图像噪声时的缺点,又结合了两者的优点,与其他基于PDE的算法相比,在去除图像噪声、处理图像平滑区域、保持图像边缘细节信息方面都有较好的性能。     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

基于PDE''''s的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征，而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核，实验结果表明改进后的平滑方法既能更有效消除孤立噪声点，又可以更好地保持边缘。     

图像去噪中的纹理保护方法研究

基于偏微分方程及变分极值最小化的图像平滑方法可以有效地去除噪声,而且能够保护边缘信息,但由于噪声及纹理难以区分,使得纹理信息无法保留。提出一种纹理保护滤波算法,该算法利用图像分解模型将图像分解为几何结构分量及噪声/纹理分量,计算后者的局部方差,与传统变分能量最小化方法中的偏差惩罚项结合形成随纹理变化的约束,得到的模型在纹理区域滤波减少,从而保护了纹理信息。实验在视觉效果上得到了预期的结果,信噪比的计算对比也可以证明算法的有效性。     

基于全变分模型的自适应FCM图像分割

针对模糊C均值(FCM)算法对噪声敏感的缺点,在FCM目标函数中引入全变分惩罚函数,提出一种基于全变分模型的FCM图像分割方法。该方法根据图像的纹理变化,自适应调整图像保真项的惩罚因子,同时在考虑分割代价的情况下,使迭代循环过程中的图像噪声得到平滑。实验结果表明,该方法能提高图像的分割效果,有效解决噪声抑制与精确分割之间的矛盾。     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.