Chord-PKI: A distributed trust infrastructure based on P2P networks

Many P2P applications require security services such as privacy, anonymity, authentication, and non-repudiation. Such services could be provided through a hierarchical Public Key Infrastructure. However, P2P networks are usually Internet-scale distributed systems comprised of nodes with an undetermined trust level, thus making hierarchical solutions unrealistic. In this paper, we propose Chord-PKI, a distributed PKI architecture which is build upon the Chord overlay network, in order to provide security services for P2P applications. Our solution distributes the functionality of a PKI across the peers by using threshold cryptography and proactive updating. We analyze the security of the proposed infrastructure and through simulations we evaluate its performance for various scenarios of untrusted node distributions.     

基于DCNN特征与集成学习的车型分类算法

针对传统人工设计特征描述不充分及单分类器泛化能力弱等问题,提出一种基于深度卷积神经网络(DCNN)特征与集成学习相结合的车型分类算法。微调VGG16深度卷积神经网络模型,将全连接层Fc7输出的4096维矢量采用PCA方法降至100维,作为图像的特征表示;采用拉格朗日支持向量机(LSVM)作为基分类器,以Adaboost方法自动学习各样本及基分类器的权重实现分类器集成。基于BIT和MIO-TCD数据集的对比实验结果表明,平均分类精度分别达到84.5%与83%,优于其它传统特征与单分类器方法。     

P2P应用特征检测与识别

P2P技术充分发挥众多个人计算机(Peer节点)的作用,具有很大的优势,但随着应用的推广也显现许多负面问题.近年来,ISP和企业网络管理员都希望能够将P2P流量有效地识别出来,对网络进行规划和管理.讨论了利用P2P报文特征码来实现P2P应用检测识别的方法,提出了P2P应用特征码识别框架,初步的软件实现表明该方法是有效可行的.     

P2P网络安全的信任模型研究

近年来Peer-Peer网络架构得到迅速发展,针对这种架构提出了与传统“客户－服务器”架构不同的一种安全信任模型,它能够根据网络的“建议”值建立节点间的信任关系,更好地保证网络的安全性和避免恶意攻击,同时给出了求解信任值的数学模型和具体算法,并对信任模型的安全性能进行了理论评测。     

一种基于Bagging-SVM的智能传感器集成学习方法

集成多个传感器的智能片上系统( SoC)在物联网得到了广泛的应用.在融合多个传感器数据的分类算法方面,传统的支持向量机( SVM)单分类器不能直接对传感器数据流进行小样本增量学习.针对上述问题,提出一种基于Bagging-SVM的集成增量算法,该算法通过在增量数据中采用Bootstrap方式抽取训练集,构造能够反映新信息变化的集成分类器,然后将新老分类器集成,实现集成增量学习.实验结果表明:该算法相比SVM单分类器能够有效降低分类误差,提高分类准确率,且具有较好的泛化能力,可以满足当下智能传感器系统基于小样本数据流的在线学习需求.     

Network traffic classification based on ensemble learning and co-training

Classification of network traffic is the essential step for many network researches. However,with the rapid evolution of Internet applications the effectiveness of the port-based or payload-based identifi-cation approaches has been greatly diminished in recent years. And many researchers begin to turn their attentions to an alternative machine learning based method. This paper presents a novel machine learning-based classification model,which combines ensemble learning paradigm with co-training tech-niques. Compared to previous approaches,most of which only employed single classifier,multiple clas-sifiers and semi-supervised learning are applied in our method and it mainly helps to overcome three shortcomings:limited flow accuracy rate,weak adaptability and huge demand of labeled training set. In this paper,statistical characteristics of IP flows are extracted from the packet level traces to establish the feature set,then the classification model is created and tested and the empirical results prove its feasibility and effectiveness.     

一种基于差评散布的P2P网络信任机制

面对各种网络攻击,P2P网络需要有效的信任机制隔离恶意节点,保证节点的成功交易。考虑节点行为特征和差评的重要性,提出基于差评散布的信任机制。服务节点一旦提供的服务被给出差评,对其近期交易的相关节点进行差评的散布,加大差评对服务节点声誉的影响力度。经过二次计算的节点声誉值能真实反映节点近期的声誉水平与交易趋势。实验结果表明,该信任机制能保证正常节点的交易成功率,有效对抗各种攻击行为。     

基于组件的P2P分布实时数据交换体系结构

提出并实现了一种基于组件／XML的P2P分布实时数据交换系统PeXChange,系统使用XML实现面向多接口的通用数据交换,通过多事件通道和主动发现失效结点实现系统负载均衡和容错处理,采用基于角色的访问控制机制以加强系统的安全性和可管理性。PeXChange在设计和实现上采用组件的大粒度对象化没计范型,具有较好的可扩展性、安全性和容错性。广域网络环境下系统运行表明,PeXChange能够以对等模式提供高质量实时数据交换和共享,各Peer结点在异种数据模式映射、系统负载均衡与容错处理等方面能够满足企业级应用需求。     

使用机器学习算法分类P2P流量的方法研究

随着时间的推移﹐P2P的应用数量、范围开始快速增长,这在促进社会经济发展和社会大众日常生活水平提升的同时,也带来了较多的问题,而传统的网络流量分类方式存在着较多的缺陷,难以满足时代的发展和社会大众的需求。文章主要提出基于ReliefF-CFS的方法,进而实现流量的特征子集的选择,依据具体的实验研究结果来看,文章所提出的方法取得了较高的分类准确率,比较适合在后续进行推广应用。因此,文章针对使用机器学习算法分类P2P流量的方法进行系统的研究和分析,其主要目的在于高效率处理协议加密的网络流量分类问题,这对于国内的计算机网络技术的发展也具有促进作用。     

P2P-对等网络的未来

P2P(Peer-to-Peer)引导网络计算模式从集中式向分布式偏移,网络应用的核心从中央服务器向网络边缘的终端设备扩散。P2P是一种基于互联网的新的应用型技术,主要为软件技术。主要介绍了P2P技术的背景起源,关键技术和应用趋势,并重点分析了sUN公司提出的P2P平台：JXTA的体系机构。     

对等式测控网的设计与实现

为了提高单片机测控网络系统的灵活性,进一步降低测控网络的成本,解决传统通迅网络中主机负担过重的问题,提出了对等式单片机测控网络新结构。通过对系统结构的特殊设计,取消主机并采用令牌环总线的通信方式,使节点间实现对等通信成为可能,并保证了通信的可靠性。经过实验室构建实际系统,验证了方案的可行性。该方案突破了传统的主从式通讯模式,克服了现在一般数据采集站中从站间通信困难的缺点;具有数据吞吐量大、节点与节点间通信渠道宽、主机的功能被彻底地取代等优点,对于构建低成本分布式测控网络具有实用价值。     

A novel ensemble of classifiers for microarray data classification

Micorarray data are often extremely asymmetric in dimensionality, such as thousands or even tens of thousands of genes and a few hundreds of samples. Such extreme asymmetry between the dimensionality of genes and samples presents several challenges to conventional clustering and classification methods. In this paper, a novel ensemble method is proposed. Firstly, in order to extract useful features and reduce dimensionality, different feature selection methods such as correlation analysis, Fisher-ratio is used to form different feature subsets. Then a pool of candidate base classifiers is generated to learn the subsets which are re-sampling from the different feature subsets with PSO (Particle Swarm Optimization) algorithm. At last, appropriate classifiers are selected to construct the classification committee using EDAs (Estimation of Distribution Algorithms). Experiments show that the proposed method produces the best recognition rates on four benchmark databases.     

语义覆盖对等信息共享系统的研究

为了在对等数据管理中实现基于语义匹配的知识检索,文章通过分离对等基础层和语义支持层,提出了一个实现语义覆盖对等信息共享系统的两层框架。该框架兼顾了系统可伸缩性和语义互操作性,井满足普适性原则。测试表明,该两层框架是可行的、有效的,且易于实现。     

非结构对等网络中一种有效的资源搜索策略

针对非结构化对等网络中资源搜索算法效率不高、搜索过程中产生的冗余消息数过大而造成的网络带宽消耗及网络拥塞等状况,提出一种基于路由搜索机制的改进算法.该算法利用邻节点之间的关系,生成邻节点的转发路由表.实验证明,该算法有效抑制了网络中冗余搜索消息数量,减小了网络带宽的消耗,有效避开了搭便车节点,从而提高了搜索效率.     

结合IP组播的P2P流媒体直播系统

在流媒体系统中利用P2P技术与IP组播各自的优势,提出了一种结合IP组播的P2P流媒体直播系统,不仅能够充分利用用户节点的资源,减轻流媒体服务器与骨干网的负载,提高系统的可扩展性和可用性,而且有效地提高了P2P流媒体直播系统中视频流的服务质量。     

基于迭代训练和集成学习的图像分类方法

针对卷积神经网络提取特征信息不完整导致图像分类方法分类精度不高等问题,利用深度学习的方法搭建卷积神经网络模型框架,提出一种基于迭代训练和集成学习的图像分类方法。利用数据增强对图像数据集进行预处理操作,在提取图像特征时,采用一种迭代训练卷积神经网络的方式,得到充分有效的图像特征,在训练分类器时,采用机器学习中集成学习的思想。分别在特征提取后训练分类器,根据各分类器贡献的大小,赋予它们不同的权重值,取得比单个分类器更好的性能,提高图像分类的精度。该方法在Stanford Dogs、UEC FOOD-100和CIFAR-100数据集上的实验结果表明了其较好的分类性能。     

Sporadic decentralized resource maintenance for P2P distributed storage networks

In this paper, we propose a novel decentralized resource maintenance strategy for peer-to-peer (P2P) distributed storage networks. Our strategy relies on the Wuala overlay network architecture, (The WUALA Project). While the latter is based, for the resource distribution among peers, on the use of erasure codes, e.g., Reed–Solomon codes, here we investigate the system behavior when a simple randomized network coding strategy is applied. We propose to replace the Wuala regular and centralized strategy for resource maintenance with a decentralized strategy, where users regenerate new fragments sporadically, namely every time a resource is retrieved. Both strategies are analyzed, analytically and through simulations, in the presence of either erasure and network coding. It will be shown that the novel sporadic maintenance strategy, when used with randomized network coding, leads to a fully decentralized solution with management complexity much lower than common centralized solutions.     

P2P流媒体直播系统中的合作节点选择策略

合作节点选择是P2P流媒体直播系统中的核心问题之一。针对此问题进行深入分析,提出了一种基于服务能力的启发式合作节点选择策略,根据节点的服务能力对其在系统中的位置进行自适应调整,使得节点最终形成层状结构,且服务能力越高的节点位于越高层。仿真结果表明,与随机选择策略相比,该策略能够显著降低系统传输延迟。     

集成随机森林的分类模型

与集成学习相比,针对单个分类器不能获得相对较高而稳定的准确率的问题,提出一种分类模型.该模型可集成多个随机森林,并以带阈值的多数投票法作为结合方法;模型实现主要分为建立集成分类模型、实例初步预测和结合分析三个层次.MapReduce编程方式实现的分类模型以P2P流量识别为例,分别与单个随机森林和集成其他算法进行对比,实验表明提出模型能获得更好的P2P流量识别综合分类性能,该模型也为二类型分类提供了一种可行的参考方法.     

基于SVM的fMRI数据分类及MCI诊断应用

为了有效提高轻度认知障碍(mild cognitive impairment,MCI)的早期诊断效果,提出了基于SVM的fMRI数据分类方法,并构建分类准确率更高的集成分类器.传统的MCI诊断过程,检验周期长、主观误差较大,为此,利用数据挖掘技术,采用SVM数据分类方法,通过提取单个体素的分类特征,对fMRI图像作分类,并分析分类准确率较高的体素分布区域.通过加权平均的方法,构建集成分类器,更好地辅助临床诊断.