基于边缘计算的物联网数据安全处理模型

为提升现有物联网数据处理的安全性,设计基于边缘计算的物联网数据安全处理模型.构建基于边缘计算的物联网应用模型,在此模型中先后采用物联网数据消冗方法和差分隐私保护算法,去除重复的数据获取质量较好的数据后,对物联网数据进行隐私保护,实现基于边缘计算的物联网数据安全处理.经过测试,所构建模型的隐私保护预算值为0.6、决策树深...     

大数据环境下基于反馈的敏感数据识别方法研究与实现

随着大数据时代的到来,敏感数据的保护成为运营商面临的重大挑战。敏感数据的准确标识是进行数据保护的前提,深度报文检测技术能够松耦合、实时的对流量进行检测和标识,使其成为当下大数据平台下敏感数据标识的一种重要方式。然而其高存储高计算的资源需求成为制约其应用和发展的痛点。本文提出了一种基于反馈的高速敏感数据识别方法,通过建立会话表的方式,实时记录识别的状态,大幅降低需要深度检测的数据量,提升了检测的效率。     

基于梯度提升决策树的气体传感阵列识别方法

针对主元统计方法、基于人工神经网络理论模式识别方法受气体传感阵列交叉敏感特性影响,无法预处理敏感数据,导致识别精度较低的问题,提出基于梯度提升决策树的气体传感阵列识别方法。通过分析气态成分,借助scale函数构造归一化模型,标准化预处理敏感数据,缩小敏感数据与其他数据的差异。采用梯度提升决策树建立高精度的识别模型,修正负梯度误差,并结合SVM-predict识别程序识别六组气体。实验结果表明,该方法在识别气体时,最大误差为0.7μL/L,具有识别精准度高的优势。     

面向工业物联网的敏感数据流动态挖掘系统设计

基于工业物联网敏感数据流高维、多变导致挖掘结果不理想的问题,设计面向工业物联网的敏感数据流动态挖掘系统。通过计算敏感数据间距离,使用数据流挖掘引擎,设计数据流动态管理机构,构建敏感数据流特征响应函数,聚类分析敏感数据流动态挖掘特征。通过CAN-tree子树剪枝操作,实现敏感数据流的动态挖掘。实验结果表明,该系统聚类程度与理想效果基本一致,且挖掘数据量与实际数据存在最大为4 bit的误差,说明使用该系统挖掘效果较好。     

云存储中隐私保护的线性同态加密方案

云存储数据具有访问方便、可靠性高及可测量等优势,然而也存在一些安全风险,如敏感数据泄露、未授权访问及数据完整性等。针对敏感数据泄露问题,本文提出了一基于整多项式环上差错学习（R-LWE）问题的有效线性同态加密方案（LHES）,该方案可对要上传云端的数据进行加密并以密文形式分布式存储,其安全性是基于R-LWE问题的困难性。分析表明,该方案在效率上较基于LWE的加法同态加密方案有很大改进,并且在标准模型下是选择明文攻击安全的。最后,给出了本文方案在云存储隐私保护中的应用架构。      

基于数据脱敏技术的电子病历隐私保护应用与研究

随着大数据、人工智能、云计算等现代信息技术在医疗健康领域的广泛应用,医疗信息化、智慧化进程进一步加快,促成海量医疗大数据中蕴藏的巨大价值在不断被挖掘的同时,敏感数据泄露风险剧增。因此,在数据采集、传输、共享过程中如何实现对敏感数据的精确定位和彻底脱敏,强化敏感及隐私信息保护,已成为当下数据管理者极为关注和亟待解决的关键问题。文章以数据脱敏原理、算法、策略,数据脱敏系统的流程、架构及系统实现的功能进行全面的分析研究,提出一种基于数据脱敏技术的电子病历脱敏系统,实现对隐私数据的可靠保护,构筑医疗数据防控屏障,从而保障医疗数据安全。     

基于物联网技术在社区医疗中的应用

为了实现日常生活情况下能持续不断、舒适便捷地测量人体的常规项目,目前业界对面向社区家庭医疗保健的物联网应用给予了极大的关注。医疗物联网的应用向普通家庭提供一种有效的模式。本文就物联网在社区医疗中主要技术及技术应用的重点领域进行浅谈。     

面向数字图书馆用户隐私保护的匿名发布方法

针对数字图书馆用户隐私保护问题,提出了一种基于图聚类匿名发布的敏感数据保护方法。该方法将数字图书馆用户数据建模为属性图,利用结构相似性和属性相似性对属性图中节点进行聚类,并将类簇中的节点信息进行匿名化处理,实现了用户数据的匿名化保护。实验结果表明,该方法在实现用户数据匿名保护的同时,有效减少了信息损失,提高了计算效率。     

基于物联网技术在社区医疗中的应甩

为了实现日常生活情况下能持续不断、舒适便捷地测量人体的常规项目，目前业界对面向社区家庭医疗保健的物联网应用给予了极大的关注。医疗物联网的应用向普通家庭提供一种有效的模式。本文就物联网在社区医疗中主要技术及技术应用的重点领域进行浅谈。     

融合联邦学习和剪枝神经网络分布式物联网安全方法研究

针对传统物联网安全检测模型准确率不高且计算复杂度较高的问题,提出融合联邦学习和剪枝神经网络的分布式物联网安全方法。该方法在构建局部模型的基础上采用联邦学习框架构建全局模型神经元,采用剪枝方法优化全局模型神经元,以参数微调的方式构建轻量级深度学习模型。通过仿真验证了该方法对物联网恶意节点检测方面具有较好的效果及较高的安全性,可以保障物联网系统安全可靠运行。     

无线传感器网络中敏感数据分布密度控制方法研究

为了解决传统基于参数可变遗传方法对无线传感网络敏感数据分布密度控制不健全,导致敏感数据分布密度失衡,且能量消耗过高的问题。提出基于改进差分蜂群算法的无线传感器网络节点分布密度控制方法,其综合考虑节点信息感知和信息传递的能耗,对圆形区域和带状区域的节点能耗进行分析,从理论上分别给出适用于这两种场景的节点非均匀分布方法,在此基础上采用改进差分蜂群算法,通过以网络覆盖率为目标函数对覆盖区域的节点进行分布密度优化控制,实现节点中敏感数据分布密度的均衡控制。实验结果说明,所提方法可实现节点中敏感数据分布密度的均衡控制,降低能量消耗。     

网络环境中远程医疗保健服务分布式安全模型

提出了一种用于中远程医疗服务的分布式安全模型,该模型包括用于医疗大数据管理和处理的安全网络.在模型中,安全网络与物联网相结合,可在无任何资源限制的情况下正常运行,适应面向安全的网络特性.使用双重加密的高级加密标准和用于提供用户匿名性的环签名技术进行建模.将基于认证、机密性、隐私性、完整性等安全因素对获得的结果进行检验....     

基于物联网的智能医护系统的设计与实现

本文设计了一种基于物联网的智能医护系统总体方案,搭建了硬件平台并设计实现了各软件模块。测试结果表明,该智能医护系统完全满足设计要求,功能包括对各个医疗节点的信息采集、指令控制以及将关键数据用3G通信网络发送至指定手机,可以用于创建中小型社区诊所内的自助型医疗监护网络。     

基于数据特征的敏感数据识别方法

近年来,随着电信运营商业务的快速发展,其业务系统所管理的数据种类也越来越多,其中不乏高价值的敏感数据,例如客户隐私信息、通信记录、缴费充值信息等。这些敏感数据在产生、存储、使用、传输以及销毁等各个环节中都存在着极高的安全风险。文章通过对敏感数据流转的生命周期进行分析,结合数据特征技术,建立一套完整的敏感数据识别体系,从而加强对敏感数据的管控力度,降低敏感数据泄露的风险。     

基于物联网的医疗大数据信息安全集中存储

传统的医疗信息存储方法存在数据处理速率偏低问题，提出一种医疗大数据信息安全集中存储方法。通过物联网设计数据集存储模型，将Veritas Backup Exec作为数据恢复与备份软件，依托物联网实现数据恢复与备份；采用密文存储算法进行密文索引向量加密存储，构建物联网中间件的医疗数据中心；通过多个主机对存储设备进行共享，实现可靠性极高的备份。结果表明，该方法的数据下载与上传速率较高，并且数据服务响应较快。     

基于AES算法的网络信息数据加密传输方法设计

研究针对智慧社区门户的财产安全敏感数据问题,引入AES算法对敏感数据进行加密,设计了数据加密传输方案,介绍了密钥扩展、数据加解密优化算法,分析了网络信息数据加密传输方法流程及数据加密的实现,通过实验结果显示,该方法具有较高的执行效率,占用存储空间小,能够提升网络信息数据的安全性.     

基于大型物联网技术的电商仓库检测

针对当前检测电商仓库容量或流量精度不高的问题,在大型物联网环境下设计基于决策树主成分分析的电商仓库检测方法。首先基于电子标签技术构建电商仓库存储系统的物联网构架模型,采用超高频射频识别技术追踪电商仓库系统的物流流量,并提取信息特征;在C4.5决策树模型下,分析仓库物流信息特征主成分,实现对电商仓库吞吐量和容量的准确检测和预估;最后通过实验进行性能测试。实验结果表明,采用该方法对仓库的吞吐量预测和物资收发数据实时检测的精度较高,提高了电商仓库的物资收发效率。     

基于物联网的汽车智能测距系统的设计与实现

基于物联网进行汽车智能测距,可以实现汽车车距的准确控制,对汽车安全设计和智能防撞控制具有重要意义。传统的汽车测距系统设计方法采用多处理器接口测距方法,随着物联网中汽车节点数据增加而测距效果不好。提出基于传感节点数据融合和分布式程序控制的汽车智能测距系统设计方法。首先构建汽车智能测距系统设计的总体模型,给出基于宽带自模糊度特征提取的车辆测距算法。基于物联网的汽车智能测距系统包括了超声波雷达信号的声学基阵、测距雷达信号收发转换和功率放大器以及模拟信号预处理机这三大部分。系统具有测距数据的测量、智能测距的回波模拟、多车道数据记录分析、上位机通信、多通道可编程信号处理等功能。采用TI5000系列DSP进行测距核心编程,实现系统硬件模块设计和软件编程设计。实验结果表明,采用该系统,具有较好的测距精度,稳定性和可靠性较好。     

人工神经网络非线性背景下物联网技术社区时序预测的应用研究

社区时序数据建模是世界各国的学者研究的新型热点课题,人工神经网络环境下复杂非线性物联网技术社区时序数据系统得到了海量实践的应用。本课题对非线性物联网技术社区时序数据预测神经网络中存在的几个瓶颈进行分析探讨,基于提出人工神经网络非线性视角下物联网技术社区时序数据预测中的应用研究来优化预测神经网络环境下中的瓶颈。因此,通过人工神经网络社区数据的仿真实验表明该算法的高效性和实用性。     

云环境下物联网数据安全去重技术研究

随着网络技术和信息技术的飞速发展,物联网(Ineternet of things,IoT)的概念一被提出便受到人们的广泛关注。由于物联网终端运算能力存在瓶颈,物联网终端用户必须依托云平台对私有数据进行存储和处理,因此云平台对用户数据拥有绝对的控制权,这会对数据中隐私信息(如身份证号、医疗记录等)的完整性和机密性造成极大的威胁。保护用户数据最直观方法是在数据被外包存储在云平台之前对数据进行加密,但是这种方法给后续的数据可用性(如,数据检索和数据去重)带来困难。因此,在保护数据隐私的同时,不得不面临一个尖锐的矛盾,即在保护数据中敏感信息的同时确保数据在后续数据处理过程中的可用性。本文针对云环境下物联网数据外包时所面临安全威胁,研究如何构建物联网数据安全存储和处理技术。