基于人工免疫的入侵检测系统负选择并行算法

基于人工免疫的入侵检测技术是网络安全的一个新兴研究领。运用人体免疫系统的出色功能,对负选择算法进行并行化设计,根据程序并行性的条件将串行的负选择算法中的任务进行划分,由多个处理机并行求解子任务,并将子解合并获得问题的解。分析表明,基于人工免疫的入侵检测系统负选择并行算法获得线性加速。     

基于聚类的敏感属性l-多样性匿名化算法

提出了基于聚类的敏感属性l-多样性匿名化算法,该算法生成的每个聚类至少有l个不同的敏感属性值,每个聚类的大小介于l和2l-1之间,以达到最优划分并提高教据的安全性.同时,该算法生成聚类候选记录集以减少不必要的计算和比较,生成聚类时总是选择与聚类质心信息损失最小的记录,提高了算法效率并减少信息的损失.实验结果表明,该算法是高效的,且生成的匿名数据集具有较高的可用性.     

基于P2P网络的可验证门限群签名方案

对所有的计算机系统而言,安全都是一个非常关键的问题,P2P对等网络系统也不例外.门限签名是一类重要的数字签名,目前常见的门限群签名方案最大的弱点是当恶意成员不小于门限时,能以高概率获取系统秘密,并由此伪造签名.提出一种基于P2P网络的可验证门限群签名方案,该方案的安全性基于求离散对数和RSA大整数因式分解,群内成员合谋无法获得系统秘密参数,从而可以抵制合谋攻击.     

无监督异常检测的核聚类和序列分析方法

利用核函数构造数据的特征空间并在此空间采用核函数结合RA算法选取初始聚类中心,在核k-means聚类基础上,划分出大簇小簇,然后在大簇中进行异类分离以发现实验数据中以小概率事件出现的R2L,U2R和PROBE攻击;并且在大簇中挖掘闭合序列模式,获得描述大簇的序列规则,从中判断是否存在DoS攻击.算法分析和实验结果表明提出的方法可以获得较高的检测率并降低误报率.     

基于神经网络的软件模块风险性预测模型

采用学习矢量量化神经网络对软件质量进行预测,提出基于学习矢量量化神经网络的软件模块风险性预测模型,与BP神经网络预测模型相比,实验结果表明提出的模型获得更精确的预测效果。     

移动P2P网络位置信息辅助的先应式搜索机制

给出一种移动P2P 网络中的自适应搜索机制。该机制依据节点命中查询的历史信息动态地计算相应的节点存储文件流行程度,并根据文件流行程度先应地发布文件元数据信息,利用返回最多的响应节点或者流行节点的位置信息作为查询转发的指导以减少查询消息。实验结果表明,该机制具有较高搜索成功率和较短的响应时间,能够提高搜索性能。     

Er3+掺杂量对TiO2:Er粉体上转换发光性能的影响

通过溶胶-凝胶法制备了Er³⁺离子掺杂的TiO₂纳米粉体。通过X射线衍射、荧光检测对制备的纳米晶微结构、发光性能进行了表征。结果表明：纳米晶微结构及粒径随掺杂量呈规律性变化，掺杂稀土离子可抑制其相变。在980nm红外激光泵浦下，其发射峰分别位于527nm、548nm、660nm处，通过改变Er³⁺掺杂量，获得绿红强度比最高为29.3,最低为0.7,实现了单一掺杂改变发光颜色的调控。借助交叉弛豫与浓度猝灭理论，解释了其发光性能的规律性变化，并分析了其上转换机制。     

高错误率长序列基因组数据敏感序列识别并行算法

为解决现有算法难以有效识别高错误率长序列基因组数据中敏感序列的问题，提出一种CPU和GPU协同计算识别的并行算法CGPU-F3SR。该算法通过将基因组数据中的长序列分割为多条短序列，引入布隆过滤机制，以免对分割短序列重复计算；采用k-mer编码策略并行地提取所有短序列中的错误信息，并提出改进的序列相似度计算模型，以提高识别准确率；采取CPU和GPU协同并行加速短序列相似度计算，以提升识别效率；进而高效、准确地识别出高错误率长序列基因组数据中的2类敏感序列——短串联重复序列和疾病相关序列。在长度为100～400kbp的长序列基因组数据中敏感序列识别的实验结果表明，与其他同类并行算法相比，所提CPU/GPU并行算法CGPU-F3SR识别准确率和查准率分别平均提升7.77%和43.07%，假阳性率平均降低7.41%，识别吞吐量平均提高2.44倍。     

花青素染料敏化太阳能电池的制备与性能

采用两种晶相TiO₂光阳极、蓝莓花青素染料、I-/I3-电解质溶液、复合碳层对电极制备了染料敏化太阳能电池。通过XRD、SEM分析了TiO₂纳米颗粒的微结构与形貌，以模拟太阳光和电化学工作站检测了电池的光电性能，结果发现，太阳能电池性能差异较大，金红石相光阳极电池的光电转换率为锐钛矿相光阳极电池的三倍多，结合TiO₂纳米颗粒形貌及电池的EIS分析了原因。     

融合关键反应段特征信息的代谢路径排序方法

针对现有代谢路径预测算法仅以单一代谢反应为特征进行路径排序，难以得到高质量路径预测结果的问题，本文引入代谢路径关键反应段的概念，用以捕捉和度量代谢路径的结构功能特征，为充分利用路径的结构功能特征信息，提出一种融合代谢路径关键反应段的信息熵与互信息对代谢路径进行评分和排序的模型，在此基础上设计一种融合关键反应段特征信息的代谢路径排序方法KPRank.在KEGG代谢数据库上的实验结果表明，本文方法KPRank有效提高了代谢路径预测结果的质量.