移动自组网中基于内容的发布／订阅路由协议

移动AdHoc网络下的分布式应用开发面临较大挑战,因此引入基于内容的发布,订阅中间件具有重要意义。该文提出一种新的基于内容的路由协议。通过建立优化的动态组播格网,根据内容匹配的结果,只向匹配的订阅节点传播事件,而限制不必要的事件传播。实验结果表明,该协议能够较大地改善网络总代价,节省网络带宽,提高系统的扩展性和性能。     

基于传感器数据的配电网设备能效评估

在深入分析配电网设备上加装的各类传感器装置中数据获取情况的基础之上,综合考虑设备的能效影响因素,构建了基于传感器数据的配电网设备能效评估指标体系。根据每个指标在节能潜力、成本和难度方面对配电网设备能效的影响程度不同,构建了递阶层次结构模型,并采用层次分析法（ AHP）进行指标权值计算。根据定量指标易于量化的特征,构建了对标函数,完成了定量指标能效指数的计算。从而实现对配电网设备的能效评估。并以某实际的配电变压器算例验证了所提方法的实用性和有效性。     

内容中心网络数据污染的快速检测机制

内容中心网络通过路由器缓存内容来提高网络的整体性能.为防止被污染的数据在网络中扩散,路由器需要对进入网络的内容进行验证.原始的验证机制需要对内容的数字签名进行非对称密钥解密操作,导致内容验证速度不能满足高速路由器的需求.提出了基于着色的快速内容验证机制,以减少内容验证的计算复杂度,加快内容的检测速度.该机制通过对第1次进入网络的正确内容进行着色操作以保证其正确性.被着色的内容再次进入网络时,路由器可以通过着色信息来快速验证内容的正确性,从而提高路由器的检测速度.     

基于模糊层次分析法的社交编程网站开发者评估方法

社交编程网站Github是一种较为流行的分布式版本控制系统,近年来得到了快速的发展,而Github中没有对开发者能力构建度量模型,使得如何从众多开发者中选择合适的开发者加入到核心开发者之中成为一个有待解决的问题。为处理此问题,通过构建开发者度量模型,对开发者能力具体量化,同时使用模糊层次分析法对开发者度量模型进行评估,根据量化评估值选择合适的开发者加入到核心开发者之中。通过一个实例分析说明该方法如何评估开发者并选择合适的开发者,从而为Github项目社区招募核心开发者提供支持。     

基于授权域的DRM密钥管理模型及其应用

针对现有基于授权域的数字版权保护方法中授权节点间不具备独立性的问题,降低了版权保护的灵活性,从而提出了一种基于授权域的密钥管理模型。该模型支持多设备授权并满足授权节点间独立性,即一台设备加入或离开授权域与其它域成员设备无关,提高了版权保护的灵活性。基于该密钥管理模型,提出了应用系统框架以及版权保护协议。进一步,提出了满足该模型的两种密钥管理方法,并分析比较其性能。通过对系统的性能分析,验证了该密钥管理模型的有效性。     

命名数据网络中面向移动用户的内容预取方法*

针对命名数据网络(Named Data Networking, NDN)移动性增强支持不足的问题,基于城区移动场景提出了一种基于移动预测的内容预取方法(Mobility-aware Prediction Approach for Content Prefetching, MAP-CP)及扩展方案(extended MAP-CP, eMAP-CP)。MAP-CP和eMAP-CP通过预测移动用户的下一接入点(Access Point, AP),预取在当前AP下因切换AP不能获取到的Data并缓存到所预测的下一AP相关联的NDN节点中,为切换AP后的移动用户就近服务,达到降低内容获取延迟和提高响应率的目的。eMAP-CP在MAP-CP的基础上,可预取切换AP过程中请求的Data,能够进一步提高性能。基于ndnSIM的仿真实验表明,和NDN本身相比,MAP-CP和eMAP-CP具有更低的平均内容获取延迟和更高的响应率,而且eMAP-CP更优。在移动速度为20m/s,发包速率为200pps时,MAP-CP和eMAP-CP的平均内容获取延迟可分别降低约4.0%和38.7%,响应率可分别提高约1.2%和4.9%。     

基于稀疏PCA的多阶次分数阶傅里叶变换域特征人脸识别

文章提出基于稀疏PCA的多阶次分数阶傅里叶变换(fractional Fourier features,Frft)特征的人脸识别(Multiple Order discrete fractional Fourier Features ,MOFF). 鉴于分数阶傅里叶变换对光照、表情的鲁棒性, 并已在图像处理领域得到应用,首先,Frft幅度随阶次的变换呈现压缩性,而SPCA提取其主要信息将且分为主要信息域和次要信息域,融合二者的互补信息组成混合幅度特征,然后融合混合幅度特征、实部特征和虚部特征,最后融合不同阶次下Frft域特征。此外该文提出基于贪婪算法的分数阶阶次选择算法和基于Fisherfaces的权重方法。ORL 和AR人脸数据库上的仿真证明了本算法的有效性。     

一种基于层次分析法的攻击树模型改进

针对传统攻击树模型在计算攻击事件发生概率时未考虑各安全属性权值的不足,设计了一种基于层次分析法的攻击树模型。在计算攻击事件发生概率时,首先给每个叶节点赋予不同安全属性;然后根据攻击者意图和系统特征比较各安全属性对攻击事件发生概率的影响程度,构造判断矩阵;最后对所得矩阵进行一致性检验,若符合要求,则将其特征向量进行归一化处理,即得各安全属性权值。实际应用表明,利用该方法计算所得出的攻击事件发生概率更贴近系统实际。     

内容中心网络中基于节点相似度的协作缓存算法

针对内容中心网络中ALWAYS缓存策略节点存储空间利用率低、内容访问时延大、整体网络缓存性能低下的问题,提出了一种依据节点相似度的协作缓存算法。该算法优先将兴趣包转发至最相似节点,增大相关请求的就近响应概率;同时保证在缓存决策中的同一副本在协作节点间不重复存储,在降低冗余的同时增加了缓存多样性。实验结果表明,与现有算法相比,该算法在减少路由跳数和请求时延的同时提高了缓存命中率。     

基于用户签到和地理属性的个性化位置推荐算法研究

针对基于LBSNs (Location-based Social Networks)的位置推荐算法考虑因素单一且不能有效解决用户位于不同城市的位置推荐的问题,综合考虑潜在的社交影响、内容匹配影响和地理属性影响等因素,提出了基于用户签到和地理属性的个性化位置推荐算法SCL (Social-Content-Location)。该算法在协同过滤的基础上,引入了用户兴趣特征比较,改进了用户的相似度计算;同时,在分析位置的内容信息时,融入用户评论,缓解了位置标签的短文本特性对LDA (Latent Dirichlet Allocation)主题提取的影响,提高了用户兴趣和城市偏好主题提取的准确率。实验结果表明,SCL算法在本地城市召回率上较协同过滤算法U提高近65%,较LCA-LDA算法提高近 30%;在异地城市召回率上,高于LCA-LDA算法近26%。这表明SCL算法在不同城市下的位置推荐具有一定的可行性。