混淆查询区域下的电网多维数据聚合查询方法研究

为了降低电网多维数据查询的缺失率，研究了混淆查询区域下的电网多维数据聚合查询方法。在用户兴趣生成混淆查询区域，从生成的查询轨迹数据中收集邻接近点信息，并与查询目标保持安全距离。计算实际电网用户密度与查询样本的混淆程度，以保护数据聚合时的用户隐私。在向量化处理关键字和数据对象后，完成关键字词的匹配查询，以控制数据查询的缺失率。在此基础上，构建了多维数据聚合查询的控制树，量化评估了多维数据，以减少多维点查询的响应用时，实现了高隐私行业的电网数据聚合查询。仿真结果证明：该方法在不同数据查询缺失率下的查询结果始终保持在35个类型；多维点查询的平均响应用时最短为38.2 s。该方法数据查询过程中需要的节点成本更低、查询性能更好。     

基于标签混淆的院前急救文本分类模型

针对院前急救文本专业词汇丰富、特征稀疏和标签混淆程度大等问题，提出一种基于标签混淆模型（LCM）的文本分类模型。首先，利用BERT获得动态词向量并充分挖掘专业词汇的语义信息；然后，通过融合双向长短期记忆（BiLSTM）网络、加权卷积和注意力机制生成文本表示向量，提高模型的特征提取能力；最后，采用LCM获取文本与标签间的语义联系、标签与标签间的依赖关系，从而解决标签混淆程度大的问题。在院前急救文本和公开新闻文本数据集THUCNews上进行实验，所提模型的F1值分别达到了93.46%和97.08%，相较于TextCNN(Text Convolutional Neural Network)、BiLSTM、BiLSTM-Attention等模型分别提升了0.95%～7.01%和0.38%～2.00%。实验结果表明，所提模型能够获取专业词汇的语义信息，更加精准地提取文本特征，并能有效解决标签混淆程度大的问题，同时具有一定的泛化能力。     

基于云服务器的公平多方隐私集合交集协议

隐私集合交集（PSI）是解决隐私信息共享的重要办法。针对现有的协议中参与方不能同时获取计算结果而导致的不公平性问题，提出一种基于云服务器的公平多方PSI协议。首先，利用哈希映射完成隐私信息的子份额在混淆布隆过滤器（GBF）中的存储；其次，为避免交互过程中各参与方集合元素索引值的泄露，协议结合不经意传输（OT）技术完成存储信息的份额置换；最后，通过云服务器进行逐位计算，并将结果同时返回各参与方，保证各参与方获取结果的公平性。协议的正确性和安全性分析表明，所提协议能够实现参与方获得交集结果的公平性，而且协议能够抵抗参与方与云服务器进行的合谋。性能分析表明，所提协议的计算复杂度和通信复杂度与参与方集合包含的元素总数无关；与多方隐私集合交集协议（MPSI）、实用多方恶意安全私有集合交集PSImple和隐私集合交集求和协议（PI-Sum）相比，在同等条件下，所提协议的存储开销、通信开销和运行时间更少。     

基于BiLSTM-CRF的中文分组单字错误识别方法研究

近十多年来，中文自动校对取得了许多重要进展，但是单字错别字识别精度和召回率低一直是该领域的一个重要问题。该文提出一种基于BiLSTM-CRF的神经网络模型和单字分组策略识别中文错别字的方法。首先，该文提出一种构建分组单字混淆集的方法，并根据采集的分组单字混淆集自动生成错别字识别训练语料，构造了一个含有13组的汉字单字错别字识别训练语料。其次，针对传统的错别字识别方法在单字错别字召回率较低的问题，该文对错别字识别训练语料中错别字采用多标签标记的策略。再次，针对训练样本存在的数据稀疏问题，该文对训练数据集中的人名、地名、时间和机构名称这四类词语进行抽象。最后，该文利用BiLSTM-CRF的模型在错别字识别训练语料上进行训练。实验结果表明，该文提出的单字错别字识别方法在13组单字上的平均识别精确率为87.30%,平均召回率为84.36%。     

基于堆叠算法的代码混淆有效性评估模型

为解决代码混淆算法有效性评估模型存在评价指标不全面、单一学习器泛化能力低的问题，提出一种融合自适应增强训练机制和Stacking算法的代码混淆算法有效性评估模型SDF-Stacking。构建一个包括强度、弹性、开销、隐蔽性4大特征的代码混淆有效性评价指标集合；在模型的基分类器训练阶段引入自适应增强训练机制，提高基分类器的预测精度和多样性；使用最大互信息算法做数据融合，增大元分类器训练数据信息量。实验结果表明，该模型在多个评价指标上均优于其它对比模型，准确率可达98.6%。