一种鲁棒性强的无线传感器网络位置隐私保护方案

传统无线传感器网络（WSNs）位置隐私保护方案难以解决安全性与网络能耗之间的均衡,为了提高网络隐私信息的安全性,提出一种鲁棒性强的无线传感器网络位置隐私保护方案.首先通过增加伪源节点和伪汇聚节点防止攻击者获得关键节点的位置信息;然后采用伪汇聚节点分组、概率丢弃冗余数据包降低网络资源消耗;最后在Matlab 2012平台下进行仿真对比实验.结果表明：该方案可以提高网络攻击事件检测率,降低网络时延,有效地保护源节点和汇聚节点的位置隐私.     

基于信息流动分析的动态社区发现方法

随着社交网络和微博等互联网应用的逐渐流行,其用户规模在迅速膨胀.在这些大规模网络中,社区发现可以为个性化服务推荐和产品推广提供重要依据.不同于传统的网络,这些新型网络的节点之间除了拓扑结构外,还进行频繁的信息交互.信息流动使得这些网络具有方向性和动态性等特征.传统的社区发现方法由于没有考虑到这些新的特征,并不适用于这些新型网络.在传染病动力学理论的基础上,从节点间信息流动的角度,提出一种动态社区发现方法.该方法通过对信息流动的分析来发现联系紧密、兴趣相近的节点集合,以实现动态的社区发现.在真实数据集上的实验结果表明：相对于传统的社区发现方法,所提出的方法能够更准确地发现社区,并且更能体现网络中社区的动态变化.     

认知无线电网络信道交汇研究综述

认知无线电技术被认为是解决目前频谱资源利用率低下问题最有前景的技术,基于该技术,认知无线电网络采用动态频谱接入方式有效地提高了授权频段的利用率.然而,动态变化的信道可用性极大地增加了认知无线电网络组网的难度.信道交汇旨在为用户通信提供公共传输媒介,是实现无线网络组网的基础.介绍了认知无线电网络信道交汇的基本概念和特点,并阐述了信道交汇策略设计面临的挑战以及应考虑的性能指标.提出了信道交汇策略的分类标准和系统模型,根据该分类标准,详细剖析了当前信道交汇策略相关的研究工作.最后,讨论了认知无线电网络信道交汇研究的开放性问题,以期为未来的研究指出可能的方向和重点.     

低速率拒绝服务攻击研究与进展综述

低速率拒绝服务攻击是新型的拒绝服务攻击,对Internet的安全造成严重的潜在威胁,引起众多研究者的兴趣和重视,成为网络安全领域的重要研究课题之一.自2003年以来,研究者先后刻画了Shrew攻击、降质攻击、脉冲拒绝服务攻击和分布式拒绝服务攻击等多种低速率拒绝服务攻击方式,并提出了相应的检测防范方法.从不同角度对这种新型攻击的基本机理和攻击方法进行了深入的研究;对TCP拥塞控制机制进行了安全性分析,探讨了引起安全问题的原因;对现有的各种各样的LDoS攻击防范和检测方案,从多个方面进行了分类总结和分析评价;最后总结了当前研究中出现的问题,并展望了未来研究发展的趋势,希望能为该领域的研究者提供一些有益的启示.     

Mechanical properties of epoxy networks based on DGEBA and aliphatic amines

The mechanical properties of epoxy networks based on diglycidyl ether of bisphenol A epoxy resin cured with various linear aliphatic amines, such as ethylenediamine, diethylenetriamine, triethylenetetramine, tetraethylenepentamine, and cyclic amines such as 1‐(2‐aminoethyl)piperazine and isophorone diamine, were studied. General characteristics such as T_g, density, and packing density, were determined and related to the structure and funcionality of the curing agent. Dynamic mechanical spectra were used to study both the α and β relaxations. Tensile and the flexural tests were used to determine the Young's and flexural modulus, and fracture strength all in the glassy state. Furthermore, linear elastic fracture mechanics was used to determine K_IC. As a rule, isophorone diamine network presented the higher tensile and flexure modulus while 1‐(2‐aminoethyl)piperazine gave the highest toughness properties. © 2007 Wiley Periodicals, Inc. J Appl Polym Sci 2007     

基于RBFNN的硫熏强度软测量建模

硫熏强度是亚法糖厂澄清工段非常重要的一个工艺指标,硫熏强度过低会影响澄清效果,过高会造成成品糖二氧化硫残留过高。由于目前尚缺乏合适的硫熏强度在线测试仪,人工化验滞后时间较长,难以根据该指标及时指导生产。为此,提出了一种基于糖厂澄清过程大量离/在线历史数据的硫熏强度软测量方法,分别建立基于径向基函数神经网络(RBFNN)、BP神经网络方法和广义动态模糊神经网络(GDFNN)的硫熏强度软测量模型。通过对模型的性能进行对比分析,说明了基于RBFNN硫熏强度软测量模型的优越性。     

基于NetFPGA的网络数据流量采集器

为解决基于软件的流量采集方法无法在高速网络环境下准确测量的问题,提出了一种基于NetFPGA的网络数据流量采集器,以达到实时在线的流量统计和采集功能。该系统采用模块化的架构设计,通过硬件实现功能的方式提高网络测量精度。实验结果表明,该系统能准确统计出网络中93%以上流量。     

基于ZigBee技术的医院供水管网水质监控系统

针对医院供水管网水质问题,设计了基于ZigBee无线传感器网络的水质实时监控系统。监控系统由末端的不同传感器采集水温、pH值、电导率水质参数,通过ZigBee无线网络传送给网关,网关实现ZigBee和TcP/IP协议间的转换后,将数据传送给监控中心进行存储、分析和处理,监控中心可发送命令控制整个网络。该方案不仅可以实现本地和远程水质实时监控,而且很容易应用于其他环境下的水质实时监控。     

Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network

Algorithms for numeric data classification have been applied for text classification. Usually the vector space model is used to represent text collections. The characteristics of this representation such as sparsity and high dimensionality sometimes impair the quality of general-purpose classifiers. Networks can be used to represent text collections, avoiding the high sparsity and allowing to model relationships among different objects that compose a text collection. Such network- based representations can improve the quality of the classification results. One of the simplest ways to represent textual collections by a network is through a bipartite heterogeneous network, which is composed of objects that represent the documents connected to objects that represent the terms. Heterogeneous bipartite networks do not require computation of similarities or relations among the objects and can be used to model any type of text collection. Due to the advantages of representing text collections through bipartite heterogeneous networks, in this article we present a text classifier which builds a classification model using the structure of a bipartite heterogeneous network. Such an algorithm, referred to as IMBHN （Inductive Model Based on Bipartite Heterogeneous Network）, induces a classification model assigning weights to objects that represent the terms for each class of the text collection. An empirical evaluation using a large amount of text collections from different domains shows that the proposed IMBHN algorithm produces significantly better results than k-NN, C4.5, SVM, and Naive Bayes algorithms.     

基于场景重构与报警聚合的网络取证分析技术

提出一种包含报警标准化、去冗余、场景重构和报警聚合的网络取证分析方法. 通过去除失败攻击的报警, 减少了对证据分析的干扰. 在场景重构中, 通过反向关联, 减少了不必要的证据, 同时通过对孤立报警的补充, 保证了证据链的完整性. 在报警聚合中, 提出了聚合同一攻击步骤的不同报警的方法, 以抽象层和具体层两个层次重构入侵场景. 最后通过实验验证了所提出方法的有效性.