基于密度权重的优化差分隐私K-medoids聚类算法

K-medoids算法作为数据挖掘中重要的一种聚类算法,与差分隐私保护的结合有助于信息数据的安全,原有的基于差分隐私保护的K-medoids聚类算法在初始中心点的选择上仍然具有盲目性和随机性,在一定程度上降低了聚类效果。本文针对这一问题提出一种基于密度权重的优化差分隐私K-medoids(DWDPK-medoids)聚类算法,通过引入数据密度权重知识,确定算法的初始中心点和聚类数,以提高聚类效果和稳定性。安全性分析表明,算法满足ε-差分隐私保护;通过对UCI真实数据集的仿真实验表明,相同隐私预算下该算法比DPK-medoids具有更好的聚类效果和稳定性。     

移动云中支持健康数据共享的可追责大属性多授权CP-ABE方案

在移动医疗健康(mHealth)云中,为实现对个人健康信息(PHR)数据安全共享以及细粒度访问控制,本文提出了一种高效、安全的基于移动健康云的多权限大属性PHR访问控制方案。该方案在素数阶群上构造,支持密文在LSSS访问结构下加密并与属性相关联,与此同时,将权限泄露给未授权实体的恶意用户放入身份信息表中并精确追踪。在q-DPBDHE2假设下,该方案在随机预言模型中被证明具有静态安全性。仿真实验在Charm密码框架中实现,与其他方案相比,本文方案具有更好的性能优势以及更高的计算效率。     

Logistic-Sine映射与比特重组的图像加密算法

针对传统一维混沌映射结构方程简单的局限性,可以用少量的已知信息来加以预测混沌轨迹,以及参数值的安全性问题,本文介绍了一种由Logistic和Sine映射延伸推导得出的Logistic-Sine混沌映射,并结合比特重组的相关理论,提出了一种新的图像加密算法.该算法首先运用Logistic-Sine混沌映射迭代生成混沌序列...     

一种基于排序QR分解和Adaboost分类器的盲水印算法

本文提出了一种基于顺序QR分解和Adaboost分类器的智能水印算法。对顺序QR分解并提取R矩阵的对角线元素来构造样本特征向量并嵌入水印。在水印提取过程中,利用Adaboost分类器对待检测的样本向量进行分类。实验结果表明,本文提出的方法不仅能够抵抗诸如噪声、滤波和压缩的类噪声攻击,也可以抵抗类似裁剪和旋转的几何失真。     

一类图像载体与多混沌系统的动态音频加密算法

针对单一混沌系统在加密中有密钥空间小、安全性较低等问题,提出了图像载体与多混沌系统的动态音频加密算法。首先对明文音频进行分块以提升算法运行效率。通过初始密钥与明文音频特征值生成高级密钥,显著增加了密钥空间。设计多种混沌系统相结合的随机数发生器,并通过NIST sp800_22随机性测试来验证其随机性。将明文音频信息转移至特征矩阵P中得到音频图像,最后通过循环余数置乱算法与扩散得到加密音频图像与加密音频。仿真实验与性能测试表明：该加密算法密钥空间大、密钥敏感性强、加密音频能量分布均匀,具有较强的抗攻击性能、鲁棒性以及高效的加密效率。     

基于改进3D-Hénon混沌映射的音频加密算法研究

针对低维Hénon映射混沌在加密时存在混沌空间小、安全性低等问题,提出了改进的3D-Hénon混沌映射音频加密算法.首先通过对二维Hénon混沌映射进行升维与改进,得到改进的3D-Hénon混沌映射,并与离散化的超混沌系统结合,生成伪随机序列;通过NIST sp800_22测试检验序列随机性,将秘钥与明文音频互相关联,...     

云环境下支持多授权机构的医疗数据安全共享方案

在当前的云环境下,医疗数据存储的研究中存在着隐私信息外泄,机构之间数据共享效率较低等问题。因此,针对云环境下电子医疗数据的安全共享需求,提出了一种支持多属性机构的基于属性的密文策略加密方案,实现了加密医疗数据的细粒度访问控制。通过在加密阶段引入离线计算和在解密阶段引入外包计算,所提方案显著降低了加解密延时,提高了医疗数据访问控制的效率。安全性分析和性能分析表明所提方案满足可重放适应性选择密文攻击安全性,且在性能上优于已有的方案,提高了云环境下医疗数据共享的安全性和效率。