传感器网络中的安全性和保密性

为了缓解传感器网络在安全性和保密性方面的困境,对传感器节点、窃听、监测数据、拒绝服务攻击等易被攻击环节的安全性问题进行了探讨,并从硬件和软件两个方面,提出了改进协议、数据加密、访问控制、多路发送、分布式询问等多种抵御攻击的办法。     

基于业务规则的工作流管理系统模型

ECA规则通过条件与处理集中定义业务流程中活动与活动间的转换关系,并通过事件驱动机制驱动业务流程中相应业务逻辑实现,在一定程度上增加了系统代码的可维护性,但是并没有改变业务逻辑发生变化时需要修改系统代码以维护系统的现状.业务规则可准确描述业务流程中所有业务逻辑,建立与业务流程事件无关的运行机制,更加直接明确地反映业务需求,适应业务需求变化,而无需修改系统代码,基于此建立基于业务规则的工作流管理系统模型.     

基于传感器网络的K-均值聚类算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出了一种基于传感器网络的分布式K一均值聚类算法,首先由中心点下发k个质心的初始值,各个节点将数据对象赋于质心距离最近的簇,并将簇的信息通过传感器网络逐层上传合并;然后中心点计算k个簇中对象的平均值,再下发,反复迭代,直到各个簇满足误差准则,得到最后的聚类结果.实验证明,该算法准确率较高,计算时间较短.     

基于MPLS的区分服务（DiffServ）网络研究

章介绍了区分服务（DiffServ)和多协议标签技术（MPLS）的概念，并运用网络仿真工具（NS2）证明了其有效性，实验表明：在结合MPLS的区分服务网络上，能解决因为链接失败引起的问题，且能快速地寻找到新路由。     

结合递增式学习的CART算法改进

阐述了基于gini系数的决策树构造算法--CART算法.为了使算法能处理递增的数据,引入递增式学习方法,提出了一种改进算法.递增式学习的主要思想是测试函数提升.首先使用己有的数据用CART算法生成一棵决策树,然后使用递增的数据和递增式学习的方法来修改己有的决策树.最后从理论和实践两方面证明了改进算法的正确性和有效性.     

基于传感器网络的关联规则挖掘算法研究

现有的传感器网络数据处理系统只能向用户提供简单的查询操作,如何高效地处理传感器网络的海量数据流,从中获取有用的知识成为新的挑战.提出一种基于传感器网络特性的分布式关联规则挖掘算法,采用树型通信结构,各个传感器通过改进的单一数据流频繁项集挖掘算法找出本地的局部频繁项集,并逐层上传、合并,最后由sink节点将所有子节点的局部频繁项集合并成全局的频繁项集,并产生相应的关联规则.实验证明该算法占用较少的计算时间和内存.     

交叉树:一种用于安全协议分析的数据结构

提出用一种特殊的数据结构交叉树来描述安全协议中的消息。交叉树有一些交叉结点，拥有交叉结点的几棵交叉树形成交叉森林。一棵交叉树唯一对应于一个消息，一个交叉森林表示那些在协议执行过程中采用相同机制发送或接收的消息。一个或几个消息中相同的原子消息在交叉树或交叉森林中用交叉结点来表示，这样易于保证原子消息的一致性，以及公钥和它所有者之间的一致性。另外，交叉树还可用于为消息模板建立可接受消息，这时于建立在模型检验基础上的安全协议分析是非常必要的。