【摘 要】
：
网络数据与日俱增,传统中心化平台管理模式导致海量数据的存储与数据分发产生高昂的成本;而且收集的数据在分发过程中容易受到恶意窃取,造成私密信息泄露.针对当前数据共享中急需解决的细粒度访问控制和溯源难题提出了一种结合区块链和属性基的可信数据分发机制.通过建立信任模型,基于信任的P2P分发平台提出一种基于属性基加密的细粒度访问控制机制,允许数据拥有者依照各自不同的目的和需求制定更合理的个性化数据访问策略,避免未授权实体不合法的数据访问.最后,针对区块链不适宜存储大量数据的问题,采取链下存储的模式,配合链上的智能
【机 构】
：
中国电子科技集团公司航天信息应用技术重点实验室,桂林电子科技大学广西密码学与信息安全重点实验室
【基金项目】
：
国家自然科学基金项目(61661015,61967005)资助,广西创新驱动发展重大专项项目(AA17202024)资助,广西密码学与信息安全重点实验室基金项目(GCIS201701)资助,中国电子科技集团航天信息应用技术重点实验(SXX18629X015)资助,南宁市科学研究与技术开发计划项目(20201075)资助。
论文部分内容阅读
网络数据与日俱增,传统中心化平台管理模式导致海量数据的存储与数据分发产生高昂的成本;而且收集的数据在分发过程中容易受到恶意窃取,造成私密信息泄露.针对当前数据共享中急需解决的细粒度访问控制和溯源难题提出了一种结合区块链和属性基的可信数据分发机制.通过建立信任模型,基于信任的P2P分发平台提出一种基于属性基加密的细粒度访问控制机制,允许数据拥有者依照各自不同的目的和需求制定更合理的个性化数据访问策略,避免未授权实体不合法的数据访问.最后,针对区块链不适宜存储大量数据的问题,采取链下存储的模式,配合链上的智能
其他文献
渗出液是糖尿病视网膜病变(Diabetic Retinopathy,DR)早期出现的特征之一,也是判断糖尿病视网膜病变严重性的重要指标.由于渗出液在亮度特征上与视盘具有很大的相似性,渗出液的分割通常需去除视盘的干扰.为了加强图像的细微特征,本文提出了一种新的图像增强方法预处理方法,使得渗出液比视盘具有更高的对比度.深度U-net在训练样本较少且对稀疏性目标分割时具有较好的效果.本文在U-net结构
社交网络的关键节点识别是网络数据挖掘的基本研究问题,根据用户角色辨识网络的关键用户对提升网络拓扑结构的稳定性具有重要意义.针对有向社交网络的节点重要度分析和用户角色识别,本文考虑网络的拓扑结构、节点的属性和节点之间的相互影响,提出新度量—拓扑势距离TPD,挖掘网络中的关键节点;提出一种基于二维有向拓扑势的用户角色识别模型,根据节点的有向拓扑势和局部影响力划分4类用户角色.以3个真实有向社交网络为例,剖析用户角色识别结果,分析拓扑势距离与7项常用的节点重要度指标(中心性指标、PageRank等)间的相关性,
通过把大量信息按照各自特点进行分块,简化庞大信息和数据的规模,粒计算为处理大数据提供了一种有效的方法.决策形式背景通过对象集和属性集以及他们之间的关系定义算子,从而
针对实际应用中用户在真实路网上进行移动服务(如出租车,救护车,外卖等)的查询需求,提出反向时间依赖路网上移动对象的k近邻查询问题.在分析现有查询算法的不足后,建立了反向时间依赖路网和基于标记点的最短路径树.并在此基础上,给出了一种针对反向时间依赖路网上移动对象的k近邻查询算法TDSPT-k NN.通过采用基于最短路径树的启发式函数等剪枝策略,进一步提升查询效率.最后,通过仿真实验对TDSPT-k NN算法和已有算法在多种情况下的对比分析,结果表明相比现有算法,TDSPT-k NN算法查询效率平均提升65.
作为检测数据集中不一致数据的方法,函数依赖受到了广泛的关注.近年来,硬约束、等值约束、编辑规则、差分约束等被相继提出,用于发现更多的不一致数据.然而,这些约束规则仅适
针对带有执行器故障、传感器故障、过程故障的运动控制系统,本文建立了基于时频特征结合的多故障分类模型.该模型包含3个模块,首先根据电机正常运行数据样本建立故障检测模块
随着群智感知技术的广泛应用,用户参与度成为影响群智感知技术发展的关键问题,提出一种基于Tangle网络的群智感知用户可信激励方法.首先,基于Tangle网络构建群智感知网络模型,通过去中心化的Tangle网络来克服群智感知平台面临可信第三方参与的安全隐患,制定Tangle网络的可信度标准.然后,通过可信度来衡量用户权重,借此来评估交易的可信性,将感知任务分配给更可信的用户.最后,对用户上传的感知数
K-Means聚类算法是data mining领域中最常用的算法之一.在进行海量数据分析时,K-Means均值聚类的计算时间与其要处理的计算量成正比.因此,数据量越大计算开销也越长.为了提升算法的运算性能,本文设计了一种基于CUDA模型的多级并行的K-Means算法优化方法.将K-Means串行算法并行化,并对并行计算部分进行包括线程块级,线程级,指令级,比特级在内的多级性能优化.首先,在计算样本点与聚类中心距离的核函数中,采用矩阵乘的思想对主要步骤进行并行处理,初步提升算法性能;然后,对核函数的线程块,
模型剪枝是深度学习领域对模型进行压缩加速的一种有效方法.目前结构化的剪枝方法仅对整个过滤器的权重进行评估,但当一个过滤器被移除后,依赖过滤器而存在的关联权重也会被
已有多种技术和方法用于Android恶意应用的检测,但关于应用行为形式化描述的研究仍有待完善.本文基于π演算提出一种使用进程代数从组件层次描述Android应用及组件行为的形式化描述方法.首先给出组件行为的基本语义和组件行为的定义,并给出了组件行为相应的演化规则,然后给出了组件交互行为的形式化描述,并应用于一个案例表明了方法的正确性和有效性,最后给出了基于模拟机制的行为判定规则,为应用行为的分析和判定提供有效支持.