检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

室内定位系统中指纹库的优化方法

西安电子科技大学学报 2015年第6期42卷 81-87页

作者：马鑫迪马建峰高胜西安电子科技大学计算机学院陕西西安710071

指纹库的好坏直接影响到室内定位的定位精度,而现有的室内定位算法大都是建立在原始指纹库的基础之上的,缺乏对指纹库的优化处理.笔者利用k-means算法优化指纹库的构建过程,通过聚类的思想剔除已采集指纹库中的"噪点",从而为室内定位算... 详细信息

指纹库的好坏直接影响到室内定位的定位精度,而现有的室内定位算法大都是建立在原始指纹库的基础之上的,缺乏对指纹库的优化处理.笔者利用k-means算法优化指纹库的构建过程,通过聚类的思想剔除已采集指纹库中的"噪点",从而为室内定位算法提供较好的数据样本源.实验结果表明,与现有的室内定位系统相比,利用优化后的指纹库进行定位能够明显提高室内定位的精度.

关键词：智能终端 k-means方法指纹库优化去噪

在线全文

学校读者我要写书评

暂无评论

应用Q学习决策的最优攻击路径生成方法

西安电子科技大学学报 2021年第1期48卷 160-167页

作者：李腾曹世杰尹思薇魏大卫马鑫迪马建峰西安电子科技大学网络与信息安全学院陕西西安710071

论文主要研究的是基于Q-learning算法生成一种动态寻找最优攻击路径的方法,并且能够提高攻击方法的高效性与适应性。以Q-learning算法为基础,参考网络连通性,通过分区的手段,利用删除网络拓扑中不可达的路径的化简方法,并通过机器学习... 详细信息

论文主要研究的是基于Q-learning算法生成一种动态寻找最优攻击路径的方法,并且能够提高攻击方法的高效性与适应性。以Q-learning算法为基础,参考网络连通性,通过分区的手段,利用删除网络拓扑中不可达的路径的化简方法,并通过机器学习的方式模拟黑客攻击,将状态与动作结合,在不断地学习中能够提高自身的适应与决策能力,以达到高效生成最优攻击路径的目的。经过实验,所建立的模拟攻击者能够在存在IDS报警装置的环境里中获取到Q-learning方法中的状态-价值表,并且能够通过遍历Q表获取从源主机到目的主机的最优攻击路径序列,验证了模型和算法的有效性与准确性。同时,通过提前分区域分析主机可达性,删减了冗余节点,在大型的网络拓扑中具有很大的优势。

关键词：攻击图网络安全强化学习最优化算法 Q-learning

在线全文

学校读者我要写书评

暂无评论

轻量级位置感知推荐系统隐私保护框架

计算机学报 2017年第5期40卷 1017-1030页

作者：马鑫迪李辉马建峰习宁姜奇高胜卢笛西安电子科技大学计算机学院西安710071 西安电子科技大学网络与信息安全学院西安710071 中央财经大学信息学院北京102206

作为提供个性化位置服务的一种重要手段,高速、高效的位置感知推荐服务成为当前研究的热点.涉及多方参与的传统推荐流程存在着用户私密信息复制、盗取等安全威胁,给用户的隐私保护带来了新的挑战,尤其是当服务提供者将数据外包给第三方... 详细信息

作为提供个性化位置服务的一种重要手段,高速、高效的位置感知推荐服务成为当前研究的热点.涉及多方参与的传统推荐流程存在着用户私密信息复制、盗取等安全威胁,给用户的隐私保护带来了新的挑战,尤其是当服务提供者将数据外包给第三方云平台时,隐私泄露问题会更加凸显.然而,现有的解决方案均存在推荐质量低、响应速度慢的问题.为解决上述问题,提出了一种轻量级的位置感知推荐系统隐私保护框架.利用该框架,服务提供者将随机处理后的历史评价信息外包给云平台,并通过安全协议在云平台的辅助下进行相似度信息的安全计算;同时,推荐用户利用可比较加密将其感兴趣的位置区域进行加密并发送给云平台进行请求服务,并通过安全协议实现推荐结果的安全预测.最后,通过在真实数据集中进行仿真调试,结果表明该框架能够在保证用户隐私安全的前提下,准确、高效地为用户推荐位置点.同时,与同态加密方案相比,该方案更加高效,能够更快速地响应用户的请求.

关键词：推荐系统基于位置的服务位置隐私协同过滤位置感知

基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2022年第5期45卷 1052-1067页

作者：高胜陈秀华朱建明袁丽萍马鑫迪林晖中央财经大学信息学院北京100081 西安电子科技大学网络与信息安全学院西安710071 福建师范大学计算机与网络空间安全学院福州350117

群智感知中,任务发布者基于有限的任务预算招募合适的参与者来执行感知任务.但是,现有的相关工作依赖于可信第三方来执行参与者选择或者忽视了参与者位置隐私泄露问题.为了解决这些问题,本文提出一种基于区块链的群智感知中任务预算约... 详细信息

群智感知中,任务发布者基于有限的任务预算招募合适的参与者来执行感知任务.但是,现有的相关工作依赖于可信第三方来执行参与者选择或者忽视了参与者位置隐私泄露问题.为了解决这些问题,本文提出一种基于区块链的群智感知中任务预算约束的位置隐私保护参与者选择方法LPWS.通过保序加密和Merkle树来为参与者提供个性化的位置隐私保护,确保参与者将精确位置隐藏于隐匿区域.在有限的任务预算下,LPWS将参与者选择问题建模为目标优化问题,并基于动态规划来确定一组合适的参与者以增加高质量感知数据获取的可能性.此外,在保证数据隐私和奖惩公平性下,LPWS基于数据质量评估结果完成报酬支付和信誉更新,从而激励参与者尽可能地提供高质量数据.仿真实验表明,LPWS在参与者选择方面具有可行性与有效性,保证了安全公平的参与者选择以及数据质量评估.与相关工作对比,在有限的任务预算下,LPWS不仅取得了更好的质价比,而且在确保任务完成质量的同时提供了位置隐私保护和数据隐私保护.

关键词：群智感知区块链位置隐私参与者选择质量评估

面向Non-IID数据的拜占庭鲁棒联邦学习

在线全文

学校读者我要写书评

暂无评论

通信学报 2023年第6期44卷 138-153页

作者：马鑫迪李清华姜奇马卓高胜田有亮马建峰西安电子科技大学网络与信息安全学院陕西西安710071 中央财经大学信息学院北京100081 贵州大学计算机科学与技术学院贵州贵阳550025

面向数据分布特征为非独立同分布的联邦学习拜占庭节点恶意攻击问题进行研究,提出了一种隐私保护的鲁棒梯度聚合算法。该算法设计参考梯度用于识别模型训练中“质量较差”的共享梯度,并通过信誉度评估来降低数据分布异质对拜占庭节点识... 详细信息

面向数据分布特征为非独立同分布的联邦学习拜占庭节点恶意攻击问题进行研究,提出了一种隐私保护的鲁棒梯度聚合算法。该算法设计参考梯度用于识别模型训练中“质量较差”的共享梯度,并通过信誉度评估来降低数据分布异质对拜占庭节点识别的影响。同时,结合同态加密和随机噪声混淆技术来保护模型训练和拜占庭节点识别过程中的用户隐私。最后,在真实数据集中进行仿真测试,测试结果表明所提算法能够在保护用户隐私的条件下,准确、高效地识别拜占庭攻击节点,具有较好的收敛性和鲁棒性。

关键词：联邦学习拜占庭攻击非独立同分布隐私保护同态加密

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

一种基于区块链的隐私保护异步联邦学习

中国科学：信息科学 2021年第10期51卷 1755-1774页

作者：高胜袁丽萍朱建明马鑫迪章睿马建峰中央财经大学信息学院北京100081 西安电子科技大学网络与信息安全学院西安710071 中国科学院信息工程研究所北京100093

联邦学习能够在保障本地数据隐私前提下利用分布式数据和计算资源实现机器学习模型联合训练.现有异步联邦学习有效解决了同步联邦学习所存在的计算资源浪费、训练效率低等问题.然而,现有异步联邦学习通过聚合不同节点训练得到局部模型,... 详细信息

联邦学习能够在保障本地数据隐私前提下利用分布式数据和计算资源实现机器学习模型联合训练.现有异步联邦学习有效解决了同步联邦学习所存在的计算资源浪费、训练效率低等问题.然而,现有异步联邦学习通过聚合不同节点训练得到局部模型,并通过中心服务器完成全局模型更新,内生性地受制于中心化信用模式,存在单点失效、隐私泄露等问题.为此,提出了一种基于区块链的隐私保护异步联邦学习,通过上链局部模型并通过共识算法生成全局模型,保证异步联邦学习的可信性.为了保证联邦学习的隐私性,同时提高模型效用,提出利用差分隐私中的指数机制以高概率选择贡献度高的模型梯度,并分配较低的隐私预算以保证局部模型的隐私性.另一方面,针对异步联邦学习时钟不同步问题,提出了双因子调整机制进一步提高全局模型效用.最后,理论分析与实验结果表明所提出的方案能有效保证异步联邦学习的可信性和隐私性,同时提高了模型效用.

关键词：联邦学习区块链差分隐私模型效用异步训练

在线全文

学校读者我要写书评

暂无评论

面向车联网的抗设备捕获认证密钥协商协议

中国科学：信息科学 2022年第12期52卷 2351-2370页

作者：姜奇杨雪王金花程庆丰马鑫迪马建峰西安电子科技大学网络与信息安全学院西安710071 河南省网络密码技术重点实验室郑州450001 战略支援部队信息工程大学网络空间安全学院郑州450001

随着汽车保有量的持续增长和道路交通的饱和,车联网被视为有效提高交通效率,改善驾乘体验的有效技术之一.认证密钥协商协议是保证车载单元(onboard unit,OBU)与各种信息服务器安全交互的关键手段.通常,认证密钥协商协议所需的密钥被存储... 详细信息

随着汽车保有量的持续增长和道路交通的饱和,车联网被视为有效提高交通效率,改善驾乘体验的有效技术之一.认证密钥协商协议是保证车载单元(onboard unit,OBU)与各种信息服务器安全交互的关键手段.通常,认证密钥协商协议所需的密钥被存储于OBU中.然而,由于车辆常处于无人值守状态,OBU失盗事件时有发生.因此,如何确保私钥的存储安全是一个具有挑战性的难题.为了解决上述问题,本文提出了基于不经意伪随机函数(oblivious pseudorandom functions,OPRF)和两方协同签名的抗捕获认证密钥协商协议.借助于两方协同签名,私钥被分成两个部分,一部分使用辅助设备的公钥加密,另一部分通过OBU和辅助设备运行OPRF协议才能恢复.由于OBU中没有存储任何秘密信息,即使OBU被盗取,攻击者仍然无法获取私钥.本文对提出的方案进行了全面的安全性分析和性能比较.结果表明所提出的方案可以抵抗各种已知的攻击,特别是设备被捕获导致的密钥泄露.此外,所提出的方案可以实现计算开销和通信开销的平衡.

关键词：车联网 Schnorr协同签名 OPRF 认证密钥协商抗设备捕获