检索结果-南通市图书馆

维普期刊数据库

Hybrid concurrency control protocol for data sharing among heterogeneous blockchains

在线全文

学校读者我要写书评

暂无评论

Frontiers of Computer Science 2024年第3期18卷 1-12页

作者： Tiezheng GUO Zhiwei ZHANG Ye YUAN Xiaochun YANG Guoren WANG School of Computer Science and Technology Beijing Institute of TechnologyBeijing 100029China School of Computer Science and Engineering Northeastern UniversityShenyang 110167China

With the development of information technology and cloud computing,data sharing has become an important part of scientific *** traditional data sharing,data is stored on a third-party storage platform,which causes the owner to lose control of the *** a result,there are issues of intentional data leakage and tampering by third parties,and the private information contained in the data may lead to more significant ***,data is frequently maintained on multiple storage platforms,posing significant hurdles in terms of enlisting multiple parties to engage in data sharing while maintaining *** this work,we propose a new architecture for applying blockchains to data sharing and achieve efficient and reliable data sharing among heterogeneous *** design a new data sharing transaction mechanism based on the system architecture to protect the security of the raw data and the processing *** also design and implement a hybrid concurrency control protocol to overcome issues caused by the large differences in blockchain performance in our system and to improve the success rate of data sharing *** took Ethereum and Hyperledger Fabric as examples to conduct crossblockchain data sharing *** results show that our system achieves data sharing across heterogeneous blockchains with reasonable performance and has high scalability.

关键词： data sharing blockchain concurrency control protocol crosschain

基于个性化PageRank和对比学习的图异常检测模型

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：袁野陈明吴安彪王一舒北京理工大学计算机学院东北大学计算机科学与工程学院

图异常检测旨在从属性网络中检测出异常节点，由于其在许多应用领域中如金融、电子贸易、垃圾邮件发送者检测有着深远的实际意义而备受研究者们所重视。传统的非深度学习方法只能捕捉图的浅层结构，针对此问题研究者们提出了基于深度神... 详细信息

图异常检测旨在从属性网络中检测出异常节点，由于其在许多应用领域中如金融、电子贸易、垃圾邮件发送者检测有着深远的实际意义而备受研究者们所重视。传统的非深度学习方法只能捕捉图的浅层结构，针对此问题研究者们提出了基于深度神经网络的异常检测模型。然而，这些模型没有考虑到图中节点的中心性差异，这种差异在捕获节点的局部信息时会导致信息缺失或引入远端节点的噪声。此外，它们忽略了属性空间的特征信息，这些信息可以提供额外的异常监督信号。为此，从无监督的视角出发，提出了一种新颖的基于个性化PageRank和对比学习的图异常检测框架PC-GAD(Personalized PageRank and Contrastive Learning based Graph Anomaly Detection)。首先，提出一种动态采样策略，即通过计算图中每个节点的个性化PageRank向量确定其相应的子图采样数目，避免局部信息的缺失和引噪。其次，针对每个节点，分别从拓扑结构和属性空间的角度出发捕获节点的异常监督信号，并设计相应的对比学习目标，从而全面地学习潜在的异常模式。最后，经过多轮对比预测，根据输出的异常值得分评估每个节点的异常程度。为验证所提出模型的有效性，分别在6个真实数据集上与基准模型开展了大量对比实验。实验结果验证了PC-GAD能够全面地识别出图中的异常节点，AUC值相比于现有的模型提升了1.42%。

关键词：图异常检测个性化PageRank 图神经网络图对比学习

基于元结构匹配与有偏采样的图相似度计算方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机学报 2023年第7期46卷 1513-1531页

作者：安丽霞吴安彪袁野孙思琪王国仁东北大学计算机科学与工程学院北京理工大学计算机学院

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神... 详细信息

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神经网络的图相似度计算方法.然而这些算法虽有效加快了图相似度的计算,但是仍然存在两方面的不足,从而影响了他们的性能:(1)多数现有工作通过节点级或图级嵌入的比较来衡量图之间的相似度,忽略了大图中丰富的局部结构特征;(2)所有现有工作均随机采样生成图对数据,导致样本包含的结构不均匀,训练所得模型只对部分特定结构敏感因而误差较大.为此,本文提出了一种新颖的基于元结构匹配与有偏采样的图相似度计算方法 MB-GSC(Meta-Structure Matching and Biased Sampling based Graph Similarity Computation).首先提出GSE(Graph Structure Extraction)算法提取图中元结构并构建图的结构分布向量,然后基于此向量提出有偏采样策略RSG(Representative Sample Generation)进行代表性样本的生成,用于后续模型训练.同时,提出算法MSA(Meta Structure Alignment)对提取到的元结构进行最优匹配对齐,从而获取公有结构形状差异与特有结构数量差异,进而构建蕴含有效的局部相似信息的子结构相似向量.最后,在模型中集成节点级成对比较相似向量、图级神经张量网络相似向量、子结构相似向量进行图对相似性计算.为验证算法的有效性,采用5个评估指标在4个真实数据集上与基准方法进行了大量对比实验,对模型性能进行全面评估.实验结果验证了本文所提算法MB-GSC能够更准确且高效地计算图之间的相似度,在GED预测、MCS预测任务上的准确度比现有模型分别提升11.16%、7.45%,且在保证相同准确率的同时使训练样本数平均减少54%.

关键词：图相似度计算图神经网络图编辑距离图嵌入最大公共子图

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

MaSS:基于单位数据贡献的模型定价框架

计算机科学与探索 2023年第9期17卷 2252-2264页

作者：张小伟江东袁野安丽霞王国仁东北大学计算机科学与工程学院沈阳110819 北京理工大学计算机学院北京100081

数据驱动型的机器学习模型已经是大势所趋,但是对于如何促进机器学习模型市场发展的研究还为之甚少。现有的研究主要分为两方面:一方面是数据拥有者和中间商之间的交互,即数据所有者的补偿问题;另一方面是模型买家与中间商之间的交互,... 详细信息

数据驱动型的机器学习模型已经是大势所趋,但是对于如何促进机器学习模型市场发展的研究还为之甚少。现有的研究主要分为两方面:一方面是数据拥有者和中间商之间的交互,即数据所有者的补偿问题;另一方面是模型买家与中间商之间的交互,即模型的定价问题。但是对于模型交易市场而言,这两个问题是密不可分的。因此针对这个问题,提出了新的模型定价框架MaSS。MaSS采用了新的效用评估指标Shapley值,然后基于该指标提出了三阶段的Stackelberg博弈的模型交易框架,其中包含了三方参与人:模型买家、中间人、数据拥有者。数据拥有者提供带有噪音的数据给中间人。中间人进一步将数据加工成模型买家需要的模型,向模型买家提供模型从而获利。他们之间相互作用形成一个Stackelberg博弈,以使得参与交易的所有人实现收益最大化,并从理论上证明了均衡定价策略存在的唯一性。最后,通过对真实数据大量模拟,证明了其显著的性能。

关键词：数据定价模型定价 Shapley值 Stackelberg博弈

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

学习索引研究综述

计算机科学 2023年第1期50卷 1-8页

作者：王艺潭王一舒袁野东北大学计算机科学与工程学院沈阳110169 北京理工大学计算机学院北京100081

大数据时代数据呈爆发式增长,传统索引结构难以处理庞大复杂的数据,为解决这一问题,学习索引应运而生,并成为当前数据库领域的研究热点之一。学习索引利用机器学习模型进行索引构建,通过对数据和物理位置之间的关系进行训练和学习得到... 详细信息

大数据时代数据呈爆发式增长,传统索引结构难以处理庞大复杂的数据,为解决这一问题,学习索引应运而生,并成为当前数据库领域的研究热点之一。学习索引利用机器学习模型进行索引构建,通过对数据和物理位置之间的关系进行训练和学习得到学习模型,掌握二者之间的分布特点和规律,从而实现对传统索引的改进和优化。大量实验表明,与传统索引相比,学习索引可以适应大规模数据集,提供更好的搜索性能,具有更低的空间要求。文中详细介绍了学习索引的应用背景,梳理了现有的学习索引模型;根据数据类型的不同,将学习索引分为一维和多维两种类别,并对每种类别中学习索引模型的优缺点和可以支持的查询进行了详细的介绍和分析;最后对学习索引的未来研究方向进行了展望,以期为相关研究提供参考。

关键词：学习索引机器学习索引构建数据结构数据库

维普期刊数据库

GPPR:跨域环境下的个性化PageRank算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2023年

作者：陈子俊马德龙王一舒袁野北京理工大学计算机学院东北大学计算机科学与工程学院

个性化PageRank作为大图分析中的的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的... 详细信息

个性化PageRank作为大图分析中的的基本算法,在搜索引擎、社交推荐、社区检测等领域具有广泛的应用,一直是研究者们关注的热点问题.现有的分布式个性化PageRank算法均假设所有数据位于同一地理位置,且数据所在的计算节点之间具有相同的网络环境.然而在现实世界中,这些数据可能分布在跨洲际的多个数据中心中,这些跨域分布(geo-distributed)的数据中心之间通过广域网连接,存在网络带宽异构、硬件差异巨大、通信费用高昂等特点.而分布式个性化PageRank算法需要多轮迭代,并在全局图上进行随机游走.因此,现有的分布式个性化PageRank算法不适用于跨域环境.针对此问题,本研究提出了GPPR(geo-distributedpersonalized PageRank)算法.该算法首先对跨域环境中的大图数据进行预处理,通过采用启发式算法映射图数据,以降低网络带宽异构对算法迭代速度的影响;其次, GPPR改进了随机游走方式,提出了基于概率的push算法,通过减少工作节点之间传输数据的带宽负载,进一步减少算法所需的迭代次数.基于Spark框架实现了GPPR算法,并在阿里云中构建真实的跨域环境,在8个开源大图数据上,与现有的多个代表性分布式个性化PageRank算法进行了对比实验.结果显示,GPPR的通信数据量在跨域环境中较其他算法平均减少30%.在算法运行效率方面,GPPR较其他算法平均提升2.5倍.

关键词：跨域分布式个性化PageRank 近似计算