针对无线移动网络WMN(Wireless Mobile Networks)易受攻击的问题,提出一种基于令牌的无线移动网络隐私保护和认证TPPA(Token-based Privacy Preserving and Authentication)协议。在协议中令牌通过基站选择的虚节点在发送器和接收器之...针对无线移动网络WMN(Wireless Mobile Networks)易受攻击的问题,提出一种基于令牌的无线移动网络隐私保护和认证TPPA(Token-based Privacy Preserving and Authentication)协议。在协议中令牌通过基站选择的虚节点在发送器和接收器之间传送消息,该协议使用签名加密算法对包含查询UE的伪身份的身份验证请求进行签名,从而为UE提供匿名性。服务基站(SeNB)通过安全通道从UE接收注册请求后,为UE生成伪身份及其对应的私钥。UE使用签密向SeNB发送查询请求消息。该消息由SeNB的ID、UE的伪ID和哈希函数组成,SeNB通过执行无符号隐藏来检索消息。该协议可以有效地保护用户的隐私并减少控制开销。实验结果表明,与PPNNQ相比,该算法在保证隐私保护的前提下,减少了平均端对端延迟,提高了平均包传递率,减少了丢包数量和通信开销。展开更多
具有噪声的基于密度的空间聚类(Density‑based spatial clustering of applications with noise,DBSCAN)能够发现不同密度和大小的类簇,对噪声也有很好的鲁棒性,被广泛地应用到数据挖掘的任务中。DBSCAN通常需要调整参数MinPts和Eps以...具有噪声的基于密度的空间聚类(Density‑based spatial clustering of applications with noise,DBSCAN)能够发现不同密度和大小的类簇,对噪声也有很好的鲁棒性,被广泛地应用到数据挖掘的任务中。DBSCAN通常需要调整参数MinPts和Eps以达到更优的聚类效果,但往往在搜索最优参数的过程中会影响DBSCAN的性能。本文从两个方面优化DBSCAN,一方面,提出一种无参的方法优化DBSCAN全局参数选择。无参方法利用自然最近邻获得数据集的自然特征值,并将自然特征值作为参数MinPts值。然后,根据自然特征值计算自然特征集合,利用自然特征集合中的数据分布特性,分别采取统计最小值、平均值和最大值3种方式得到Eps值。另一方面,采用集成数据科学实时加速平台(Real‑time acceleration platform for integrated data science,RAPIDS)的图形处理器(Graphics processing unit,GPU)计算加快DBSCAN算法的收敛速度。实验结果表明,本文提出的方法在优化DBSCAN参数选择的同时,取得了与密度峰值聚类(Density peaks clustering,DPC)相当的聚类结果。展开更多
文摘针对无线移动网络WMN(Wireless Mobile Networks)易受攻击的问题,提出一种基于令牌的无线移动网络隐私保护和认证TPPA(Token-based Privacy Preserving and Authentication)协议。在协议中令牌通过基站选择的虚节点在发送器和接收器之间传送消息,该协议使用签名加密算法对包含查询UE的伪身份的身份验证请求进行签名,从而为UE提供匿名性。服务基站(SeNB)通过安全通道从UE接收注册请求后,为UE生成伪身份及其对应的私钥。UE使用签密向SeNB发送查询请求消息。该消息由SeNB的ID、UE的伪ID和哈希函数组成,SeNB通过执行无符号隐藏来检索消息。该协议可以有效地保护用户的隐私并减少控制开销。实验结果表明,与PPNNQ相比,该算法在保证隐私保护的前提下,减少了平均端对端延迟,提高了平均包传递率,减少了丢包数量和通信开销。
文摘具有噪声的基于密度的空间聚类(Density‑based spatial clustering of applications with noise,DBSCAN)能够发现不同密度和大小的类簇,对噪声也有很好的鲁棒性,被广泛地应用到数据挖掘的任务中。DBSCAN通常需要调整参数MinPts和Eps以达到更优的聚类效果,但往往在搜索最优参数的过程中会影响DBSCAN的性能。本文从两个方面优化DBSCAN,一方面,提出一种无参的方法优化DBSCAN全局参数选择。无参方法利用自然最近邻获得数据集的自然特征值,并将自然特征值作为参数MinPts值。然后,根据自然特征值计算自然特征集合,利用自然特征集合中的数据分布特性,分别采取统计最小值、平均值和最大值3种方式得到Eps值。另一方面,采用集成数据科学实时加速平台(Real‑time acceleration platform for integrated data science,RAPIDS)的图形处理器(Graphics processing unit,GPU)计算加快DBSCAN算法的收敛速度。实验结果表明,本文提出的方法在优化DBSCAN参数选择的同时,取得了与密度峰值聚类(Density peaks clustering,DPC)相当的聚类结果。
