【摘 要】
：
为保护互联网用户在使用网络过程中的个人隐私数据,提出一种基于软件定义网络(software defined network,SDN)和集群思想的匿名通信系统架构,由统一的控制中心对系统内节点进行管理和调配,在短时间内对匿名通信请求做出响应。设计多约束最优路径规划算法,综合考虑节点带宽、在线时长等因素,均衡网络负载,降低路径选择攻击的威胁。通过理论分析和仿真实验可知,该系统在保证通信匿名性的同时,可以在一定程度上抵御合谋攻击、流量分析攻击、时间攻击等主流攻击方式,在同一网络环境下其转发延迟明显低于Tor。
论文部分内容阅读
为保护互联网用户在使用网络过程中的个人隐私数据,提出一种基于软件定义网络(software defined network,SDN)和集群思想的匿名通信系统架构,由统一的控制中心对系统内节点进行管理和调配,在短时间内对匿名通信请求做出响应。设计多约束最优路径规划算法,综合考虑节点带宽、在线时长等因素,均衡网络负载,降低路径选择攻击的威胁。通过理论分析和仿真实验可知,该系统在保证通信匿名性的同时,可以在一定程度上抵御合谋攻击、流量分析攻击、时间攻击等主流攻击方式,在同一网络环境下其转发延迟明显低于Tor。
其他文献
针对纳西族东巴画艺术形象线条突出、色彩分明、样本较少的特点,提出一种端到端的基于图神经网络的东巴画小样本分类方法.首先,设计多分辨率多尺度的图像特征提取网络,图像特征与边缘特征融合后嵌入图神经网络中作为节点,构建分类图神经网络;其次,以边标记作为架构并采用二维边标记特征作为图像分类依据,保留节点分类时所需的类内相似性和类间相异性;最后,提出自注意力机制与特征显著性注意力机制相结合的方法更新节点特征
人体动作识别因其难以结合时空域信息成为计算机视觉方向中一项具有挑战性的任务.提出一个多注意力时空图卷积网络,其核心思想是根据时间序列信息和人体骨架的自然连接构建一个连通图,然后利用具有多注意力机制的时空图卷积网络自动地学习空间和时间特征并且优化该连通图,最后实现对人体动作的预测.引入图注意力模块,模型构建的图的拓扑结构在初始化后会随着网络训练的过程进行优化,最终得到更适合表达人体动作的拓扑结构.此
当前,对复杂动态场景的实时拍摄仍然以人为操控的方式为主.为了使用无人机对这种场景自动地进行完整拍摄,提出将其分解为场景分割、拍摄构图和无人机调度3个子问题的方法.首先采用带有阈值的K-means聚类算法完整、有效地对场景进行合理分割,以获得一系列小场景,每个小场景对应一架无人机;然后根据小场景之间的位置关系计算获得无人机最佳的拍摄位置,保证在完整拍摄每个小场景的同时,无人机群拍摄的画面有一定的关联
随着建模与扫描技术的不断发展,三维模型的精细程度不断提高,场景数据量不断提升.为了解决纹理碎片化、纹理空间利用率过低的问题,提出了一种基于离散最优传输的纹理重整算法.给定一个带纹理的模型,首先计算其保形参数化映射;接下来通过离散最优传输对保形参数化进行调整,计算得到原始模型的保测参数化映射;最后根据网格的初始参数化与计算得到的保测参数化对原始纹理进行重新映射,将数量众多的小纹理整合得到一个大纹理.
针对陶瓷3D打印的特点,提出基于放样曲面与周期参数曲线嵌入的双尺度轻量化交互式建模和制造工具.对于用户输入的2条封闭曲线,首先在它们之间插值生成中间截面采样点,并在免支撑、路径无干涉等陶瓷3D打印制造约束下对当前曲面形状进行调整,完成基于放样曲面的大尺度曲面建模;然后将采样点之间的直线路径用周期性曲线路径代替,通过调整曲线函数的周期和振幅完成小尺度几何纹理建模;最后按螺旋方式逐层连接各个截面采样点
针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L_0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L_0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数.在图像平滑领域经典图像以及通过网络引擎搜索得到的图像上与6种平滑方法以及7种
针对基于单步频谱预测的认知通信模型中预测和感知过程会占用大量的数据传输时间,设计基于多步预测的宽带频谱感知系统,提出基于多步预测的离线粗感知和基于滤波器组的宽带频谱在线细感知相结合的方法,介绍基于混合神经网络的多步频谱预测和宽带频谱感知的具体实现方法。通过仿真实验可得,预测后基于滤波器组的宽带频谱感知性能优于直接采用能量感知,预测和感知的子带空闲率接近于真实值,节省了感知时间。
针对命名数据网络在网络规模增大时存在FIB的表项数目庞大、节点的负载(内存等指标)和开销过大等路由可扩展性问题,提出一种基于名称分类的路由可扩展性改进方案。通过将数据名称根据流行度分为流行(全局)与不流行(非全局),以及生产者主动发布两种不同形式的名称公告包,使得不同流行度的兴趣包分散处理。引入非全局路由名称集中点,分担全局名称集中点的压力。实验结果表明,该方案在中间路由器处理的兴趣包数目、兴趣包的处理时延上存在优化效果,提升了网络的路由可扩展性。
在传统二端忆阻器的理论基础上,提出了一种四端忆阻器的模型.该器件的4个端口分别对应于MOS场效应晶体管的栅、源、漏和衬底4个极,可以代替数字电路中的MOS晶体管实现电路功能.利用Verilog-A对该模型的电学特性进行了描述,在Hspice软件环境中利用该模型构建了与非、或非等逻辑电路以及1 bit数据的1R-1R随机存取电路,并搭建外围电路对其进行了功能验证,在仿真层面实现了四端忆阻器在数字电路
云环境中,仅根据当前负载需求降低活跃主机量,忽略负载变化时的未来资源需求,会导致过多非必要虚拟机迁移,增加SLA违例。为此,提出基于Q学习的自适应虚拟机部署算法。Q学习在无需先验知识前提下,可以自适应生成资源利用率阈值,根据自适应阈值动态地对主机超载状态做出决策,判断是否进行虚拟机迁移。通过现实负载流进行实验分析,实验结果表明,该算法可以降低主机能耗,同步减小虚拟机迁移量和SLA违例率。