【摘 要】
：
基于身份的签名(IBS)方案可广泛应用于移动电子商务等资源受限的场合。利用Micciancio和Peikert在Eurocrypt’12上提出的陷门生成算法GenTrap、原像抽样算法SampleD和陷门委托算法DelTrap构造了一个新的基于格的IBS方案,在标准模型下基于小整数解(SIS)问题证明了所提出的方案满足选择身份和固定选择消息攻击下的强不可伪造性,并比较了所提出的方案与现有基于格的I
【基金项目】
：
国家“973”重点基础研究发展规划项目基金资助项目（2011CB311809）,国家自然科学基金项目（61163050）,河北省教育厅资助科研项目（ZH2011216）.
论文部分内容阅读
基于身份的签名(IBS)方案可广泛应用于移动电子商务等资源受限的场合。利用Micciancio和Peikert在Eurocrypt’12上提出的陷门生成算法GenTrap、原像抽样算法SampleD和陷门委托算法DelTrap构造了一个新的基于格的IBS方案,在标准模型下基于小整数解(SIS)问题证明了所提出的方案满足选择身份和固定选择消息攻击下的强不可伪造性,并比较了所提出的方案与现有基于格的IBS方案的计算性能,结果表明所提方案的效率最高。
其他文献
为了减小所生成的组合测试用例集规模,提出了一种基于one-test-at-a-time策略的差分进化算法来求解该问题的方案。通过实验,比较了不同变异方式的优化性能,考察了各个算法参数对优化性能的影响,并与其他常用方法进行了对比。实验结果表明,与其他常用的组合测试用例生成方法相比,基于差分进化算法的生成方法能够生成规模更小的组合测试用例集。并且组合数越多,该算法的优势就越明显。
特征选择是文本分类技术的一项关键技术,特征选择的质量决定了分类的性能。在分析现有特征选择方法的基础上,引入类词频概念,建立"文档—类—词"立方体。实验表明,这样的立方体模型能更全面、更客观刻画特征的本质,兼顾了特征的类内分散度更平均、类间集中度更集中。结合类词频选择的特征提高了文本分类能力。
针对数据发布中的隐私泄露问题,分析了对数据集进行匿名保护需要满足的条件,提出了一种基于信息增益比例约束的数据匿名方法。该方法以凝聚层次聚类为基本原理,将数据集中的元组划分到若干个等价群中,然后概化每个等价群中的元组使其具有相同的准标志符值。在聚类过程中,以信息损失最小、信息增益比例最大的约束条件来控制聚类的合并,可以使数据匿名结果保持良好的可用性和安全性。对匿名结果的质量评估问题进行了深入的探讨,
为解决视频图像在互联网中进行传输时,其质量易受网络丢包率、时延等因素的影响而显著降低的问题,提出了一种基于丢包率预测的视频传输纠错算法。该算法采用隐马尔可夫模型预测网络丢包率,根据丢包率的大小自适应地选择FEC或ARQ对视频图像进行纠错操作。当预测出的丢包率较高时,为避免FEC算法在丢包率较高时降低带宽利用率,采用选择性ARQ算法恢复丢失的视频数据包,并通过限制其重传次数使视频传输的实时性得到了保
针对现有基于自然特征的增强现实系统中图像匹配准确度低、计算量大和鲁棒性差的问题,提出了一种基于仿射不变闭合区域和SURF(speeded-up robust features)的图像匹配方法。对输入的图像首先利用灰度直方图均衡进行图像增强得到二值化的图像,提取图像中的闭合区域作为图像的仿射不变区域,然后运用SURF检测算法提取闭合区域的图像特征描述,最后使用SURF双向匹配算法实现图像的匹配。实验
为了有效解决冲突证据的融合问题,在计算证据空间冲突向量的基础上,提出了一种基于信息熵测度的冲突证据合成方法。首先计算证据的信息熵获得该证据引起不确定性的度量,用信息熵计算证据空间赋予该证据的信任度,再用获得的信任度对数据模型进行加权处理,最后对处理后的证据运用D-S合成规则获得结果。实验表明该算法有效解决了冲突证据的合成问题,识别精度高、收敛速度快。
在开放的云计算背景下,面对众多功能相同或相近但QoS属性不同的服务,用户需要有效的推荐方法支持其对服务的选择和决策。针对面向SLA的云服务推荐问题以及传统方法的不足,提出了一个二级服务评价模型,其中在帕累托优化的基础上引入PROMETHEE方法,针对帕累托最优解实现更为精确的量化评价。根据所提出的二级评价模型,提出并实现了一个基于BNL的服务推荐算法,高效地返回PROMETHEE意义上的Topk帕
为了解决系统设计过程中模型一致性问题,提出了一种对UML顺序图和状态图的语义一致性检测方法。该方法对顺序图和状态图一致性进行符号化描述,为一致性检测提供理论基础;提出状态约简规则和状态约简算法,能够减少冗余状态和迁移,证明了状态约简不影响一致性检测;提出改进的UML模型到PROMELA的转换方法并使用SPIN进行验证。实验表明上述方法能够有效地检测顺序图和状态图的一致性,在验证过程中减少冗余状态和
针对非结构化P2P网络中资源搜索效率低、冗余消息较多的情况,提出一种基于兴趣因子的蚁群优化算法(IACO)。该算法充分考虑了节点价值对资源搜索的影响,在传统蚁群算法中引入节点的兴趣因子,以动态调整节点价值和信息素在计算转发概率时的权重关系,有效地指导了资源查询路径的生成。仿真结果表明,该算法可以显著提高资源查询的成功率,同时在一定程度上减少了网络中的冗余消息量。
在对防护工程损伤影响因素分析的基础上,建立了基于支持向量机的防护工程损伤评估模型,完成从评估指标到损伤指数的非线性映射。结合历年来我国发生滑坡地质灾害情况时坑道工事的实际数据对模型进行了验证。计算结果表明,与误差反向传播神经网络相比,基于支持向量机的防护工程损伤评估模型能够再现专家领域知识和直觉思维,更准确地评估防护工程损伤程度,是一种有效的评估方法。