基于模数哥隆尺的新颖eALT-QC-LDPC码构造方法

基于模数哥隆尺,提出一种扩展近似下三角阵结构的准循环低密度奇偶校验（extending approximate lower triangular structure-quasi cyclic-low density parity check,eALT-QC-LDPC）码新颖构造方法,该方法无需计算机搜索即可完全消除长度为4,6,8的短环,通过设置不同的参数即可构造出多种码型。所提出的构造方法在确保线性编码复杂度前提下,大大改善了码字性能。仿真结果表明,所构造的码率0.66的eALT-QC-LDPC（5 913,3 952）码,码率0.63的eALT-QC-LDPC（3 648,2 289）,码率0.5的eALT-QC-LDPC（1 116,565）以及eALT-QC-LDPC（684,349）码的纠错性能比同码率码长度分布的渐进边增长（progress edge growth,PEG）码和围长至少为8的同码率码长的QC-LDPC码都得到了一定程度的改善。其中码率为0.5的eALT-QC-LDPC码与IS-GPS-800协议中随机构造的LDPC码误码率性能比较接近,但所构造的新eALT-QC-LDPC码编译码易实现,极大地降低了存储空间,对导航系统信道编码方案具有重要的参考价值。     

云计算隐私保护的Yao式乱码电路kNN分类算法

针对现有云计算加密数据库分类算法的高时间开销问题,提出一种安全有效的基于Yao式乱码电路云计算隐私保护的kNN分类算法,该方法既能保护数据隐私和查询隐私,又能隐藏数据访问模式,同时又能保证高效查询处理的工作。该算法由4部分组成：加密kd树搜索阶段、kNN检索阶段、结果验证阶段和多数类选择阶段。通过加密索引搜索方案来过滤与查询无关的数据,隐藏了最终的类标签和数据访问模式,提高云计算中数据查询处理的效率。通过Yao式乱码电路来支持有效的kNN分类,保护云计算中数据隐私和查询隐私,同时减少了kNN分类的时间开销。对Yao式乱码电路kNN分类方法的安全性进行了分析。实验结果表明,在分类时间方面,所提算法的性能优于现有PPkNN方法和SkNNCI方法。     

云计算中存储数据安全性研究

针对云计算中存储数据安全性问题,提出了一种基于显式精确最小存储再生代码(explicit exact minimal storage regenerating code, EEMSR)的云存储数据安全性新方法,该方法采用EEMSR和哈希函数通过Challenge-Response协议实现云计算存储数据的可用性和完整性。该方法使用EEMSR代码对数据进行编码,再将此编码数据上传到云中,该编码有助于重新生成丢失的数据,以此确保数据的可用性。而加密哈希函数通过Challenge-Response协议可以验证云数据的完整性。EEMSR代码是一个再生代码,可以用较少的修复流量精确地恢复丢失的数据块,EEMSR代码由参数(n,k,d)定义,该参数允许从n个节点中的任意k个节点恢复数据,并且还具有通过连接到任何d个节点来修复故障节点的能力。实验表明,提出方法安全性能高,与其他方法相比,该方法的运行时间较少,而编码速率较高。     

关于一种灰度图像锥形量化方法的研究

针对数字图像处理领域中的图像采样与量化这一部分，通过运用MATLAB辅助图像处理技术工具，而提出了一种灰度图像的锥形量化方法的研究方案，从而在推进数字图像中的非均匀采样与量化上的发展，并且指出对其将来发展的建议。