隐私保护的快速聚类算法

针对基于安全多方计算聚类算法的低效问题,提出了基于聚类特征树结构的隐私保护的层次k-means聚类算法.算法基于半诚信模型,在第三方内存中保留对各记录的索引信息及聚类特征树的当前层信息,减少了I/O次数和通信量,克服了难以适应多数据方和因过于信赖第三方导致隐私泄漏等缺陷.算法通过基于安全多方计算的标准化协议、距离计算协议和聚类中心计算协议,实现了数据的有效保护,综合层次和k-means聚类算法的优点,提高了计算精度和算法的可伸缩性.理论证明了算法的安全性和高效性,实验结果表明所提算法优于同类算法.     

基于SMC的分布式隐私保护数据发布研究

针对垂直分布式存储结构的隐私保护数据发布问题,基于元组等价群的概念给出全局k-匿名化的定义和充要条件,采用集合多项式表示方法求解出全局元组ID等价群;并基于多方安全计算的同态加密协议构建了具有隐私性、准确性和公平性的分布式隐私保护k-匿名模型,从而实现了各微数据提供方不泄露本地隐私信息的前提下由半可信第三发布方发布出可供统计分析和数据挖掘等需求的真实有效数据集。实验结果表明,该模型具有很好的安全性、准确性和适用性。     

物联网移动RFID系统隐私保护方案

为了解决标签携带者和阅读器持有者被恶意追踪与监视以及隐私信息泄漏等问题,设计了物联网移动RFID系统隐私保护方案.该方案采用RFID隐私管理服务系统,在标签与阅读器之间根据标签隐私等级实现单向认证或双向认证,在阅读器与信息服务系统之间采用基于模糊身份加密算法实现匿名访问控制.安全性及效能分析表明,此方案不仅增强了标签携带者的隐私保护,还保护了阅读器持有者的身份隐私,且具有一定的效能优势.     

基于随机网格的位置隐私保护方法

针对当前已有的基于位置服务隐私保护技术在用户较少的情况下很难保障用户隐私保护级别的情况,借鉴网格计算和密码学理论,提出了一种改进的位置隐匿方法。该方法利用随机变化的网格区域,在移动节点之间进行简单位置计算并实时进行用户位置更新,通过移动终端和匿名服务器之间的协同计算完成位置隐匿。最后,通过理论分析阐述了该方法所具有轨迹不可追踪性和身份不可关联性等特点。同时,仿真实验进一步表明该方法的计算复杂度和通信复杂度满足位置服务中的即时通信的要求。     

基于SMC的隐私保护聚类模型

隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个隐私保护关键步骤：求解最近簇和判断质心变化,从而实现了数据的有效保护。理论证明了该模型的安全性并分析了其时间复杂度和通信耗量,实验结果表明该隐私保护聚类模型是安全有效的。     

基于数值转换的隐私保护线性回归方法

企业合作进行数据分析时,很多时候不愿意透漏各自的私有数据.针对这种情况提出了在数据异构分布下通过线性转化和添加随机噪声两种数值转换方法来保护企业的私有数据,阐述了怎样在转换后的数据中得到原始的线性回归方程以及线性回归方程拟合优度的计算,怎样在转换后的数据中对回归方程的线性关系和回归系数进行显著性检验,最后结合算例对这两种数值转换方法进行了分析和对比,实验证明基于线性转化和添加随机噪声的两种数值转换方法可用于解决企业合作中私有数据的线性回归问题.     

匿名区域层级扩张的位置隐私保护方法

针对传统中心点匿名区域扩张方法中用户位置可预测的问题,提出一种匿名区域按照匿名用户离散距离层级扩张的位置隐私保护方法.首先,将位置区域按照匿名用户离散间距进行划分,并利用希尔伯特曲线按照间距递进的原则建立具有不同离散间距层级的N-阶位置区域四叉树.其次,基于该四叉树用户可选择不同离散程度的匿名区域,防止由于匿名用户密度...     

基于最小化信息损失的用户隐私保护方法

在新兴电子商务发展过程中,对用户数据的收集、使用、开放与共享达到了前所未有的程度,给个人隐私安全带来了极大挑战.为了解决数据效用与个人隐私之间的矛盾,本文提出基于k-匿名原则的最小化信息损失隐私保护方法.首先结合属性阈值特征提出一种新的记录排序算法;接着将隐私保护过程转化为对各条记录与各个候选匿名函数之间的最优分配问题,构建最小化信息损失的优化模型,并设计启发式方法快速求解最优匿名函数的选择与分配方案,实现对数据的匿名处理.在三个不同规模的真实数据集上,通过与目前最有效的多个隐私保护方法进行数值实验比较.结果表明本文方法在满足相同隐私保护水平下可产生最佳的数据效用且具有较快的计算效率.本文方法为新兴电子商务中用户数据隐私保护研究提供了理论和技术上的创新,为大规模数据的隐私保护应用提供了有效的解决方案.     

经典轨迹的相似度量快速算法

针对经典轨迹相似度量的耗时性,利用轨迹压缩算法,提出一种基于最长公共子序列(longest common subsequence, LCS)的相似度量快速算法。首先,对实时轨迹进行压缩,减少轨迹点数。然后,利用经典轨迹的点与实时轨迹线段之间的距离,根据改进的多对1 LCS长度公式,计算经典轨迹与实时轨迹之间的LCS长度。最后,将LCS长度与经典轨迹的点数的比值作为经典轨迹的相似度。实验说明,通过轨迹压缩能够减少60%以上的计算时间。     

经典轨迹的相似度量快速算法

针对经典轨迹相似度量的耗时性,利用轨迹压缩算法,提出一种基于最长公共子序列(longest common subsequence, LCS)的相似度量快速算法。首先,对实时轨迹进行压缩,减少轨迹点数。然后,利用经典轨迹的点与实时轨迹线段之间的距离,根据改进的多对1 LCS长度公式,计算经典轨迹与实时轨迹之间的LCS长度。最后,将LCS长度与经典轨迹的点数的比值作为经典轨迹的相似度。实验说明,通过轨迹压缩能够减少60%以上的计算时间。     

高超声速飞行器分解集成轨迹预测算法

针对无动力滑翔高超声速飞行器的轨迹预测问题,提出了分解集成轨迹预测模型。依据运动轨迹的周期跳跃特性,运用先集成再分解的轨迹预测思路,首先将运动轨迹序列分解为具有趋势性、周期性和随机性特征的子序列,再针对每项子序列的特征采用相应的子轨迹预测模型,最后将各子轨迹预测模型预测结果的集成作为最终预测值。由于子序列与子轨迹预测模型具有更高的契合度,使得分解集成轨迹预测 算法相对于使用单一模型的轨迹预测算法更具优势。仿真实验表明,分解集成轨迹预测算法显著提高了轨迹预测精度。     

曲线弹道SAR RD-Dechirp快视成像算法

研究了以景象匹配制导为目的的曲线弹道合成孔径雷达（synthetic aperture radar,SAR）快视成像问题。首先建立了曲线弹道SAR回波信号模型,分析了多普勒历程和距离徙动特点,提出了等效正侧视成像的概念,并分析了等效条件,大大减小了距离徙动校正难度和回波信号距离向与方位向的耦合,然后推导了曲线弹道SAR回波信号的二维频谱表达式,在此基础上提出了结合距离多普勒算法和频谱分析（spectral analysis, SPECAN）的快视成像方法。所提算法使用高效的SPECAN方法进行方位压缩, 能够完成曲线弹道SAR部分孔径数据的精确相干处理,没有因为孔径的非直线而增加成像算法的复杂性。     

基于积分反步法的四旋翼滑模轨迹跟踪算法

针对四旋翼无人机轨迹跟踪过程易受外界未知干扰而引起跟踪误差的问题,设计了基于积分反步法的滑模位置控制器。在该控制系统中,位置回路采用滑模积分反步法(sliding mode integral backstepping, IBS-SMC)非线性控制方法,姿态回路采用经典比例积分微分(proportion integration differentiation,PID)控制方法。通过仿真对PID、线性二次型调节器、IBS-SMC进行了比较。仿真结果表明与传统方法相比,IBS-SMC法具有更好的抗干扰能力与控制精度。最后通过飞行实验,检验了控制算法可行性。实验结果表明,所设计的IBS-SMC是一种符合工程实际的控制方法。     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。利用小生境技术和精英方法改进适应值共享拥挤遗传算法,并将其用于RLV再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。     

基于状态相关模态切换混合估计的航迹预测

针对航空器飞行轨迹预测的随机线性混杂系统估计问题,提出一种状态相关模态切换的混合估计算法(SDTHE). 该算法不仅解决了标准交互式多模型(IMM)算法似然函数为零均值高斯函数假设的缺陷,而且基于实时状态更新模态转移矩阵,使得飞行模态估计更为准确,从而提高飞行轨迹预测的精度. 与标准交互式多模型算法相比,仿真结果表明了所提出算法的有效性和优越性.     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。