基于区块链的电子投票技术研究与实现

随着互联网、通信技术以及现代密码学技术的发展,电子投票逐渐得到了社会的关注。传统电子投票系统普遍采用中心化的管理方式,存在投票数据不公开透明、用户身份被泄露的风险。基于区块链具有去中心化、不可篡改和公开透明等特点,提出一种去中心化的电子投票方案,采用非对称加密技术实现区块链环境中用户身份真实性验证机制;设计基于以太坊Token的投票权认定方法,避免重复投票,保证选票的有效性和唯一性;使用环签名技术对选票进行加密保护,实现可审计性与隐私保护共存。设计和实现了基于以太坊平台的仿真实现方案,实验表明,该方法能够满足电子投票系统数据公开透明和隐私保护的需求。     

基于双通道的智能合约漏洞检测方法

智能合约因漏洞而造成巨大的经济损失受到了广泛关注。针对现有的智能合约漏洞检测方法检测精度不高的问题,结合动态卷积神经网络(dynamic convolution neural network,DCNN)、双向门控递归单元(bidirectional gate recurrent unit,Bi GRU)、图传递神经网络(message passing neural network,MPNN)、注意力机制提出了基于双通道的漏洞检测方法DBTA(DCNN-BiGRU-MPNN-Attention)。首先利用Word2vec词嵌入技术和图归一化方法对数据进行预处理,将获得的词向量表示传入改进DCNN-BiGRU,并引入了R-Drop(regularized dropout for neural networks)正则化方法提高模型泛化能力。将图归一化表示传入图传递神经网络,通过两个通道分别提取序列特征和图特征,然后结合自注意力机制和交叉注意力机制捕捉不同特征间的相关性,从而突出关键特征对漏洞检测的重要性。最后通过全连接层得到输出向量,利用sigmoid函数输出结果。通过消融实验和对比实验表明...     

基于区块链技术的学籍管理系统

学籍管理是高校信息化建设的一个关键模块,也是社会认证人才的重要依据.区块链技术的出现为学籍管理系统的改进提供了一种全新的思路.区块链本质上是一种分布式记账技术,其去中心化和不可篡改的特性可以保证学籍信息的安全性和真实性.本文以区块链技术、特别是智能合约在智慧校园中的应用为切入点,提出并设计了一种去中心化的学籍信息管理方案,同时基于Fabric框架开发了一个简单的学籍管理系统原型.     

基于区块链的医疗信息系统及智能合约设计

近年来,医院智能化的医疗信息系统建设已经成为每家医院的重要任务,那么从何着手改善,就成了医院信息科要面临的首要问题。该文基于区块链技术对医疗信息系统中的数据进行存储的同时并增加智能合约对患者详细信息进行管理,进一步地改善现有医疗信息管理系统,同时针对当前医疗信息系统管理中面临的多种问题开展了相关实验。实验结果表明,此方法有效且具有较强的实际可行性。     

基于区块链、智能合约和物联网的供应链原型系统

 为利用区块链、智能合约和物联网等新技术的优势,提高供应链信息化水平,设计开发了基于区块链、智能合约和物联网的供应链原型系统。借助物联网中的二维码、RFID和NFC实现供应链各主体数据的自动化上传;利用区块链和智能合约,完整保存了整个供应链各主体的数据,保证了数据公开透明、可追溯且不可篡改,同时兼顾了隐私数据的加密保护;并针对不同用户提供了不同程度的数据查询功能。通过这些优化和改进,使供应链系统更加自动化、更加安全可信,便于监管溯源。     

一种基于区块链的可信捐助方法

传统捐赠平台的中心化管理导致了求助信息和捐赠信息缺乏可信度的问题。区块链具有去中心化和不可篡改的技术特征,为实现去中心化模式下的可信捐助奠定了基础。针对中心化管理模式下的慈善捐赠行业存在的问题,该文提出一种基于区块链的去中心化的可信捐助方法。针对去中心化模式下求助和捐赠数据真实性验证的问题,设计了交易的数据结构,提出了适用于该方案中对交易进行可信管理的双链结构。针对去中心化模式下求助和捐赠交易发布真实性验证问题,提出了基于区块链的求助和捐赠交易发布的真实性验证方法。最后基于以太坊实验平台,仿真实现了该可信捐助方法,仿真测试的结果证明了该方法的正确性以及可行性。     

基于智能合约的物联网权限传递访问控制模型

物联网(IoT)中的传感节点具有海量性、动态性等特点,使得传统的中心式的授权决策访问控制难以满足更高的物联网环境需求。结合基于属性的访问控制模型(ABAC)与区块链技术,利用ABAC中属性和权限相关联的特点及区块链去中心化的思想来解决IoT中设备海量性的问题;同时针对节点接入和权限传递等动态性问题,提出一种基于区块链的新方法来表示资源访问策略,利用智能合约来实现权限的动态传递,将协议策略和权利交换过程展现在链上,任何用户都可以随时知道策略与资源和当前拥有访问资源的权限。通过对比分析和实验结果表明,该架构与现有传统的架构相比,能更有效地解决IoT中设备存在的海量性、动态性的问题。     

基于深度学习的智能合约漏洞检测方法

以太坊是当下最流行的区块链平台之一,目前已部署数千万个智能合约,控制了价值数千亿美元的以太坊加密货币。由智能合约漏洞引起的安全事件层出不穷,资金损失尤为严重。针对当前智能合约漏洞检测率较低、检测性能不足的问题,提出了基于深度学习的智能合约漏洞检测方法。编译以太坊智能合约源码,解析其对应的字节码得到操作码数据流,根据以太坊黄皮书中操作码与16进制数的对应关系构建字典,将操作码数据流转化为用16进制数表示的操作码序列。通过对操作码序列进行分析,设计循环神经网络、长短期记忆神经网络和卷积神经网络-长短期记忆神经网络3种不同的深度学习网络结构进行漏洞检测。在真实环境中采集了47 527个智能合约,针对智能合约6种漏洞的检测,卷积神经网络-长短期记忆神经网络模型的Macro-F1达到了82.1%。大量的实验结果表明,所提出的模型和方法可实现高效的智能合约漏洞检测。     

一种基于流行度和中心度的内容网络社区发现方法

基于近年来发展的社区发现概率模型的可解释性,对现有的性能较好的基于节点中心度和流行度的社区划分链接模型PPL进行扩展,给出了一种新的可以结合节点内容的组合模型PPL-IX2。该模型不但可解决节点属性的选择问题,并可充分利用节点间的链接关系。实验结果表明,新给出的PPL-DC模型优于单纯的链接模型及已有的链接和内容相结合的组合模型。     

融合社区连接信息的网络嵌入方法

网络嵌入旨在学习节点的低维稠密向量,同时保留原始网络的结构和属性信息。现有的网络表示方法大多未考虑网络中的社区信息和社区间的信息,难以有效地学习网络的低维表示。为有效保留网络中的社区信息和社区间信息,提出了一种融合社区连接信息的网络嵌入方法(network embedding based on community connection information,ECCI)。该方法基于不同社区的亲密程度,捕捉网络中社区间的关系;采用自定义游走的方式得到融合局部结构、社区信息以及社区间信息的游走序列;通过Skip-Gram模型得到与之对应的网络嵌入结果。在3个公开数据集的实验结果表明,ECCI相比基准方法在链接预测上的AUC值和F1-Score都有一定程度的提升。     

基于包络分析的装备体系贡献度评估方法

 装备体系贡献度的评估能为装备发展论证、作战试验开展以及作战使用保障提供有效的理论支持。分析了武器装备体系贡献度概念的内涵,总结了现有的装备体系评估的方法,构建了武器装备体系贡献度评估指标体系,给出了基于包络分析法的武器装备体系贡献度评估模型与步骤,进行了算例评估与验证分析。本研究验证了该数学模型的可行性与有效性。     

基于加权谱分析的用户网络社团协作推荐方法

推荐技术是解决信息过载的一种有效方法.为将纷杂的网络世界中人的行为和信息服务粘合在一起,提出了基于网络社团的协作推荐方法.利用加权谱分析提高特征向量的社团划分贡献度,充分考虑社团内用户的评价风格,将社团内用户的评价值依照用户评价偏好进行了均一化处理,最后按项目相似度对目标项目的评价进行预测.实验结果表明该方法具有较好的推荐性能.     

面向装备规划计划的体系贡献率评估方法

当前的体系贡献率研究主要集中在装备立项论证阶段,亟需加强规划计划阶段自顶向下的体系贡献率研究。从体系贡献率主导的装备全寿命周期管理思想出发,提出了包括"作战概念牵引、能力需求主导、价值定位核算、使命手段匹配、能力贡献评估"的五步评估方法,根据装备项目对体系能力差距的满足程度评估项目体系贡献率,并构建体系贡献率配比模型。将体系贡献率评估前推到规划计划阶段,能够加强装备全寿命周期管理的顶层设计和整体指导,克服当前分散式、碎片式体系贡献率研究的不足。     

面向装备规划计划的体系贡献率评估方法

 当前的体系贡献率研究主要集中在装备立项论证阶段，亟需加强规划计划阶段自顶向下的体系贡献率研究。从体系贡献率主导的装备全寿命周期管理思想出发，提出了包括“作战概念牵引、能力需求主导、价值定位核算、使命手段匹配、能力贡献评估”的五步评估方法，根据装备项目对体系能力差距的满足程度评估项目体系贡献率，并构建体系贡献率配比模型。将体系贡献率评估前推到规划计划阶段，能够加强装备全寿命周期管理的顶层设计和整体指导，克服当前分散式、碎片式体系贡献率研究的不足。     

基于边聚类系数的谱聚类社区划分方法研究

针对图谱划分方法在划分社区结构不是很明显的网络时,不能得到好的划分效果,该文提出了基于边聚类系数的谱聚类社区划分方法.由于社区内部节点之间的连接比各个社区间节点的连接稠密,边聚类系数的大小反映了节点的聚集程度,因而通过网络中的边所构三角形的数量定义了聚类系数矩阵,矩阵中的元素即处于网络中的边实际构成三角形的数量.在增益函数最大化的过程中,使用了矩阵的特征值和特征向量,以此来进行社区划分.通过在真实网络数据中进行实验,结果表明该算法可行.     

基于网络距离和内容相似度的微博社交网络社区划分方法

现有的微博社交网络社区挖掘方法多是基于网络结构进行,忽略了节点本身行为的重要性,并且不能同时实现对大规模复杂网络结构适应性和社区挖掘的高效性。为缓解上述问题,提出了一种基于网络距离和内容相似度的微博社交网络社区划分方法,该方法在考虑微博社交网络结构的同时兼顾了网络中节点的历史微博内容,通过对历史微博数据的分析提高社区划分的精确度。文中对Louvain算法和其模块性的修改使用,保证了该方法能够处理大规模网络数据,同时又能保证社区挖掘的效率。实验证明,该方法能够高效地挖掘微博网络社区结构,对学术研究和商业应用都有十分重要的意义。     

电子海图平台下的航线自动设计方法

为优化舰船计划航线设计,提出了一种基于电子海图的自动设计方法.通过追踪安全等深线和处理障碍区,得到可航渡区域.在可航渡区域内,进行路径的可航渡性测试,自动搜索一条安全的最短计划航线,并根据障碍区的动态变化,实时调整和优化航线.实验结果表明,与传统的手工作业方法相比,该方法在效率、经济性、可靠性等方面都具有明显的优势.     

基于BERT-BiGRU-Attention的在线健康社区用户意图识别方法

针对传统用户意图识别主要使用基于模板匹配或人工特征集合方法导致成本高、扩展性低的问题,提出了一种基于BERT词向量和BiGRU-Attention的混合神经网络意图识别模型。首先使用BERT预训练的词向量作为输入,通过BiGRU对问句进行特征提取,再引入Attention机制提取对句子含义有重要影响力的词的信息以及分配相应的权重,获得融合了词级权重的句子向量,并输入到softmax分类器,实现意图分类。爬取语料实验结果表明,BERT-BiGRU-Attention方法性能均优于传统的模板匹配、SVM和目前效果较好的CNN-LSTM深度学习组合模型。提出的新方法能有效提升意图识别模型的性能,提高在线健康信息服务质量、为在线健康社区问答系统提供技术支撑。