属性盲化的模糊可搜索加密云存储方案

为保护基于属性的密文策略（ciphertext-policy attribute-based encryption,CP-ABE）可搜索加密云存储机制中数据使用者的属性隐私,实现云存储模糊可搜索加密,该文提出一种属性盲化的模糊可搜索加密云存储（attribute blinding fuzzy searchable encryption cloud storage,ABFSECS）方案.数据使用者的每个访问属性被随机盲化,再聚合为一个完整的盲化属性.通过关键字索引集和数据使用者生成的关键字陷门的匹配计算,实现了模糊可搜索加密云存储机制.利用云服务器的强大计算资源,引入预解密操作,减少了数据使用者的计算时间开销.安全性分析表明,ABFSECS方案具有不可伪造性,可抵抗数据使用者与云存储服务器间的共谋攻击,不会泄露数据使用者的属性隐私信息.      

基于Java语言的抽象语法树的创建与遍历

抽象语法树(Abstract Syntax Tree ,AST)作为程序的一种中间表示形式,在程序分析等诸多领域有广泛的应用.利用抽象语法树可以方便地实现多种源程序处理工具,比如源程序浏览器、智能编辑器、语言翻译器等.本文作者介绍了抽象语法树涉及的原理及解释器的设计方案,针对Java语言,利用设计模式理论提出了创建和遍历抽象语法树的思路,并给出较为详细的代码说明.     

复杂产品设计结构模型的节点属性层次研究

分析了复杂产品协同设计过程中的设计信息层次结构与表达方法.根据复杂产品设计时数据量大、多学科优化设计的特点,提出了二级树产品结构模型框架,用于描述复杂产品设计信息层次结构.基于学科分类,将属性节点扩展为属性树,有利于对各类信息的分类存取与管理.提出了两层树状结构的节点属性树.阐述了学科数据层的基本内容,分析了学科数据层与学科协同层的关系映射;提出了二级树结构模型的数据存储结构与节点数据的统一表示方法.实例分析表明,该结构模型有利于实现各学科信息分类管理,能够有效利用学科信息资源,提高复杂产品设计效率.     

一种基于异或运算的属性撤销CP-ABE方案

针对属性撤销CP-ABE方案中密钥更新时属性授权机构与用户之间的通信开销过大及密文更新时云存储中心的计算复杂度过高的问题,本文提出一种基于异或运算的、支持属性级撤销的密文策略属性基加密方案. 在该方案中,属性授权机构先将需要撤销的属性名称、被撤销用户的标识及新的时间参数发送给云存储中心,然后云存储中心根据用户标识和新的时间参数的异或结果与密文的一部分进行异或运算,得到新密文.收到新密文后,正常用户可以利用自己的密钥解密得到原密文,进而得到明文,而被撤销用户则只能使用已撤销属性的新密钥才能解密得到原密文,从而实现属性级撤销. 理论分析和数值模拟表明,在保证系统安全性的前提下,该方案能够减少属性授权机构与用户间的通信开销,降低云存储中心的计算复杂度.     

有限离散属性网络模型及分类搜索方法

记忆是思维的源头，如何高效组织存储信息是机器智能活动的前提，利用神经网络的结构思想、数据库表的映射作用，属性论的事物表达思想构造的属性网络模型能有效组织与存储信息，从根本上解决存储容量和渐进学习问题，使分类搜索变得非常简单。     

有限离散属性网络模型及分类搜索方法

记忆是思维的源头,如何高效组织与存储信息是机器智能活动的前提,利用神经网络的结构思想、数据库表的映射作用、属性论的事物表达思想构造的属性网络模型能有效组织与存储信息,从根本上解决存储容量和渐进学习问题,使分类搜索变得非常简单.     

OMG IDL编译器的构造

研究了ＯＭＧＩＤＬ编译器构造中各阶段的主要路线,介绍了词法分析阶段的文件包含,宏定义与宏展开,条件编译这三类预处理宏的解析方法,语法分析阶段的抽象语法树设计,语法树构造及在语法树构造过程中进行ＩＤＬ名字空间约束的静态语义检查,在低码生成阶段,通过分析分布计算的简要过程,对远程调用参数及结果的传递代码,调用派遣代码的生成环节进行了讨论。     

基于MA-ABE的云存储访问控制方法

针对于跨域云数据访问控制中的安全性和有效性问题,提出了一种基于树访问结构的多授权机构属性加密(Attribute-Based Encryption,ABE)的跨域数据访问控制方法.通过建立分散授权模型,将属性私钥的生成与中央认证机构(Central Authority,CA)分离,由数据属主(Data Owner,DO)和授权机构分别生成并分发属性私钥组件.利用基于访问结构树的控制策略,有效预防了用户之间以及用户和授权机构之间的联合攻击.此外,用户密钥计算无需使用全球唯一标识(Global Identity,GID),支持匿名用户跨域数据访问.最后,利用双线性判定Diffie-Hellman(Decision Bilinear Diffie-Hellman,DBDH)假设理论分析了方案的安全性.研究结果表明,本方案在解密操作和加解密平均时间上具有较高的性能,能够有效地应用于多授权机构并存的云存储环境.     

一种构造数据仓库的扩展时间轮转模型

阐述了抽象属性、广义抽象属性、时间标注、时域和抽象属性的拓展等与扩展时间轮转模型相关的基本概念,描述了扩展时间轮转模型的原理、分类和相关因素,介绍了面向客观主题及面向时间特征的扩展时间轮转模型的构造策略·结合具体实例,从存储效率、数据抽取效率、构造便利性和实用性等多方面分析了时间轮转模型和传统数据仓库模型的优缺点·实践表明,按时间轮转模型构造的数据仓库,对联机分析处理和数据挖掘等技术都有较好的支持·     

静态测试中C／C＋＋抽象语法树的生成

利用GNU提供的标准编译器,通过调用词法分析程序生成了C／C＋＋抽象语法树。基于系统崩溃故障模型的软件进行了静态测试,描述了C／C＋＋抽象语法树及其语法和语义分析的具体方法。     

决策树在配置命令相关性中的应用研究

配置命令的无关联性在进行网络设备的配置时常常容易导致错误.本文通过决策树C4.5算法构造各种配置的决策树,并从中提取有价值的配置命令的分类信息和规则.在提取规则时引入属性相关矩阵老考虑命令之间的联系,并以此进行二次化简.     

一种改进的决策树算法

为解决决策树算法ID3的多值偏向的缺点,利用属性相似度偏向少值属性的特点,提出一种将属性相似度作为信息熵的系数的属性选择标准,从而提出相应的决策树生成算法.实验结果表明,新算法既避免了以信息熵作为属性选择标准的决策树算法的多值偏向,也避免了以属性相似度作为属性选择标准的决策树算法的少值偏向.     

基于属性相似度的决策树生成算法

为寻找最优决策树,对决策树生成方法进行了研究,提出了属性相似度的计算方法,引入了属性相似度,对测试属性进行约简.在此基础上,提出了以属性相似度为启发规则的决策树生成算法.该方法预测精度高,计算简便.     

基于OWL的RB-RBAC策略定义和推理

提出一种基于本体对RB RBAC策略进行定义的方法, 该方法能定义复杂的属性表达式, 并支持多种属性值类型, 可以在策略中直接定义属性值间的偏序关系和角色间的层次关系. 具有不同语法结构的属性表达式也可以比较, 以发现不同授权规则间可能存在的关系. 在推理机的支持下, 除了能够访问控制决策推理外, 还可以判定授权规则间的优先关系, 并发现相关规则间的策略冲突.     

A new synthetical knowledge representation model and its application in data flow diagram

A new synthetical knowledge representation model that integrates the attribute grammar model with the semantic network model was presented. The model mainly uses symbols of attribute grammar to establish a set of syntax and semantic rules suitable for a semantic network. Based on the model, the paper introduces a formal method defining data flow diagrams (DFD) and also simply explains how to use the method. Supported by the National Natural Science Foundation of China Liu Xiang: born in June 1973, MS graduate student     

决策树算法中的连续属性处理方法

决策树是分类数据挖掘的重要方法。C4．5算法延用了经典ID3算法的基本策略,增加了处理连续属性的方法。在C4．5算法的基础上,讨论了新的基于属性变换的连续属性处理方法。该方法基于统计概率信息,依据概率属性的最佳分裂对应分裂连续属性,增加了决策树的分类精度。     

基于Rough集的决策树算法

针对基于Rough集的经典分类算法值约简算法等不适合大数据集的问题，提出了基于Rough集的决策树算法。采用一个新的选择属性的测度——属性分类粗糙度作为选择属性的启发式，该测度较Rough中刻画属性相关性的测度正区域等更为全面地刻画了属性分类综合贡献能力，并且比信息增益和信息增益率的计算更为简单。采取了一种新的剪枝方法——预剪枝，即在选择属性计算前基于变精度正区域修正属性对数据的初始划分模式，以更有效地消除噪音数据对选择属性和生成叶节点的影响．采取了一种与决策树算法高度融合的简单有效的检测和处理不相容数据的方法，从而使算法对相容和不相容数据都能进行有效处理。对UCI机器学习数据库中几个数据集的挖掘结果表明，该算法生成的决策树较ID3算法小，与用信息增益率作为启发式的决策树算法生成的决策树规模相当。算法生成所有叶节点均满足给定最小置信度和支持度的决策树或分类规则，并易于利用数据库技术实现，适合大数据集。     

一种增量式属性约简更新算法

根据关系矩阵表示与计算方法,提出一种基于二叉树的增量式属性约简更新算法,主要考虑对象动态增加情况下属性约简的更新问题.该算法通过快速更新二叉树,在动态求解核的基础上,通过对二叉树进行剪枝,有效地进行增量式属性约简的更新,并就该方法的有效性进行了理论证明与示例分析.     

基于决策树的知识表示模型及其应用

针对数据挖掘过程中的数据库精炼问题,在分析现行属性约简方法的特点和不足的基础上,结合决策树算法操作简单、分类速度快的特点,通过知识的规则化描述以及规则族之间的相似性比较,建立了一种基于决策树的属性约简方法（简记为BD-RED）,讨论了规则族之间的相似性度量的可释化构建问题,给出了BD-RED的具体实施策略,并结合实例分析了BD-RED的性能。结果表明,BD-RED具有良好的结构特征和较强的可操作性,可以有效实现不同决策理念下的属性约简,适合不同类型的大规模数据库的属性约简。