布朗运动的最大值和阶梯期权

在奇异期权定价中经常遇到具有漂移的布朗运动的最大值问题，通过布朗运动的反射原理和Girsanov定理给出了在有限[0，T]区间上的具有漂移的布朗运动的最大值分布及其与终值的联合分布．然后把其应用到阶梯期权，得到了阶梯期权封闭形式的解．     

一类非局部扩散方程解的局部存在性和唯一性

主要研究了一类非局部扩散方程解的局部存在性和唯一性.由于非局部扩散的特殊性,采用Banach不动点定理分别得到了Cauchy问题,Dirichlet和Neumann初边值问题下解的局部存在性和唯一性.     

混合分数阶p-Laplace算子方程积分边值问题的多解性

研究了一类同时具有Riemann-Liouville导数和Caputo导数的混合型分数阶p-Laplace算子方程在Riemann-Stieltjes积分边界条件下的正解的存在性。根据Riemann-Stieltjes积分性质,建立了边值问题具有多个正解存在的结论。分别运用不动点定理和单调迭代方法证明了所得结论的正确性,并建立了求解此类边值问题的近似解的迭代序列。最后给出实例用于说明所得结论的适用性。     

可证明安全的射频识别双向认证协议

由于射频识别系统中读写器和标签是在不安全的无线信道中进行通信,而且随着移动读写终端的出现,使得读写器和服务器通信也不安全,容易受到假冒攻击、窃听攻击、中间人攻击等安全威胁,针对此问题提出了基于中国剩余定理的射频识别双向认证协议。该协议利用对称加密、模运算等方式提高信息传输的安全性,引入时间戳来抵抗中间人攻击,并利用中国剩余定理对各方进行认证,最后采用随机更新密钥的方式进行密钥更新,并通过形式化证明的方法和常规攻击分析的方式来验证协议安全性。将该协议与其他协议进行安全性、计算量和存储量的比较,结果表明:文中协议安全性高、计算量小且存储量适中,在射频识别领域安全方面具有一定的应用价值。     

R~N中一类临界非局部问题的正解和无穷多对解

研究如下一类带临界指数的非局部问题:{-(a+b∫_(R~N)(|▽u|)~2dxΔu=μ(|u|)~(2~*-2)u+λf(x)|u|~(q-2)u x∈R~N u∈D~(1,2)(R~N)烅烄烆)其中a≥0,b,μ0,N≥4,1≤q≤2,2*=(2N)/(N-2),系数函数f∈2*/L~(2*-q)(R~N)满足一定的条件.当1≤q2,N≥4时,利用变分方法和临界点理论获得了该问题的无穷多对解;当q=2,N=4时,利用山路引理获得了该问题的1个正解.     

一类区域分数阶Schrdinger方程的基态解

用变分方法研究了区域分数阶Schrdinger方程(-Δ)_ρ~αu+V(x)u=f(x,u)x∈R~N,u∈H~α(R~N)获得了该方程基态解的存在性.     

考虑表面应力的微悬臂梁质量传感器的建模与仿真

为了考虑悬臂梁谐振器表面吸附层或者不同材料涂层引起的表面应力的影响,进而提高质量传感器的精度和性能,基于瑞利-里兹法提出了考虑表面应力的悬臂梁质量传感器的理论方法.在悬臂梁振动的控制方程中引入应力系数对其振型函数进行修正,并系统地分析对悬臂梁振动频率的影响,再根据瑞利法建立微悬臂梁质量传感器的理论模型.应用该方法,纳米颗粒的位置和质量可以通过颗粒吸附前后悬臂梁的频率移动来精确确定.该方法的准确性和可行性通过有限元仿真进行了验证.     

货币账户带时滞的期权定价

在股票价格过程和货币市场账户均受时滞影响时,利用无风险对冲原理和鞅定价原理,得到了标准欧式期权的价格公式.研究表明,时滞对期权价格公式有明显的影响.     

Privacy Quantification Model Based on the Bayes Conditional Risk in Location-Based Services

The widespread use of Location-Based Services(LBSs),which allows untrusted service providers to collect large quantities of information regarding users’locations,has raised serious privacy concerns.In response to these issues,a variety of LBS Privacy Protection Mechanisms(LPPMs)have been recently proposed.However,evaluating these LPPMs remains problematic because of the absence of a generic adversarial model for most existing privacy metrics.In particular,the relationships between these metrics have not been examined in depth under a common adversarial model,leading to a possible selection of the inappropriate metric,which runs the risk of wrongly evaluating LPPMs.In this paper,we address these issues by proposing a privacy quantification model,which is based on Bayes conditional privacy,to specify a general adversarial model.This model employs a general definition of conditional privacy regarding the adversary’s estimation error to compare the different LBS privacy metrics.Moreover,we present a theoretical analysis for specifying how to connect our metric with other popular LBS privacy metrics.We show that our privacy quantification model permits interpretation and comparison of various popular LBS privacy metrics under a common perspective.Our results contribute to a better understanding of how privacy properties can be measured,as well as to the better selection of the most appropriate metric for any given LBS application.     

拉格朗日中值定理的证明及应用

中值定理是微分学的基本定理,是应用导数研究函数在区间上整体性态的有力工具,其中拉格朗日中值定理是核心内容.给出拉格朗日中值定理的三种证明方法及其在级数散敛性方面的应用.