【摘 要】
:
由于机会网络具有高度自组织性、移动性、间隙连通性以及网络拓扑结构不稳定等特点,导致传统的网络安全方案无法适用于机会网络。考虑到机会网络中存在恶意节点攻击,这给隐私
论文部分内容阅读
由于机会网络具有高度自组织性、移动性、间隙连通性以及网络拓扑结构不稳定等特点,导致传统的网络安全方案无法适用于机会网络。考虑到机会网络中存在恶意节点攻击,这给隐私保护带来了巨大的威胁。因此,如何保证数据在存储和传输中的安全,是机会网络数据传输中隐私保护的关键技术,具有理论和实际意义。本文提出一种基于模糊身份的负访问控制方案(Negative Access Control Scheme based Fuzzy Identity-Based Encryption,FIBENAC)。该方案假设系统中存在唯一可信的,不必实时在线的密钥生成中心PKG,该PKG为每一个加入网络的用户颁发私钥。同时,使用黑名单用户属性集合来加密数据,使用户可以选择性的排除特定成员访问数据。较传统的数据传输中的隐私保护方案,使用用户自身生物特征的属性信息,可以有效地防止恶意节点伪造属性去转发数据,能更好地提高系统的安全性。论文的主要研究工作:第一,本文根据机会网络的特点,结合密码学原理,研究了几种典型的加密方案,特别是基于身份的加密方案。本文在基于身份的加密方案上,提出了使用模糊身份加密方案,使用用户生物特征的属性信息作为效用值,能有效地防止恶意节点伪造属性转发数据攻击网络。第二,在模糊身份加密方案中加入负访问控制,指定用户的访问权限,使用户可以选择性地排除恶意用户访问数据。该方案由系统初始化、私钥生成阶段、加密和解密阶段组成,并对方案进行了扩展,提出了用户可撤销机制。第三,使用ONE仿真器仿真本文提出的访问控制方案,仿真结果表明,本方案通过与Epidemic、Propicman与IBE-Propicman算法比较,在报文投递率和路由开销方面均有一定的优势,并且未对报文造成明显的平均时延,计算开销比现有的方案稍低。
其他文献
古往今来,为了保证信息的安全性,人们的加密手段不断的更迭,从手工加密到机器加密。但是目前使用的密码大多数基于计算安全性,只能保证密码一定时间内的安全性。随着计算机的计算速度不断的提升和新破译算法的不断提出,破译的时间变得越来越短。尤其是在量子计算机的概念提出后,以计算复杂度为安全性基础的加密方式变得愈发脆弱。针对这一问题,研究人员提出了量子密码系统,通过量子的方式分发密钥,其安全性依赖于量子力学,
21世纪是一个大发展、大变革的伟大时代,人类社会迈向人类命运共同体乃时代发展之必然。伟大时代呼唤伟大理论。习近平人类命运共同体思想正是为解决人类发展的难题而提出的
由于湖盆沉积速度快,陆相富有机质泥页岩表现出强烈的非均质性。针对不同沉积环境的富有机质页岩非均质性研究,本文以东营凹陷FY1井、沾化凹陷L69井、江汉盆地BYY2井及鄂尔多
由于PPP项目能够为政府和私人投资者提供“利益共享,风险共担”的合作伙伴关系,近年来已成为缓解政府债务危机、为社会提供公共产品和服务的新模式。然而PPP项目本身不可避免
数字发射机是一种通过数字处理实现对基带信号调制、上混频,并以开关功率放大器为核心部件放大射频信号的发射机架构,因其功耗低、集成度高、效率高、抗干扰能力强等优点而备
在大数据时代,云计算技术为大数据处理提供了更为便捷的计算环境,使得用户得以专注于计算需求本身而不需要过多考虑计算环境。随着云计算服务在商业市场中的发展,根据已分配的虚拟机作为资源设置的定价模式开始出现。这种新的定价模式使得用户可以自由地定制适合自身需求的资源。对于用户而言,如何为任务选择合适的虚拟机资源设置,使得在满足服务质量(QoS)的情况下,计算所需要的经济开销最小,成为一个困扰他们的新问题。
圆形排样问题指的是:给定一组圆,已知其大小和个数,再给定一个容器,已知其形状,目标是将这组圆不重叠地放到容器中,求容器容积的最小值。这个问题是NP难的,即不能在确定的多项式时间内求得它的解。图像圆点绘制指的是:给定一张图像,根据图像的特征和颜色,在图像区域内摆放合适大小的圆点,使得圆点的排列符合图像的特征,而且它们的颜色能体现原始图像的颜色。本文提出了一种改进区域划分的圆形排样方法,并且研究了图像
在我国实际生活中,关于以物抵债的现象时有发生。但在我国现行法律中缺乏关于以物抵债性质、效力等问题的明确规定,仅在部门规章、行业规范、司法解释、地方法院审理纪要中对
2-D(Two-Dimensional)系统具有多维系统的典型特征,已在过程控制、图像处理、多维信号滤波等领域中广泛应用。在实际控制系统中,非线性是普遍存在的。而且,由于种种原因,系统参数也会存在或多或少的不确定,考虑系统的不确定性是十分有必要的。除此之外,输入饱和特性也广泛存在于现实控制系统中,如果不能有效的解决上述这些问题,就会对系统性能以及稳定性产生极大的威胁。因此,本文针对基于Roesse
近年来,流数据分析已成为数据挖掘领域研究的热点,其发展非常迅速,但当前大多数的流聚类算法都是线性的,在现实世界中这些线性的聚类算法并不能达到令人满意的聚类质量。因此,如何让真实世界中的数据有更高的聚类质量是当前亟待解决的问题。针对上述问题,提出一种基于核方法的高效率聚类算法。首先,利用重要性采样的方法来采集数据流中的子集,并用样本点构造其核矩阵;其次,利用样本点的皮尔森相关系数的计量方法对核矩阵中