【摘 要】
：
智能卡具有可以存储用户个人信息、进行低能耗计算的特点,经常被应用于对移动用户的远程认证场景中。针对移动用户和服务器交互的信息在公开信道上传递可能会泄露用户隐私的问题,提出一个不带有双线性对的无证书认证方案。该方案在智能卡与移动设备之间建立绑定关系,避免了智能卡被盗用的危险,同时能抵御伪造和重放等常见攻击。与同类方案比较,在保持安全性的前提下需要更少的计算量和通信消耗。
论文部分内容阅读
智能卡具有可以存储用户个人信息、进行低能耗计算的特点,经常被应用于对移动用户的远程认证场景中。针对移动用户和服务器交互的信息在公开信道上传递可能会泄露用户隐私的问题,提出一个不带有双线性对的无证书认证方案。该方案在智能卡与移动设备之间建立绑定关系,避免了智能卡被盗用的危险,同时能抵御伪造和重放等常见攻击。与同类方案比较,在保持安全性的前提下需要更少的计算量和通信消耗。
其他文献
分析了细菌觅食优化（BFO）算法的基本原理，为了改善算法局部搜索能力突出而全局搜寻能力欠佳、算法结构复杂等缺点，在BFO算法的复制操作中引入Levy飞行机制，并将算法的迁徙操作移入
在基于构件的软件开发过程中,检索和提取满足用户需求的构件已成为目前研究重点。在构件库的效率优化方面,主要包括构件检索效率和构件理解效率的优化。利用数据挖掘中基于拥挤因子的改进蚁群算法来优化构件的复用规则,从而提高复用者对于所需构件选取的准确性。通过实验证明,该方法挖掘出来的构件复用规则准确率为75.3%,高于Apriori算法和蚁群算法,对于构件的检索和选取提供了较好的决策支持。
针对连续属性朴素贝叶斯分类器不能有效利用属性之间的条件依赖信息,而目前所进行的依赖扩展更关注效率,这使得扩展后分类器的分类准确性还有待提高等问题,使用高斯密度估计属性密度,将属性排序、分类准确性标准与属性父节点的贪婪选择结合,综合考虑效率和分类准确性,对朴素贝叶斯分类器进行依赖扩展,建立一阶贝叶斯衍生分类器,并对属性分类提供的信息进行分析。实验结果显示,基于高斯密度的一阶贝叶斯衍生分类器具有良好的
从海量的在线评论中挖掘重要评论是帮助消费者快速决策的关键。基于复杂网络理论,以评论内容为网络节点,评论间的语义相似度为链接的权重,构建在线评论网络,通过分析评论网络的全局统计数据,论证了所构建网络的合理性;依据评论网络中的社区结构特性,划分面向主题的评论网络社区;并基于PageRank网页排序算法,在结合复杂网络节点重要性评价方法的同时,结合社区属性,构建重要评论的多属性决策方法。通过仿真实验验证
针对一些批处理过程中,如同步批轨迹处理和多峰分布等问题,提出了一种基于统计模量(statistics pattern analysis,SPA)分析连续过程的故障诊断方法。FD-SPA和MPCA的显著差别是前者的监测对象是批次变量的统计特征,而后者监控过程变量。MPCA通过分析过程变量的方差—协方差进行故障检测,在SPA中,既要统计过程变量的均值与方差,又要统计过程变量间的协方差结构、偏度、峭度、
研究了具有多属性能力的agent复杂联盟生成问题。首先从能力分类的角度,给出了agent及联盟的能力向量的形式化描述,并建立了复杂联盟生成问题的模型;然后提出了基于二阶段修正的PSO算法的求解框架,采用面向可加能力分配的整数编码策略,每次优化过程分两个阶段对约束进行处理。第一阶段通过粒子编码修正过程处理可加能力约束,生成初始联盟;第二阶段针对可并能力约束,提出了一种具有多项式时间复杂度的算法,生成
针对稀疏子空间聚类(sparse subspace clustering,SSC)和低秩子空间聚类(low rank subspace clustering,LRSC)这两种子空间聚类方法的聚类准确率和稳定性不够高,提出一种基于重建系数的子空间聚类融合算法(reconstruction coefficients based subspace clustering combination algor
传统的演化聚类算法大多是基于单个时间截面进行问题求解,对于多时间截面的融合问题尚无有效的处理办法,造成了大量的知识浪费。从时间平滑框架出发,借鉴组合聚类思想,提出一种基于加权联合矩阵的演化聚类算法(WCEC)。实验表明,该方法不仅简单有效,而且对于数据点变化的演化情况具有较高的扩展性。
在对传统的卫星信号捕获算法分析的基础上,提出了一种惯性导航系统(INS)辅助的基于部分匹配滤波器和快速傅里叶变换(FFT)相结合的捕获算法。在此算法中,利用惯性导航设备提供的信息计算多普勒频率,通过部分匹配滤波器和FFT相结合的算法并行搜索载波频率和码相位。该算法不仅能缩小多普勒频率的搜索范围,而且能够快速搜索码相位。仿真结果表明,此算法能够在高动态环境下成功捕获COMPASS卫星信号,并且明显减
对智能交通系统中面向分布式数据流的频繁模式挖掘问题进行了研究。针对智能交通系统中传感器网络数据流的特点,提出一种基于分布式窗口树的分布式数据流闭频繁模式挖掘方法。该方法在分布式节点中构建分布式窗口树,通过对分布式窗口树进行更新、剪枝及挖掘,能够快速响应用户的查询请求,返回任意时间窗口内数据中的闭频繁模式。实验表明,在保证挖掘准确性的前提下,该方法能够有效缩短查询响应时间,并具有良好的可扩展性。