【摘 要】
：
近几年来,智能家居产业和研发正在呈指数级增长,但传统的安全策略往往不适用于智能家居设备.由于目前智能家居设备普遍具有分散拓扑网络和自身资源受限的特点,智能家居设备在身份认证和密钥管理等方面存在巨大安全风险.针对以上问题,提出一种新型的智能家居设备门限群签名方案.该方案将SM2密码算法和门限群签名技术相结合,可实现设备的安全可靠认证,并大大提高密钥在使用过程中的安全性.同时证明了系统的正确性和安全性,包括匿名性、可追踪性和保密性.最后对系统进行仿真测试,结果表明该在满足安全特性的前提下该系统表现出良好的性能
【机 构】
：
西安电子科技大学综合业务网国家重点实验室 陕西 西安710071
论文部分内容阅读
近几年来,智能家居产业和研发正在呈指数级增长,但传统的安全策略往往不适用于智能家居设备.由于目前智能家居设备普遍具有分散拓扑网络和自身资源受限的特点,智能家居设备在身份认证和密钥管理等方面存在巨大安全风险.针对以上问题,提出一种新型的智能家居设备门限群签名方案.该方案将SM2密码算法和门限群签名技术相结合,可实现设备的安全可靠认证,并大大提高密钥在使用过程中的安全性.同时证明了系统的正确性和安全性,包括匿名性、可追踪性和保密性.最后对系统进行仿真测试,结果表明该在满足安全特性的前提下该系统表现出良好的性能.
其他文献
Stack Overflow是一个计算机编程领域的问答社区,其中的文本蕴含大量有价值的信息可供挖掘,但由于其本身存在大量的错误词汇,给文本的分析造成影响.对此,提出一种词语自动检测纠错算法,通过词向量的技术以语义相似度为核心,对错误词汇进行分析,结合改进的编辑距离算法对文本进行自动检测纠错.实验结果表明,该算法能够对诸如此类专业性较强的领域主题文本进行自动检测纠错,并且能够较好地还原标准文段用词.
针对现有图像增强算法中存在过度增强和欠增强、边缘光晕效应、由于细节增强导致信噪比降低等问题,提出一种基于多级直方图形状分割的图像对比度增强技术.利用引导图像过滤器将图像背景和细节分离,避免边缘过度增强带来的光晕效应;利用多级直方图形状分割方法,将直方图中出现频率相近的强度值区域分割出来,实现图像背景的个体均衡化;采用自适应细节增强方法在增强细节的同时抑制均匀区域中噪声,保持图像的信噪比.实验结果表明,与其他算法相比,该增强方法的效果更优,能够有效避免图像增强中常见的不利问题,同时产生足够的整体增强效果.
聚类是将物理或抽象对象的集合分成由类似的对象组成的多个类(簇)的过程.同一个簇中的对象彼此相似,而不同簇中的对象差异较大.以基因表达式编程算法为基础,结合新设计的广义聚类代数算子和目标优化函数,提出一种基于基因表达式编程的多目标自动聚类算法(MAGEP-Cluster).该算法不仅可以自动确定最优聚类的数目,还可以同时基于簇内数据紧凑性和簇间数据连通性两个指标实现数据的有效划分.在三个人工数据集和五个UCI数据集上的实验结果表明,与GEP-Cluster、MOCK和VAMOSA等算法相比,MAGEP-Cl
根据图上节点所在位置与邻居节点特征,可以使用不同策略为每个图上节点进行区间编码,基于区间编码,许多在大型图上的应用如知识图谱查询、智能问答等的处理可以加速或得到准确性上的提升.针对此种情况,提出一种基于树分解算法的图上点区间编码方法,并在大型知识图谱上通过智能问答歧义消除的应用验证该方法的有效性.实验结果表明,该方法能够有效地表达出图上节点的位置特征,并帮助智能问答中的实体消除歧义.
为了提高动态网络链路预测准确率,从网络结构微观演化角度,提出基于模体演化的多因子动态链路预测方法(MFME).在动态网络时间窗口划分优化的基础上,引入整合移动平均自回归模型构建预测模体演化的概率矩阵,综合考虑模体演化影响因子及模体演化概率,可获得任意节点间的连接边概率.在真实数据集的实验表明,所提方法能达到更好的链路预测效果.
传统数据降维算法分为线性或流形学习降维算法,但在实际应用中很难确定需要哪一类算法.设计一种综合的数据降维算法,以保证它的线性降维效果下限为主成分分析方法且在流形学习降维方面能揭示流形的数据结构.通过对高维数据构造马尔可夫转移矩阵,使越相似的节点转移概率越大,从而发现高维数据降维到低维流形的映射关系.实验结果表明,在人造数据以及真实数据的线性降维中,该算法降维效果与主成分分析算法相当而局部线性嵌入失败;在流形学习降维中,该算法与局部线性嵌入基本相当而主成分分析算法完全失败.
压缩感知利用信号的稀疏性通过求解欠定线性系统的解来有效地重建信号,其稀疏性要求信号在某个域中是稀疏的.压缩感知理论认为一般情况下,信号的相关性越小,恢复算法的性能越好.求解压缩感知问题的方法有贪婪追踪、凸松弛方法、迭代收缩等算法,以及贝叶斯框架、置信传播等.从欠定线性矩阵方程角度讨论压缩感知问题,通过两种不同量测矩阵(谱库)的具体数值实验,重点研究了OMP、LARS和StOMP三个稀疏恢复算法在混合光谱解析时的性能和存在的问题,并给出相应的优化建议.
针对传统协同过滤推荐算法推荐精度较低等问题,提出一种基于贝叶斯后验概率预测和非合作博弈的个性化推荐算法.采用文件主题模型求取用户与其参加过的所有社交活动的主题分布,利用隐含主题概率分布表征用户兴趣度,根据信任传递机制求取用户的直接信任和间接信任,形成用户间的信任度;将用户的兴趣度和信任度等隐式特征赋予合理的先验分布,利用贝叶斯后验概率预测隐式特征后的显式反馈;依据显式反馈将推荐结果转化为非合作博弈中用户效益最大化的纳什均衡求解.仿真对比实验表明,与其他三种推荐算法相比该算法的查准率至少提高了3.13％,查
近年来以恶意域名为依托的网络攻击事件频发.针对主流检测方法识别DGA(Domain Generation Algorithm)变体域名面临的训练数据受限和时效性不足问题,提出一种基于改进WGAN模型的伪DGA域名生成方法.将skip-gram和WGAN结合,通过skip-gram完成域名有效转换,WGAN模型深度挖掘数据编码中包含的特征,学习并生成伪DGA域名.为验证模型生成数据的有效性,采用多种机器学习方法对生成的域名进行有效性评估.实验结果表明,基于此模型生成的数据具备原数据的特性,可以模拟真实域名用