【摘 要】
：
现有的以PKI为基础的匿名通信机制很难应用于无信任中心的分布式环境下。基于网络编码技术提出了一种新的匿名通信机制NCBACM。NCBACM利用每个编码节点都对转发信息进行随机编码的思想,将匿名路径信息以及数据消息进行分片、编码、混淆后分散在不同的传输路径上进行传输,在无须加/解密变换的情况下进行匿名路径的建立,同样可以有效地实现节点间信息传输的匿名性。理论分析和仿真结果表明,与只依靠源节点进行编码
论文部分内容阅读
现有的以PKI为基础的匿名通信机制很难应用于无信任中心的分布式环境下。基于网络编码技术提出了一种新的匿名通信机制NCBACM。NCBACM利用每个编码节点都对转发信息进行随机编码的思想,将匿名路径信息以及数据消息进行分片、编码、混淆后分散在不同的传输路径上进行传输,在无须加/解密变换的情况下进行匿名路径的建立,同样可以有效地实现节点间信息传输的匿名性。理论分析和仿真结果表明,与只依靠源节点进行编码的机制相比,新的机制通过增加中间节点的致乱混淆功能,使敌手对窃听到的信息进行数据包分析的难度增大,显著提
其他文献
为了对多目标图像进行有效分割,使用灰色关联分析来衡量像素点间的相似性,并将normalized cut准则推导为双阈值分割准则,最后使用粒子群算法优化该准则,得出最佳的分割阈值。实验表明该方法计算速度快,能有效分割多目标图像。
利用TDD系统上下行信道特征的一致性提取密钥,克服了现行密钥机制需要预分发的弊端,是保障物理层安全的一种新思路。针对宽带系统多径时延满足信道互易性的特点,设计了一种新的密钥生成方案。该方案在多径合并的同时提取各径间的相对时延,并计算相对时延与平均时延的差值生成密钥,具有较强的健壮性。超宽带信道的仿真结果表明,当信噪比等于15 dB时,密钥生成一致性可达95%。
当存在噪声和离群点时,k-medoids算法具有较好的鲁棒性,但是对于大数据集,算法的计算代价比较高。CF树是Birch算法中常用的一种结构,对于大数据集的聚类有较好的可伸缩性,但是对于非球形的数据,聚类结果较差。因此,在两种算法的基础上,提出一种基于CF树的k-medoids算法,先用数据集构建CF树,形成微簇,改进了欧式距离计算式,最后使用k-medoids算法对微簇进行聚类。当数据点较多时,
P2P(peer-to-peer)网络分布式聚类算法是利用P2P网络上各个节点的计算、存储能力以及网络的带宽,将算法的时间复杂度和空间复杂度平摊到各个节点,使处理和分析海量分布式数据成为可能,从而克服传统基于单个服务器的集中式聚类算法在数据处理能力等方面的限制。提出一种基于节点置信半径的分布式K-means聚类算法,该算法通过计算节点上数据分布的密度,找到同一类数据在节点的稠密和稀疏分布,从而确定
提出一种中文合成词识别及分词修正方法。该方法先采用词性探测从文本中提取词串,进而由提取到的词串生成词共现有向图,借鉴Bellman-Ford算法思想,设计了运行在词共现有向图中识别合成词的算法,即搜索多源点长度最长、权重值满足给定条件的路径,则该路径所对应的词串为合成词。最后,采用核心属性渗透理论对合成词标注词性,同时修正分词结果。实验结果表明,合成词识别正确率达到了91.60%,且分词修正效果良
针对SAR图像地面车辆目标方位角估计精度不高、尤其是0°和180°估计误差大的问题,提出了一种地面SAR图像目标方位角联合估计方法。分析了地面车辆目标在不同角度的成像特点和典型目标方位角估计方法的优缺点,通过判断当前目标成像所具有的特点,利用目标阴影特征与目标轮廓特征,并结合目标主轴提取方法和Hough变换方法对SAR图像目标方位角进行联合估计,利用MSTAR目标切片数据对该方法进行了验证实验,绝
讨论了Clifford代数中反射映射和旋转的性质和三维Clifford空间中彩色图像的Clifford傅里叶变换的特点,构造了彩色图像水印圆锥曲面,并证明了水印圆锥曲面应用于彩色图像水印的可行性;提出基于圆锥曲面反射映射的彩色图像盲水印方法,该方法运用简单直观的Clifford反射映射将水印信息嵌入到原始图像中,且水印提取不需要原始图像。实验结果显示,该方法能较好地抵抗多种滤波、加噪、旋转、剪切等
介绍了Tikhonov正则化超分辨率重建算法的基本原理和特点,在原有正则化空域图像复原方法的基础上,根据多帧序列图像之间的互补信息,提出一种改进的正则化空域图像复原的新方法,该算法直接将正则化函数作用于图像超分辨率重建算法的条件概率项内,提高了正则化项的校正效率,并用共轭梯度运算来改善算法的收敛性,节省了图像重建所需的时间。实验和仿真结果表明,与传统方法相比,该算法不仅减轻了图像边缘纹理的模糊性,
“互动”教学模式是当代主流教学策略之一，广西大学公共事业管理专业以互动教学作为教学方式改革的突破口，经过三年的实践，取得了明显成效，本文通过对互动教学实践与实效的研究，提
多姿态人脸识别是模式识别领域的难点之一,针对该问题提出的很多效果较好的算法都有其局限性,不能适应人脸状态多变的特征。在局部线性回归算法(LLR)的基础上,对人脸进行归一化校正,并通过引入一个局部常量因子,对不同水平旋转角度的侧脸进行姿态估计得到其正脸。改进后的LLR算法对人脸识别率有较大改善,这表明采用局部常量化和线性化分析,可以较好地弥补侧脸到正脸变换的非线性信息丢失。