DIFC-AC:一种云计算中信息隐私性保护方法

来源 :计算机应用与软件 | 被引量 : 10次 | 上传用户:yexianyang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算这种新的网络计算模式的普及,云用户信息隐私性保护问题成为云计算领域亟待解决的重要问题。当用户将数据上传到云服务器端,用户就不再能保证其数据受到保护。为了让用户对上传到云上的数据进行自主的授权和控制,提出一种基于分布式信息流控制的访问控制方法 DIFC-AC,其核心思想是采用安全标签来跟踪数据的流动,数据所有者通过在标签中设置授权条件来控制进程对该数据的访问权限。提出DIFC-AC原型系统的设计与实现,DIFC-AC保证用户数据在服务器端的整个生命周期的隐私性。性能测试数据显示DIFC-AC
其他文献
随着信息结构的日益复杂,单种聚类算法已经无法满足需求,集成聚类便发挥了巨大的作用。对于不同的划分,当前集成聚类算法都将其视为整体,其过程中会有信息损失。利用局部一致的特性,局部一致性集成聚类算法在非负矩阵分解的框架下得以产生。实验结果表明了该方法的有效性。
介绍一种带钢表面缺陷计算机视觉在线检测系统。系统采用DSP(数字信号处理器)和FPGA(现场可编程逻辑门阵列)相结合的技术,实现对钢板内气泡、夹杂物、结疤、划伤和压痕等缺陷
DV-Hop定位方法用跳距代替测距,而后利用信标节点进行定位。它具有硬件要求低、计算和通信开销不高且容错性能较好的特性,因而被广泛运用到各个定位系统中。但其定位常常受到信标节点摆放位置和噪声的影响,使得定位结果较差。通过对DV-Hop定位过程的分析,利用机器学习中的主成分分析方法处理信标节点随机摆放所产生的复共线性问题,同时可以消除部分噪声,使得未知节点估计值具有较小的均方差,进而提高定位的精度。
为了更准确地评价无参考的JPEG图像的质量,提出一种基于ε-支持向量回归机(ε-SVR)的评价方法。考虑到亮度能更好地反映块平坦度的平坦区域情况,而纹理对块效应失真的影响较大,提出利用亮度对比度对块平坦度加权,纹理复杂度对块效应失真加权,得到更符合人眼特性的综合特征,再采用ε-SVR进行预测得到客观评价值——支持向量回归客观得分(SVROS)。实验结果表明,提取的特征能很好地反映人类视觉系统(HV
局部二元模式LBP(Local Binary Pattern)在纹理分析中具有广泛的应用,然而现有的LBP方法容易受噪声的影响,其鲁棒性并不高。基于此提出一种利用邻域相似度实现图像纹理分类的局部二元模式方法。该方法首先计算邻域内像素点之间的相似性,然后将该信息与现有LBP方法相结合,最后用结合后的特征来描述图像纹理。实验表明,提出的方法与经典LBP方法相比具有较高的纹理分类能力,同时具有较强的抗噪
软件演化过程的时间约束对于演化过程能否按时完成以及如何决策软件演化过程执行路线具有极其重要的意义,而目前的过程建模往往忽略时间因素对于演化过程的约束,致使无法在过程模型中对时间因素进行分析与研究。针对这一不足,同时考虑时延Petri网的时间相关性以及变迁的瞬时性,首先对EPMM(Evolution Process Meta-Model)的过程层进行改进,为过程模型中的条件添加时间权值,提出了一种能