摘要:针对现有无证书云审计方案中,使用了幂指数、双线性映射、点哈希映射等大开销运算,导致审计效率不高的问题,本文提出一种高效的无证书云数据完整性验证方案。方案在密钥生成阶段,使用无证书签名技术,由密钥生成中心(key generating center, KGC)与用户合作生成用户的公私钥,能够避免审计系统的安全对于KGC安全的强依赖性,既解决了公钥基础设施(public key infrastructure,PKI)体制下的云审计方案中公钥证书管理复杂的缺点,又能够解决基于身份的云审计方案所固有的密钥托管问题。在数据预处理阶段,用户将数据加密、分块,保护了数据内容隐私,且降低了方案的计算与通信开销。在数据动态更新阶段,方案使用虚拟索引数据结构实现云端数据块的动态更新(插入、删除、修改),能够避免标签重复计算导致的额外计算开销。在数据审计阶段,由第三方审计者(third party auditor,TPA)代替用户对来自云端的完整性证据进行验证,能够减轻用户的计算负担。本文在安全性分析部分,证明了方案能够抵抗来自云端的替代攻击,可实现隐私保护,且能够抵抗两类敌手的伪造攻击。在方案性能分析部分,先对本方案和现有方案进行数值分析与对比,再利用JPBC库进行实验,结果表明本方案的计算开销明显降低。
摘要:为了在多源、异构、海量的网络威胁入侵告警日志中快速准确定位到高优先级、亟需处理的攻击者IP并构建其特征,缓解安全分析人员的告警疲劳,提高安全运营效率,提出一种基于集成学习的局部异常因子(ensemble based local outlier factor,EBLOF)算法的攻击者IP分析系统。一方面,该系统通过提取和归并范式化的网络安全告警日志,从攻击者IP的属性维度和攻击行为维度构建特征工程,并借鉴集成学习的思路和传统异常检测算法LOF,构建了鲁棒的EBLOF算法模型,进而发现高威胁的攻击者IP。另一方面,该系统针对机器学习模型难以在线更新的问题,通过批量实时学习技术构建了一套在线学习的架构,从系统架构层面而非算法层面确保模型能够在线更新。将本文提出的算法模型在公共异常检测数据集ODD上开展模型的训练,并对模型的检测效果进行实验验证。实验结果表明,本文模型在不同数据分布下相比原始LOF模型具有更好的鲁棒性。将本文所提的系统应用在真实攻防场景中,通过与安全分析人员进行检出对比分析,验证了所提系统的有效性和可行性。
摘要:针对滚动轴承实际变工况条件使得新工况样本的类标签很难甚至无法获取,导致故障诊断准确率较低的问题,提出基于类间排斥松弛判别迁移学习(inter-class repulsive slack discriminant transfer learning,IRSDTL)的故障诊断方法。在提出的IRSDTL方法中,首先,构造非负扩展松弛矩阵,将严格二进制标签矩阵转化为扩展松弛标签矩阵,增加辅助域中不同类标签向量之间的距离,同时使公共子空间维数不再局限于类标签的数量,进而减少辅助域分类误差,提高IRSDTL方法的泛化能力;其次,引入联合分布差异,减小辅助域和目标域之间的差异,以更好地实现两域的跨域迁移学习;然后,构造类间排斥力项来增大两域中某类标签子域样本到其他类标签子域样本之间的距离,以促进类判别学习;最后,采用交替方向乘子法(alternating direction multiplier,ADM)对IRSDTL的整体框架进行优化,便捷地得到IRSDTL参数的最优解。根据以上步骤,IRSDTL方法能在新工况样本的类标签不存在的情况下,仅利用历史工况中的有标签样本对新工况待测样本进行较高准确率的类判别。滚动轴承故障诊断实验结果表明:所提出的基于IRSDTL的故障诊断方法具有比其他4种迁移方法更高的故障诊断准确率;同时,所提出的方法将3类故障误诊为正常状态和将正常状态误诊为3类故障的误诊率都很低,从而验证了所提出方法的有效性和实用性。
摘要:由于螺纹复杂的几何结构,在对螺纹部件进行有限元分析时,螺纹部件的内外螺纹面往往难以啮合,常造成螺纹结构有限元建模困难、模型数值计算收敛性差等问题。本文基于垂直于螺纹轴线的任意横截面几何形状相同的事实,选取国际标准化组织(International Organization for Standardization,ISO)制定的标准螺旋线公式,采用3维8节点单元,精确建立了螺纹连接件有限元模型。该模型不仅考虑了螺纹螺旋升角对模型的影响,且模型中组成每个节距的单元层排列整齐,每层单元上的节点编号分布有序,内外螺纹面上的节点相互贴近。这些特质使得模型能够准确映射工程中螺纹连接结构的力学特性,优化模型数值计算收敛性,便于对模型数值计算结果开展力学剖面分析。为验证本文螺纹连接结构有限元建模方案的有效性,首先,在理论分析方面对螺纹连接结构中拧紧转角与轴向力的关系和螺纹连接结构中轴向力的分布进行了计算推导,并以M12标准螺栓为例,计算其轴向力分布。然后,通过数值模拟的方法先后验证了该螺纹连接结构拧紧转角和轴向力关系与理论分析结果的一致性、M12螺栓的轴向力分布与理论计算结果的一致性、螺纹齿根处应力集中系数状态与实验结果的一致性,以及应力分布和塑性应变分布与实际工程测量的一致性。基于螺纹连接结构有限元模型生成的方案开发了一款螺栓螺母有限元参数化建模软件,软件可根据输入的螺纹直径、节距数量等参数快捷地查看和生成不同型号的螺栓螺母3维有限元模型;在工程分析和优化设计中,使用该软件既避免了设计人员繁琐的重复劳动,又提高了设计精度和工作效率,能更好地满足实际工程需要。
摘要:传统推荐模型存在数据稀疏、鲁棒性较低问题,且未能有效挖掘异构特征间的深层语义。为解决以上问题,提出相关性视觉对抗贝叶斯个性化排序(correlation visual adversarial Bayesian personalized ranking,CVABPR)推荐模型。首先,基于MovieLens数据集中的电影标题,在互联网电影资料库(Internet movie database,IMDB)爬取对应电影海报图像,构建全新多模态数据集MovieLens–100k–WMI和MovieLens–1M–WMI。其次,基于SENet模型提取一组具有互补性的异构特征,准确描述电影海报图像。然后,改进聚类典型相关性分析模型,深入挖掘异构SENet特征间的聚类典型相关性特征;基于该相关性特征优化视觉贝叶斯个性化排序模型,精准刻画待推荐电影。最后,在推荐模型中加入扰动因子,通过对抗学习来增强推荐模型鲁棒性,使推荐更稳定,生成高质量推荐结果。为验证CVABPR模型,在多模态数据集上完成实验,结果表明:CVABPR模型在这两个数据集上都有效,在MovieLens–100k–WMI数据集上,其推荐的平均精度均值(mean average precision,MAP)较最强基线提升3.802%;在MovieLens–1M–WMI数据集上,其推荐的MAP指标较最强基线提升4.609%。CVABPR模型优于主流基线。消融分析实验表明:相比聚类典型相关性,对抗学习在推荐中发挥更重要的作用。此外,在数据稀疏度更高的MovieLens–1M–WMI数据集上,CVABPR模型能获得更大幅度性能提升,数据稀疏问题得到有效缓解且异构特征间的深层语义也得以充分利用,CVABPR模型已具备较强鲁棒性。