轨迹数据的分析与查询在移动数据管理、位置服务等领域具有十分重要的应用价值。为提高海量多元轨迹数据的分析和挖掘效率,提出一种新的多元轨迹数据索引方法MTSAX,并给出一种多维空间编码方法:GeoWord编码,在iSAX索引框架的基础上,设计移动对象轨迹索引方法。在真实轨迹数据集上的实验结果表明,与传统基准方法相比,MTSAX具有更好的轨迹查询性能。
现有突发事件检测方法多数未考虑事件的重要性,且以孤立的方式看待事件的突发时间域和空间域。为此,提出一种基于时空要素综合分析的突发事件检测方法。引入数据立方体结构存储事件词,通过基于语义相似性的实时事件聚类算法抽取出重要事件。根据TFIDF计算事件在时空维度上的出现权重,给出有限状态机-高斯分布模型识别时空突发事件。实验结果表明,该方法能够有效地识别出事件的突发时间段和突发区域,与现有突发事件检测方法相比,检测突发事件的准确率更高。
目前针对移动应用的安全评估方法多数关于漏洞收集和恶意样本行为的关联挖掘,难以应对移动应用快速增多的现状。为此,将安全漏洞和攻击威胁作为节点,基于攻击图的方式构建移动应用安全威胁评估模型。使移动应用的安全漏洞和攻击威胁基于关联性相互连接,在评估移动应用的安全威胁时量化漏洞风险值并考虑其关联性对评估结果的影响。实验结果表明,该模型能够提高移动应用安全威胁评估的准确性,并且适用于大规模移动应用模型的构建,具有良好的可扩展性。
现有近似邻居集选取方法存在分类较粗、标签缺失等问题,在移动服务方面无法取得较好的效果。为此,提出一种有效的近似邻居集选取方法。通过改进短文本相似度计算方法,基于服务介绍内容,求出移动服务之间的相似度,根据服务相似度,改进用户相似度计算方法,得到用户之间非对称的有向相似度,给出分步筛选法,解决由于冷启动等原因引起的目标用户近似邻居集数量庞大的问题。实验结果表明,该方法的准确率高于关键词重叠法和余弦法。
基于量子图像的柔性表示法,提出一种安全的量子水印协议,借助连分式算法以加强水印图像的不可见性。在协议执行过程中,只有产权方才能提取和恢复水印,既保证了水印图像安全,又提供了有效的版权证明。实验结果表明,相比传统水印协议,该协议的水印图像尺寸达到最大,并且嵌入容量提高了8倍,能够更好地度量协议执行的计算负载性能。
传统的端口号与深度包检测分类技术已不能满足网络中各类应用的分类要求,无法进行准确分类。为此,提出一种基于半监督学习的马尔科夫模型网络流量分类算法。利用流之间的相关性构建马尔科夫模型,采用密度计算的方法估计聚类的中心点,通过KL距离计算中心点与样本之间的相似度,将样本划分到不同的应用类型中。使用马尔科夫模型提取特征参数,用以识别流量应用类型,并提高准确度,解决传统的基于半监督学习的流量分类方法依赖不稳定聚类算法的问题。实验结果表明,使用该方法机器学习得到的网络流量分类器可以取得理想的分类效果。