T=题名(书名、题名),A=作者(责任者),K=主题词,P=出版物名称,PU=出版社名称,O=机构(作者单位、学位授予单位、专利申请人),L=中图分类号,C=学科分类号,U=全部字段,Y=年(出版发行年、学位年度、标准发布年)
AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
范例一:(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二:P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016
摘要:在传统的RFID系统中,读写器与后台数据库之间通过有线方式进行通信,一般认为安全,在设计双向认证协议过程中,将两者看成一个整体;而移动支付等新兴产业的兴起,需要运用到移动的RFID系统,即读写器与后台数据库之间不再通过有线方式进行通信,而是通过无线方式通信,从而使得该通信信道不在安全可靠,故在设计认证协议中,不能再将两者看成一个整体,因此传统的RFID系统无法很好的适用于移动支付过程。为解决上述问题,提出一种超轻量的适用于移动RFID系统的认证协议。所提协议采用交叉位运算对所要传输信息进行加密,使得协议能够达到超轻量级别,同时能够一定程度上减少标签端的计算量;标签、读写器、后端数据库通信实体三方需通过认证,才可进行其他操作;加密过程中,随机数的引入,能够保障传输信息的新鲜性,同时增加攻击者的破解难度。安全性分析表明,协议具备较高的安全性,能够确保通信信息的安全;性能分析表明,所提协议具有较少的计算量,具备低成本的特性。
摘要:标签使用过程中,所有权归属者经常发生变更,为保障变更前后不同用户隐私信息安全,文中给出一种基于α算法的超轻量级的所有权转移方案。方案采用一种自定义的α算法实现对信息加密,其α算法基于按位运算设计实现,并结合加密信息汉明重量不同进行不同方向循环移动及取反操作;根据α算法定义,α算法具备较好安全需求,且符合低计算量要求。从性能及安全角度分析多个方案,文中方案确保安全前提下,能够降低整体计算量。
摘要:许多分类方法在低维数据上难以进行分类,但通过核函数扩展到高维空间,可以克服低维数据分类的局限性,并可直接运用于入侵检测。提出了一种基于核表示的协同入侵检测方法,该方法可以看作是传统的基于表示方法的非线性扩展。协同入侵检测方法的主要模块有数据收集器、数据预处理、检测模块和处理模块。实验对比结果表明,提出的协同入侵检测方法具有较高的检测率和较低的时间复杂度。
摘要:针对复杂高维数据的维度约减问题,提出一种鲁棒的无监督维度约简方法。将自适应的图学习和投影学习融入一个联合学习框架,自适应捕获数据的本质局部结构,以此指导模型学习到全局最优的投影;为捕获数据的全局信息,引入一个PCA项,该项的引入能够减少维度约简过程中的信息损失;为选择最重要的特征进行维度约简,引入一个行稀疏约束,增强对于噪声的鲁棒性。在多个数据集上的实验验证了所提方法的有效性。
摘要:针对目前主流的漏洞扫描技术中漏洞库的不完整,本文提出了一种新型的基于OVAL的漏洞检测器,其漏洞库可根据需要扫描系统软件、硬件和配置信息等,并以此确定系统中存在的安全漏洞。此检查器所能扫描的操作系统很多,该篇文章以RedHat为载体讲述工作原理和实现。
摘要:随着网络的普及和发展,校园网环境中存在着各种安全漏洞的风险。传统的漏洞扫描系统通常面临着效率低、覆盖范围有限等问题。本文将介绍一种分布式漏洞扫描系统在校园网环境中的应用。该系统通过将扫描任务分发给多个节点,充分利用校园网的资源,提高扫描效率和覆盖范围。同时,结合校园网特点,采取合理的安全策略和漏洞修复方案,从而有效提升校园网的安全性。
摘要:图像分类算法在各种计算机视觉问题(例如对象跟踪、图像标记和对象分割)中起着重要作用,很多专家也已经提出许多方法来解决这个问题。有一种被广泛采用的一种方法是基于图像的手工设计特征表征图像。不过,深度神经网络的最新研究进展表明其具有学习更多区分性和代表性特征的能力。因此,深层特征已成为手工设计特征替代方法之一。提出一种基于深度特征和KNN随机森林的无失真图嵌入的新颖框架。对于图像分类任务,该方法优于基于最新图形嵌入的图像分类方法。特别是,对于5类的ImageNet数据集,提出的框架获得96.1%的top-1图像分类精度,而对于10类的框架,则达到了92.3%。
摘要:本文为了更精确地分析人民群众的法律服务需求,提高法律服务的质量以及舆情数据的分析,设计了一个数据管理系统,系统对目前各大法律服务平台的语音数据进行转写以及对转写后的内容进行分析、挖掘,提供可融入日常工作的公共法律服务智能语言数据管理系统,实现对语音数据价值最大化,最大程度帮助帮助政府决策者。
地址:宁波市钱湖南路8号浙江万里学院(315100)
Tel:0574-88222222
招生:0574-88222065 88222066
Email:yzb@zwu.edu.cn