摘要：针对分布式数据存储结构的协同过滤推荐隐私保持问题,以可交换的密码系统为主要技术,设计了一个协议,集中解决其核心任务——在保持用户隐私前提下对项目评分.准确度与数据集中存放一样,但能保持各分站点下用户评分数据的隐私.基于安全多方计算理论和随机预言模型,证明了协议的安全性,分析了协议的时间复杂度和通信耗费.

摘要：针对电子商务推荐系统本质上要解决的三个问题———数据源、数据模型和推荐策略,结合最新报道的相关推荐系统,提出并在实验室条件下实现了一个推荐系统原型。为提高该推荐系统的的通用性,采用顾客购买历史这种数据源格式,而不是常见的用户评分数据;另外,为保证产生足够的推荐结果并提高其质量,用关联规则和序列规则结合的方法来构建推荐系统引擎,并设计了一个基于一次表扫描时间的推荐策略。最后,从定性和定量两方面说明该推荐系统效率高,有更好的推荐质量。

摘要：结合制造业和金融业两个不同行业的ERP系统的业务逻辑,对比过去一些企业信息系统的设计模式和系统框架,提出了一种新型的、通用的,可重构ERP系统模板GR_ERPM(General,ReconstructedERPModel),它规范和加速了ERP系统的开发和实施过程。通过在实际项目中的应用,证明它可以科学有效地指导企业ERP系统的开发,提升系统的可靠性、可重用性和可移植性,并且大大提高企业的经济效益。

摘要：获胜者确定问题是组合拍卖机制的核心问题·因此,对基于OR与XOR标集的获胜者确定问题建立了0-1规划模型,并且提出了免疫算子与单亲算子相结合的启发式算法·提出多个启发式规则以扩大标比较范围,并应用在预处理中缩减解空间·设计了多个评价函数评估标的优劣,从而将特征知识引入到免疫算子中·仿真实验表明,对大规模问题的求解具有良好的寻优效率和求解质量,免疫算子对达优率和收敛速度都有着明显的提升作用·

摘要：隐私保持的离群点探测是隐私保持数据挖掘研究的一项重要课题,致力于在保证参与方隐私的前提下进行离群点探测.研究参与方大于或等于2的情况下的隐私保持离群点探测.设计了两个协议,分别针对数据水平分割存储和垂直分割存储的情况进行隐私保持离群点探测.两个协议都使用了一个特殊的概率公钥加密系统,并引进茫然第三方.基于安全多方计算理论,证明了协议的安全性.分析了协议的时间复杂度和通信耗费.与以前的工作相比较,设计中引入了一个茫然第三方参与,协议更加简洁,而且有更好的时间和通信性能.

摘要：在STUN、TURN协议的基础上,提出了一种基于UDP穿越NAT的全面解决方案,利用信令媒体全代理的思想,同时结合TESTNAT检测技术,以便动态发现当前网络状况,选择最快捷的穿越方式,大大提高了系统运行效率。该解决方案已在Redhat平台上进行实现。经测试,不仅功能完备、性能稳定,而且不需升级现有NAT设备,可扩展性好。

摘要：推荐质量低是协同过滤推荐技术面临的主要难题之一.数据集的极端稀疏是造成推荐质量低的主要原因之一.常见的降维法和智能Agent法虽然某种程度上能缓解这个问题,但会导致信息损失和适应性等问题.设计了一个新的协同过滤算法,根据用户评分向量交集大小选择候选最近邻居集,采用BP神经网络预测用户对项的评分,减小候选最近邻数据集的稀疏性.该算法避免了降维法和智能Agent法的缺点,而且实验结果表明,该方法能提高预测值的准确度,从而提高协同过滤推荐系统的推荐质量.

摘要：隐私保持的数据挖掘研究致力于在保证用户隐私的基础上,准确、高效地进行数据挖掘工作.奇异点探测是数据挖掘领域一个很著名的任务,广泛应用于金融、电信等行业的欺诈分析中.研究分布式数据存储环境中,如何进行隐私保持的基于距离奇异点探测问题.利用了基于距离奇异点计算公式的一些特殊性质,使用一个特殊的概率公钥密码系统作为核心加密技术,设计了一个安全多方计算协议,在保证各参与方满足预定义的安全性基础上,准确地进行奇异点探测.基于安全的多方计算理论,利用模拟范例,证明了协议的安全性,并分析了协议的复杂度和通信耗费.

摘要：隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护的两方协同计算问题.预测准确度与数据集中存放一样,证明了协议的正确性,并基于安全多方计算理论和模拟范例,证明其安全性,分析了时间复杂度和通信耗费.

摘要：本文介绍一种通用型的分布式计算机模拟系统的功能、实现和使用。它可作为分析和设计各种分布式系统、分布式算法的辅助工具。