摘要：互联网大数据具有典型的高维、高阶,以及非线性特征,现有点击率数据预测方法往往难以有效处理数据特征的复杂耦合、以及稀疏与类别的不均衡问题,为解决上述问题,提出了一种高阶深度分解机预测方法。在高阶分解机设计中,考虑到点击率的二分类特性,采用函数把输入数据映射至输出结果的二值类上,并利用损失函数求偏导对模型变量进行梯度更新。为了优化模型的复杂度及其多阶性能,对映射二次项采取转换,并推广至三阶映射模型。最后,设计了单层与多层构成的深度网络,根据的对称性与偏置训练样本集,利用弥补的无监督学习。并在梯度计算时引入对比散度用以优化网络训练速度,在神经网络层采用机制用以避免网络发生过拟合。仿真结果表明,高阶深度分解机预测方法具有良好的和指标性能,能够有效提高高阶点击率大数据的预测准确度与预测速度。

摘要：本文针对可信密码模块在密钥迁移方面对迁移密钥的完整性验证问题,提出一种通过TCM芯片提供的SM3算法执行哈希运算,将迁移密钥的消息摘要值在目标平台的计算值与源平台的计算值进行比对的机制,验证了迁移密钥的完整性,进一步加强了迁移密钥的安全性。

摘要：0本文针对TCM平台中两种用户密钥生成过程中需要两类接口实现的问题,提出一种TSS重构过程中,通过在应用程序中增设选择性变量Flag的方案解决了TCM的一次服务响应只能根据用户需求创建一种密钥的兼容性问题,并对两种类型的用户密钥进行了仿真实现。

摘要：针对当前移动商务环境下部分传统身份认证技术存在耗能高、计算量大、效率低等缺陷,本文提出一种移动商务环境下基于混合机制的身份认证方案。该方案结合ECC和对称加密算法,并利用双方产生的随机数进行双向认证和一次性密钥的生成。安全分析表明,该方案在有效防止常见攻击的同时保证了较小的计算量和较高的效率。