摘要：现有的基于深度学习的同步JPEG(JointPhotographic ExpertsGroup)重压缩检测算法大多使用解压缩过程中产生的截断和舍入误差作为分类依据,在检测框架前都存在降低特征提取难度的预处理层,无法实现端到端.同时,现有的量化底表是根据人为经验所设计的,无法取得解压缩过程的最优解,限制了JPEG重压缩检测算法的精度上限.针对这些问题,本文提出了一种基于解压缩模块的JPEG重压缩检测方法,该方法利用卷积模拟JPEG解压缩过程,设计了解压缩模块,将JPEG解压缩过程并入网络中从而实现端到端,省去了繁重的预处理步骤;同时,利用深度学习能够自动优化参数的特性,自动去寻找解压缩过程的最优解,减少了由于人工处理导致的图像信息的二次损失,进一步提升了JPEG重压缩检测算法的性能上限.实验结果表明,本文所提出的JPEG同步重压缩检测算法在超过半数的实验组上都取得了较好的取证表现,在UCID数据集上比现有方法平均精度最多提高1.8%.

摘要：MapReduce编程模型在大规模并行化应用的设计和开发领域正在发挥越来越重要的作用.同时,Hadoop又是现在被广泛使用的云平台中数据密集型应用开发的开源MapReduce实现方式.众所周知,在云计算中最小的计算单元就是虚拟机,虚拟机有充分利用系统资源,使系统便于管理,提高系统可靠性和节省开销等多种优点.该文将通过一系列实验对不同虚拟化平台上Hadoop应用的I/O性能进行评测分析,这些实验的结果可以作为将来选择虚拟机类型的标准,以便Hadoop应用能够在虚拟化平台中获得最好的I/O性能.

摘要：多秘密共享是通过一次计算过程就可以实现同时对多个秘密进行共享的密码体制,在一般的多秘密共享中,都需要可信中心的参与,由可信中心进行秘密份额的分发.然而,在很多情况下,无法保证可信中心的存在,即使存在可信中心,它也很容易遭受敌手的攻击,成为系统的盲点.该文提出了一个无可信中心的可公开验证多个秘密共享方案,共享的多个随机秘密是由参与成员共同产生的,密钥份额的有效性不仅可以被份额持有者自己验证,而且可以被其他任何成员验证,这使方案具有更广的应用背景,可用于设计电子投票协议、密钥托管协议等.为了适用于无线自组网等新的网络环境,该文也讨论了无可信中心的条件下动态撤出和增加成员的问题.

摘要：基于计算资源共享模型的研究,提出了混合云计算资源市场HCRM(Hybrid Cloud Resource Market)的功能架构,研究了市场管理层的交易管理机制,给出了计算资源的供需质量模型,设计了一种质量感知的双向拍卖算法QaDA(Quality-aware Double Auction)。仿真运行结果表明,与普通的连续双向拍卖算法CDA(Continuous Double Auction)相比,QaDA不仅可以引导用户合理定价,也能获得较高的匹配成功率和较高的交易总额。

摘要：用户模型的建立和动态更新,是实现个性化搜索的基础和核心。通过采用Multi-Agent技术对跨系统的个性化搜索系统进行设计,采用交互式Agent初始化单系统用户模型,使用动态跟踪用户兴趣Agent和历史记录检索Agent来更新用户模型,并利用SUM模型建立跨系统的用户模型。最后利用产生的用户兴趣文件作为查询优化Agent和结果优化Agent的判别依据来提高跨系统搜索的个性化。