摘要：《TPM-Rev-2.0-Part-1-Architecture-01.38》国际标准允许用户基于密钥复制接口设计迁移协议,此复制接口通过innerwrap和outerwrap为密钥迁移提供机密性、完整性和认证性.但研究发现,基于该复制接口来设计密钥迁移协议存在3个问题:其一是缺少交互双方TPM的相互认证,会导致密钥能够在敌手和TPM间迁移;其二是当迁移密钥的属性encryptedDuplication=0且新父密钥的句柄newParentHandle=TPM_RH_NULL时,复制接口不能实施innerwrap和outerwrap,迁移密钥将以明文传输而造成泄露;其三当新父密钥是对称密钥时,innerwrap中的对称加密密钥以及outerwrap中的密钥种子如何在源TPM与目标TPM之间安全交换,《TPM-Rev-2.0-Part-1-Architecture-01.38》并没有给出具体的解决办法.针对上述问题,提出了基于Duplication Authority的密钥迁移协议.该协议以Duplication Authority为认证和控制中心,将密钥迁移过程分为初始化阶段、认证和属性获取阶段以及控制和执行阶段.Duplication Authority通过判定密钥的复制属性和类型、新父密钥的密钥类型和句柄类型来决定迁移流程.考虑了各种合理的属性组合,共设计了12种迁移流程.最后对该协议进行了安全分析和实验验证,结果显示,该协议不仅完全满足《TPM-Rev-2.0-Part-1-Architecture-01.38》规范,而且可以保证迁移密钥的完整性、机密性和认证性.

摘要：密钥管理模块的设计是任何一个安全系统设计时必须首先解决的一个难题。从密钥管理最重要的方面入手,讨论了密钥的管理,并在重点分析密钥产生、分配、验证、替换四个重点环节的基础上,提出了一种数据库加密系统密钥管理模块的设计和实现方案。经多次实验证明,由于密钥的分配和验证是基于模运算的,而模运算速度是很快的,所以基于该设计方案实现的密钥管理模块是安全、可行和高效的。

摘要：数字水印技术被广泛应用于多媒体版权保护、广播监视等领域中.在广播监视中,广告商首先在他的广告中嵌入水印信息,之后把该广告发送给广播电视台.为了防止双方可能产生的欺诈,对一段广告、嵌入的水印能够做出双重认证是必不可少的.论文就双重认证提出了一种适合应用在广播监视中的协议,该协议在加密域完成水印的产生和嵌入.协议在加密时应用一种同态公钥密码技术,同时利用嵌入的信息绑定广告、嵌入的水印和本次交易.应用提出的协议,最常见的问题如消费者的权利问题和非绑定问题都可以被解决,甚至广告商或广播电视台的欺诈行为也可以预防.

摘要：合理利用博物馆VR资源有助于丰富课程内容与学习方式,促进教学模式的改革。美术鉴赏VR资源的开发与教学设计应搭建自由观察脚手架,还原真实文化历史场景,平衡自由与结构化探索,体验艺术创作过程,促进交流与合作。

摘要：本文提出一种新型双向可调2×2的OXC结构,采用可调光纤布喇格光栅和环行器构成。由2×2基本结构能方便地扩充到N×N的B-OXC。此结构具有插入损耗较小、结构简单、体积小、价格便宜等优点,在未来的全光网络中具有广泛的应用前景。

摘要：基于属性加密算法因含有大量耗时的指数运算和双线性对运算,一些方案提出将加密外包给云服务器.然而这些方案并没有给出外包加密在云服务器中的并行计算方法,而且还存在用户保管私钥过多、授权中心生成用户私钥成本过大的问题.针对这些问题,提出一种基于Spark大数据平台的快速加密与共享方案.在该方案中,根据共享访问树的特点设计加密并行化算法,该算法将共享访问树的秘密值分发和叶子节点加密并行化之后交给Spark集群处理,而用户客户端对每个叶子节点仅需要一次指数运算;此外,用户私钥的属性计算也外包给Spark集群,授权中心生成一个用户私钥仅需要4次指数运算,并且用户仅需要保存一个占用空间很小的密钥子项.

摘要：复杂的e-Learning教学的内容设计需要花费大量时间解决内容的组织问题,其原因主要是现有的web创作技术常常要求学科专家具备较高的信息技术水平。InSite Studio是一种新型的e-Learning教学设计工具。该工具以独到的设计思想力求解决教学设计中的普遍问题,该系统大大简化了教学设计中内容组织的复杂度,有很好的可重用性和便携性。其设计思想对教育软件的设计与开发有较高的借鉴参考价值。

摘要：协同过滤是目前个性化推荐系统中广泛使用和最成功的推荐算法,但在用户评分极端稀疏的情况下将面临冷启动问题,具体包括新用户问题和新项目问题.针对新用户问题,提出了一种基于n序访问解析逻辑的冷启动消除方法,首先通过Web日志来获取用户访问项序,进而定义了n序访问解析逻辑将其分解为用户访问子序集;在此基础上设计了用户访问项序的相似性计算方法来搜寻新用户的最近邻集合,进而提出了改进最频繁项提取算法IMIEA(improved most-frequentitems extracting algorithm)来生成面向新用户的top-N推荐.实验结果表明,本文提出的新方法能够有效实现面向新用户的个性化推荐,消除了协同过滤冷启动中的新用户问题.

摘要：为提高复杂情况下目标跟踪的稳健性,提出一种自适应特征更新的目标跟踪算法。对目标提取分级深度特征和手工设计特征,通过不同线性组合方式进行多特征融合,构建多个融合特征器;对不同融合特征器进行可信度判定,选择可信度最高的融合特征作为当前帧的跟踪特征,构建位置相关滤波器,预测出当前帧的目标位置;对跟踪结果进行可靠性检测,可靠性低于阈值则启动融合特征器更新机制,加入时序信息和语义信息进行重跟踪,降低了模型的误差累积。在OTB-2013和OTB-2015数据库上进行测试,结果表明,与近年来比较流行的9种算法相比,提出的算法在快速运动、背景杂波、运动模糊、形变等复杂情况下具有较高的成功率和较好的稳健性。

摘要：分组策略是影响移动协作学习效果的重要因素之一,也是研究的热点。然而,近年来提出的移动协作学习分组策略都是以学习者被动地接受为前提并且忽略了学习者个性化学习的内在需求和个性化的学习特点,如异质分组、弹性分组等。为此,本研究提出了移动协作学习的个性化分组策略,首先以学生的学习需求为依托,通过分析设计形成学习目标,然后形成协作任务,再通过移动学习平台发布学习目标,形成学习小组雏形,经过多次迭代,最终形成协作学习小组。本研究通过小组活动开展过程中请求发布者的个性化需求满足度和小组成员满足度的评价来评判分组的好坏。实验表明,移动协作学习的个性化分组策略能较好地满足学生成长过程中的个性化需求。