国家教育部博士点基金(20049998027)
- 作品数：8 被引量：58H指数：4
- 相关作者：苏金树黄清元曾迎之张博锋赵宝康更多>>
- 相关机构：国防科学技术大学湖南大学更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 无线传感器网络安全认证技术综述被引量：9
- 2009年
- 作为安全机制的核心与重要基础环节,如何在无线传感网的各种限制下,安全、高效、低能耗地实现认证,始终是无线传感网安全研究领域的热点。敌对环境下的无线传感网应用中,为了防止恶意节点注入非法信息或篡改数据等攻击,在节点的身份认证和控制信息的发布中必须引入认证密钥。同时,安全认证还需要考虑到随着不可信节点的被发现、旧节点能量耗尽以及新节点的加入等新情况的出现。系统介绍了无线传感网安全认证问题的研究内容及研究现状,就当前主要解决方案进行了深入阐述,针对当前研究中的优缺点,给出了进一步的研究方向。
- 曾迎之苏金树夏艳黄清元赵宝康
- 关键词：无线传感网密钥管理
- 基于自训练EM算法的半监督文本分类被引量：26
- 2007年
- 为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。
- 张博锋白冰苏金树
- 关键词：半监督学习EM算法文本分类NAIVEBAYES
- ASR:一种自适应移动自组网安全路由协议被引量：2
- 2008年
- 路由安全是移动自组网安全一个十分重要的方面,某些恶意节点可能正确地参与路由发现过程,但是在转发数据时,恶意地丢弃到达的数据包,当前更多的研究也只是集中在对路由消息的保护上.针对这种情况,提出了一种自适应移动自组网安全路由协议,发现多条路径,然后通过强化学习机制选择无错误的路径来转发数据,根据强化学习而得到的相关证据来实施对节点的信任管理.分析和实验结果表明,所提出的安全路由协议能够有效地防御针对数据转发的攻击,并且在存在恶意节点的情况下,表现出了较好的性能.
- 黄清元曾迎之苏金树
- 关键词：移动自组网安全路由数据转发双线性配对
- 层次式文本分类的Nave Bayes改进方法被引量：1
- 2008年
- Nave Bayes方法在文本分类中的决策强烈依赖于主观选择的样本关于类别的分布。本文利用层次式分类的特点并引入概率条件改进Nave Bayes方法,使其在每个内部类别所属的子类局部数据中进行决策,缓解了全局数据分布对分类器的影响,部分克服了数据偏斜问题。实验表明,改进方法在层次式分类中的效果较Nave Bayes方法有显著提高。
- 张博锋苏金树徐昕
- 关键词：文本分类NAIVEBAYES数据偏斜
- 一种基于双线性配对的移动自组网密钥协商协议被引量：3
- 2008年
- 移动自组网是一种无固定网络基础设施、能量和计算资源有限的分布式动态网络,由于其无线传输链路的开放性,使得它非常需要一种计算和通信开销较小的密钥协商方案。本文基于椭圆曲线上双线性配对的概念,提出了一种适用于移动自组网的可认证密钥协商方案,既实现了邻居节点组成员身份认证的匿名性,也实现了需建立会话的节点之间的可认证密钥协商。分析表明,我们所提出的方案计算和通信开销比较小,安全性较好,非常适合于资源有限的移动自组网。
- 黄清元王勇军苏金树
- 关键词：双线性配对密钥协商移动自组网
- 一种新的分布式无线传感网密钥管理方案UEGS被引量：2
- 2010年
- 如何在安全要求高、节点资源极其有限的情况下提供有效的密钥管理,一直是分布式无线传感网研究的挑战之一。近年来很多研究方案陆续出台,其中著名的方案就是EG。本文在EG方案的基础上,提出了一种新的密钥建立和更新方案UEGS,并分析了该方案的可行性、效率以及安全性。
- 曾迎之苏金树
- 关键词：无线传感网密钥管理网络安全
- 无线传感网安全数据聚合研究被引量：4
- 2008年
- 如何保障数据在聚合、计算和存储以及转发等过程中的数据机密性、完整性,是无线传感网安全研究的核心环节。针对这个核心环节首先分析了无线传感网数据聚合过程中面临的安全威胁,进而提出数据安全聚合的基本要求,在自组织环结构的基础上,提出了一种新的无线传感网数据安全聚合方案,并分析了该方案的性能及其安全性。
- 曾迎之苏金树夏艳黄清元赵宝康
- 关键词：无线传感网数据聚合网络安全自组织
- 一种新的多类SVM方法及其在文本分类中的应用被引量：11
- 2006年
- 提出一种将SVM扩展到多类文本分类问题的新方法,此方法有增量模式及批模式两种应用途径。其中,批模式提供了一种其他多类SVM替代方法;而增量模式在重复利用原有模型的基础上将新增类别的知识信息以增量方式更新到分类系统,整个分类器不需要全部重新学习,需要的计算量较小。实验表明增量方法大大减少新类增加时分类器更新所需要的学习步骤和时间;两种模式的分类效果与其他方法相当。
- 张博锋苏金树徐昕
- 关键词：多类支持向量机文本分类数据挖掘
