课程文献中心 更多>>

关键词： 隐私集合交集   模糊匹配   标签匹配   秘密共享   隐私计算  

摘要： 支持模糊匹配的带标签隐私集合交集计算协议(Fuzzy Labeled Private Set Intersection，FLPSI)是PSI协议的变体，其特点在于发送方与接收方的集合元素并不是完全相等，而是存在相似性，且发送方集合中的每个元素均关联一个标签，接收方仅得到相似匹配元素的标签，而不会泄露其他信息。现有的FLPSI协议大多使用汉明距离来判断二进制向量之间的匹配程度，协议基于昂贵的公钥密码来构建，计算开销大导致协议运行时间缓慢。提出了一种基于对称密码构造的更加高效的FLPSI协议，通过模拟范例证明了协议在半诚实模型下是安全的，参与方均无法窃取额外的隐私信息。与现有方案相比，协议将整体通信复杂度与发送方的计算复杂度由O(n2)降低为O(n)。通过实验仿真，平衡场景下比现有FLPSI协议快3～10倍，通信量降低89%～95%，非平衡场景下比现有FLPSI协议快7～10倍，与类似的模糊匹配协议相比具有明显优势。此外，还设计了FLPSI协议在隐私保护条件下人脸识别的应用，通过调整参数可以满足不同场景的要求。

关键词： 动态图存储   动态图更新   数据迁移   Power-PCSR   幂律图  

摘要： 图数据在现实生活中广泛存在，且不断发生变化。传统高效的静态图存储方式——压缩行/列（Compressed Sparse Row/Column，CSR/CSR）存储方式在更新图数据时需要大量的数据迁移而不适用于动态图数据。而能够高效更新图数据的邻接表 (Adjacency List，AL) 存储方式往往带有大量的指针，导致其图数据读取和分析效率低。Packed Compressed Sparse Row（PCSR）是一种基于CSR的动态图存储结构。该结构在存储边数据时并不是采用连续无空隙数组存储，而是采用留有空槽的压缩存储阵列（Packed Memory Arrays，PMA）结构，便于边数据的插入。因此，PCSR支持高效图更新和图分析。但是我们发现PCSR在存储幂律图时其性能容易受大度数顶点的影响。本文基于PCSR提出一种支持可高效更新和分析动态幂律图的图存储结构Power-PCSR。该结构将幂律图中的度数较大的顶点单独存储在一个独立的PMA中，其他所有小度数顶点与PCSR一样存储在原PMA中。小度顶点变化导致的数据迁移不会触及大度数顶点，从而大大减少数据迁移数量。同样大度数顶点的更新导致的数据迁移只限制在每个大度数顶点的PMA内部，不会涉及到小度数顶点和其他大度数顶点的数据迁移。实验显示，Power-PCSR在分析图数据时与PCSR具有相似的性能，而在更新图数据时达到比PCSR快2倍。

关键词： 空气质量预测   多域特征融合   时空特征   周期解耦   门控机制融合   图神经网络  

摘要： 在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成，针对一维序列局限于滑动窗口和缺乏多尺度特征的灵活性的问题，提出了一种多域融合的时空层次图神经网络(MGT-HGNN)模型。首先，构建城市全局尺度和站点局部尺度的两级层次图，进行空间关系学习；其次，将一维空气质量序列转换为一组基于多个周期的二维张量，在二维空间上通过多尺度卷积进行周期解耦捕获频域特征，同时在一维空间中利用长短期记忆网络拟合时域特征；最后，为了避免聚合冗余信息，设计了一种门控机制融合模块，用于频域和时域特征的多域特征融合。模型在Urban-Air数据集和长三角城市群数据集上进行实验，相较于最优基准模型多视图多任务时空图卷积网络(M2)，平均绝对误差综合下降3.79%，均方根误差综合下降2.57%。实验结果表明，MGT-HGNN在频域上解耦了复杂时间模式，利用频域信息弥补了时域特征建模的局限性，结合时域信息更全面地预测空气质量变化。

关键词： 图数据   隐私保护   负数据库   推荐系统   图神经网络  

摘要： 图数据是一种特殊的数据形式,由节点和边组成.在这种数据中,实体被建模为节点,节点之间可能存在边,表示实体之间的关系.通过分析和挖掘这些数据,人们可以获得很多有价值的信息.因此,对于图中各个节点来说,它也带来了隐私信息泄露的风险.为了解决这个问题,提出了一种基于负数据库(NDB)的图数据发布方法.该方法将图数据的结构特征转换为负数据库的编码形式,基于此,设计出一种扰动图(NDB-Graph)的生成方法.由于NDB是一种保护隐私的技术,不显式存储原始数据且难以逆转,故发布的图数据能确保原始图数据的安全.此外,由于图神经网络在图数据中关系特征处理方面的高效性,被广泛应用于对图数据的各种任务处理建模,例如推荐系统,还提出了一种基于NDB技术的图神经网络的推荐系统来保护每个用户的图数据隐私.基于Karate和Facebook数据集上的实验表明:与PBCN发布方法相比,所提方法在大多数情况下表现更优秀.例如:在Facebook数据集上,度分布最小的L1误差仅为6,比同隐私等级下的PBCN方法低约2.6%;最坏情况约为1 400,比同隐私等级下的PBCN方法低约46.5%.在基于LightGCN的协同过滤实验中也表明,所提出的隐私保护方法具有较高的精度.

关键词： 邻近关系   空间邻近图   Delaunay   缓冲区   POI   知识图谱  

摘要： 为有效促进地理空间数据邻近关系的快速构建与语义表达,基于结构、数量、空间、性能等多重视角,提出结合图结构分析、度频率分析、可视分析、推理性能分析的空间邻近图评价方法,并利用Delaunay三角网和缓冲区两种方法进行上海市交通服务设施POI点要素空间邻近图构建与质量评价。结果表明,相比缓冲区方法,基于Delaunay三角网构建的空间邻近图具有如下优势:(1)在结构方面,规模小、图上节点聚集程度低、冗余邻近关系少;(2)在数量方面,邻近关系数量少且集中、局部邻近关系冗余度低;(3)在空间方面,邻近关系数量与POI空间分布情况相关性强;(4)在性能方面,推理效率稳定。该方法能对空间邻近图进行全面评价,可为地理空间知识图谱构建过程中邻近关系建立方法的选择提供参考。

关键词： Voronoi图   地图预处理   代价地图   骨架重构   路径规划  

摘要： 基于Voronoi图的路径规划算法在复杂环境导航过程中，会因环境改变和Voronoi图结构的不变性，致使全局路径规划器陷入最短路径搜索“陷阱”，导致导航失败。针对这一问题，提出一种改进骨架提取的Voronoi图导航中骨架重构算法。对栅格地图进行预处理，生成全局初始骨架；结合激光雷达观测模型更新代价地图，通过改变代价地图的更新方式辅助骨架重构，实现机器人正确导航。对比实验结果表明，所提算法使骨架重构具有“记忆性”，在保证导航实时性的同时，提升了骨架算法的导航鲁棒性。

关键词： 同伴互评   社交利益   加权网络   图注意力网络   分数预测  

摘要： 在同伴互评过程中,评估者会因为战略性评估而导致评估分数不准确.本文考虑了评估者之间的社交利益关系,提出了一种融合社交利益与图注意力网络的同伴互评分数预测方法 GAT-SIROAN.该方法由表示评估者与解决方案关系的加权网络SIROAN以及用来预测同伴互评分数的图注意力网络GAT构成.在SIROAN中使用ITSA方法定义了评估者的两个特征:自我评分能力和同伴评分能力,并通过比较这两个特征来获取评估者之间的社交利益因子和关系.在分数预测环节,为了考虑每个节点的重要性,使用自注意力机制来计算节点的注意力系数,以此来提高预测能力.采用最小化其均方根误差来学习网络的参数,从而获取更准确的同伴互评预测分数. GATSIROAN在真实数据集上与平均值、中位数、PeerRank、RankwithTA以及GCN-SOAN这5个基线方法进行了对比实验,结果表明GAT-SIROAN在RMSE指标上均优于基线方法.

关键词： 冲突分析图模型   权力不对称   结盟稳定性   环境冲突  

摘要： 环境冲突通常会给社会和经济带来巨大的挑战。为平衡多方利益相关者和环境保护之间的矛盾，本文针对环境冲突中参与者地位不平等及易结盟的特点，提出权力不对称下基于冲突分析图模型的结盟稳定性分析方法。首先，通过确定每个决策者是否受权力的影响以及权力的影响来自哪些领导者，构建了权力偏好矩阵和权力可达矩阵；其次，利用枚举法列出制裁对手完全参与情况下所有可能的联盟，在全联盟和联盟论域的基础上构建联盟的权力偏好关系并定义权力影响下结盟稳定性的三个代数表达式；最后，通过江苏常州外国语学校环境冲突的案例分析，验证所提方法的可行性及有效性，为政府解决环境冲突提供决策支持。

关键词： 倒数距离拉普拉斯特征值   点连通度   独立数   悬挂点的个数  

摘要： 设图G是n个点的连通图,记m(RDL(G))I为图G的倒数距离拉普拉斯特征值在区间I上的个数.对于给定的区间I,根据图G的一些结构参数,如:点连通度、独立数和悬挂点的个数,主要给出了m(RDL(G))I的一些界.

关键词： 油井产液量计算   示功图   故障识别   特征分析   BP神经网络  

摘要： 为解决现有原油产液量计量方法精度低、成本高、工艺流程复杂等问题，对一种基于功图故障种类与强弱特征和BP神经网络分析的组合计算油井产量方法进行研究。该方法通过马田系统操作从地面示功图中提取特征向量，并融合自适应算法，对示功图故障种类及强弱进行识别与区分；建立了产液量与不同故障类型及强弱之间的映射关系以此代替泵效，计算映射关系并建立BP神经网络以此来优化关系，得到基于故障种类与强弱的计量产量的模型。给出该计量模型的具体实现，并选择2020年的新疆公司某作业区50井的产量及示功图作为数据集进行计算验证。上述模型计算结果表明，计算的石油产量和实际的石油产量作对比，其平均相对误差为3.26%，平均绝对误差为0.5%，满足油田生产利益最大化。