云应用程序编程接口安全研究综述:威胁与防护

云时代,云应用程序编程接口(API)是服务交付、能力复制和数据输出的最佳载体。然而,云API在开放服务和数据的同时,增加了暴露面和攻击面,攻击者通过数据劫持和流量分析等技术获取目标云API的关键资源,能够识别用户的身份和行为,甚至直接造成背后系统的瘫痪。当前,针对云API的攻击类型繁多,威胁与防护方法各异,缺乏对现有攻击和防护方法的系统总结。该文梳理了云API安全研究中云API面临的威胁和防护方法,分析了云API的演化历程和类别划分;讨论了云API的脆弱性以及云API安全研究的重要性;提出了云API安全研究框架,涵盖身份验证、云API分布式拒绝服务(DDoS)攻击防护、重放攻击防护、中间人(MITM)攻击防护、注入攻击防护和敏感数据防护6个方面相关研究工作综述。在此基础上,探讨了增加人工智能(AI)防护的必要性。最后给出了云API防护的未来挑战和发展趋势。     

部分服务台同步单重休假的M/M/c排队系统

本文研究只允许一部分服务台进入休假状态的M／M／c排队系统，在同步单重休假策略下，给出了稳态指标分布，证明了已知服务台全忙条件下的随机分解结果．     

PIS和CBTC共存WLAN干扰问题的研究

通过分析乘客信息系统(PIS)和列车自动控制系统(CBTC)的功能及无线局域网IEEE802.11a特点,以及通过无线局域网技术(WLAN)技术实现PIS与CBTC双向通信网络带宽需求,详细论证了PIS对CBTC系统的同频干扰、邻道干扰问题,并给出了在工程实现解决上述干扰问题的具体方案.     

面向分类的流特征在线特征选择算法

在线流特征选择通过实时过滤无关特征和冗余特征,实现流特征空间降维.针对已有算法,如Alpha-investing分类精度低、SAOLA选择特征数多和OSFS在低冗余高相关数据集下运行时间长的问题,提出了一种面向分类的流特征在线特征选择算法——OSFIC.算法运用四层过滤框架,通过无条件独立过滤不相关新特征、单条件下互信息过滤冗余新特征和候选特征集合中的部分冗余特征,最后通过多条件独立过滤候选特征集中的剩余冗余特征,最终得到分类标签的近似马尔可夫毯.为了分析OSFIC的性能,选择了NIPS 2003和Causality Workbench中的数据集,从预测精度、特征数量、运行时间和AUC方面与已有基准算法进行比较.实验表明,OSFIC平均分类精度比Alpha-investing提升4.41%.在保证精度的前提下,平均特征数量比SAOLA减少41.9%,运行时间比OSFS减少91.59%.最后,在真实的应用场景下验证了OSFIC的有效性.     

面向服务质量感知云API推荐系统的数据投毒攻击检测方法

针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法。首先,依据设计的相似性度量函数构建用户连通网络图,并利用Node2vec捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征。进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测。最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务质量感知云API推荐系统在数据端的投毒攻击防御。     

基于SIP协议的嵌入式语音网关设计

前言 随着网络融合的不断演进，IP网络已由当初的数据应用向多媒体转变，基于IP网络的语音通信技术成为研究的热点。传统的语音通信是利用电路交换技术，其特点是通话时需要建立端对端的专用通信链路，语音质量好，但是成本高，不易扩展增值业务。而VOIP利用IP网络做承载网，在通话时将模拟信号经过采样、数字化、压缩编码、打包分组、分配路由、存储交换、解包解压等一系列交换处理，在IP网或互联网上实现语音通信。[第一段]     

基于OneNET云平台的智能粮仓监控系统设计

针对我国粮食仓储过程中依赖人工和半自动的方式对粮仓环境进行监测的问题,设计了基于OneNET云平台的智能粮仓监控系统对粮仓进行实时远程监测与智能控制。首先,系统以STM32芯片为智能节点,对粮仓温湿度、光照强度、CO2浓度等环境进行实时监测,对采集的信息采用加权平均法进行多信息融合处理后,智能控制保温门窗开闭。然后,通过无线Wi-Fi模块ESP8266实时将采集到的粮仓数据传送至OneNET云平台,以实现粮仓管理员对粮仓进行远程监控,所提出的系统提高了粮仓环境信息监控智能化水平。     

Г-分布类的条件概率封闭性

X服从参数α和λ的Γ 分布,V与Y分别服从参数θ和λ的指数分布。我们证明了:在X相似文献   

一种基于实体上下文和时间戳的信任预测模型

信任是网络计算模式下实体交互与协同的基础,如何准确地定量表示和评估信任是研究重点。该文提出以实体上下文和时间戳为条件的信任预测模型,建立了粒度为8的信任等级空间,引入了多维测量指标度量实体交互满意度,使得满意度计算更加精确。构建了具有时间衰减性的直接信任求解方法,克服了已有模型动态适应能力不足的问题。把推荐信任划分为直接推荐和间接推荐,在直接推荐信任求解中引入实体评分相似度因子,在间接推荐信任计算中提出了基于路径衰减的方法。提出了一种分布式树型存储机制DST(Distributed Storage Tree),提高了模型的稳定性和可扩展性。模拟实验表明,与已有同类型模型相比,该模型更有效和准确地提供决策依据,并且在抑制恶意实体方面具有明显作用。     

基于交互感知的动态自适应的信任评估模型

构建了一种基于交互感知的动态自适应信任评估模型,将历史交互窗口和可信推荐数引入到了总体信任评估中,克服了传统模型对交互证据感知能力不足的问题。提出了基于满意度迭代的直接信任积累方法,并采用实体稳定度实现了激励和惩罚2种迭代策略,有效抑制了恶意伪装实体的作弊行为。给出了一种基于直接和间接相结合的综合推荐信任聚合方法,通过引入实体熟悉度和评分相似度解决了传统模型推荐准确度低和不可靠的问题。实验结果表明,与已有模型相比,该模型有效地提高了信任评估的准确性,并具有更强的抵御串谋实体协同作弊的能力。