基于多维分段和动态权重DTW的多元时间序列相似性度量方法 被引量：4

1

作者 魏国强 周从华 张婷 《计算机与数字工程》 2021年第11期2299-2304,2406,共7页

针对常用方法无法准确度量多元时间序列相似程度的问题,提出一种基于多维分段和动态权重动态时间弯曲距离的多元时间序列相似性度量方法。首先对多元时间序列进行多维分段拟合,选取拟合段的斜率、均值和时间跨度作为每一段的特征,在对... 针对常用方法无法准确度量多元时间序列相似程度的问题,提出一种基于多维分段和动态权重动态时间弯曲距离的多元时间序列相似性度量方法。首先对多元时间序列进行多维分段拟合,选取拟合段的斜率、均值和时间跨度作为每一段的特征,在对多元时间序列降维的同时也保留了变量之间的相关性;然后提出一种动态权重动态时间弯曲距离度量方法计算多元时间序列特征矩阵之间的距离,避免了直接使用动态时间弯曲距离造成的畸形匹配问题。最终实验结果也验证了该方法在多种类型的数据集上都能取得较高的度量精度,表明了该方法的有效性。 展开更多

关键词 多元时间序列 相似性度量 多维分段 动态时间弯曲 动态权重

下载PDF 职称材料

强化过程考核,提升大学物理学教学质量 被引量：3

2

作者 周聪华 杨兵初 +1 位作者 彭政 孔德明 《物理与工程》 2022年第5期81-86,共6页

当前,大学物理学的期末总评成绩通常由过程考核成绩(即平时成绩)与期末考试成绩两部分组成,过程考核成绩在总成绩中所占的比重通常占到40%或者更高。如何合理评价过程考核成绩,并利用过程考核提高课程教学效果,已成为当下高校教师普遍... 当前,大学物理学的期末总评成绩通常由过程考核成绩(即平时成绩)与期末考试成绩两部分组成,过程考核成绩在总成绩中所占的比重通常占到40%或者更高。如何合理评价过程考核成绩,并利用过程考核提高课程教学效果,已成为当下高校教师普遍面临的一个难题。本文重点就最近一学期在课程组织与过程考核方式改革,以及如何通过强化过程考核提升教学效果等方面略作梳理与讨论。 展开更多

关键词 学习过程 平时成绩 课程组织 教学质量

下载PDF 职称材料

无线传感器网络的生存性评估 被引量：4

3

作者 李化邓 李雷 +2 位作者 施化吉 周从华 王润宇 《计算机应用研究》 CSCD 北大核心 2018年第8期2450-2453,共4页

当前无线传感器网络的生存性评估模型均假设网络的节点分布符合某种规律且在长期的运行中规律保持不变,但该模型未考虑节点的移动性。针对以上问题进行了研究,首先通过引入节点的移动速率建立连续时间马尔可夫链表示的评估模型。该模型... 当前无线传感器网络的生存性评估模型均假设网络的节点分布符合某种规律且在长期的运行中规律保持不变,但该模型未考虑节点的移动性。针对以上问题进行了研究,首先通过引入节点的移动速率建立连续时间马尔可夫链表示的评估模型。该模型不依赖于网络的拓扑,能准确地反映出节点的实际分布情况。其次研究不同攻击和故障对节点隔离的影响;稳态连通概率是刻画可生存性最为重要的指标。最后提出该指标的计算方法。仿真实验结果表明,提出的生存性评估模型能够对无线传感器网络的生存性进行有效的评估。 展开更多

关键词 无线传感器网络 生存性 节点隔离 连续时间马尔可夫链 连通概率 生存性评估

下载PDF 职称材料

基于双重注意力机制和时间因子的深度推荐模型

4

作者 吴定谕 周从华 +1 位作者 单田华 刘志锋 《计算机与数字工程》 2023年第3期679-685,共7页

现阶段大多数基于评论文本的推荐模型没有从多个视角充分挖掘用户评论的价值,忽略了评论文本在不同层面的重要度信息。基于此,论文提出一种基于双重注意力机制和时间因子的深度推荐模型DATCoNN。该模型使用并行的卷积神经网络结合两层... 现阶段大多数基于评论文本的推荐模型没有从多个视角充分挖掘用户评论的价值,忽略了评论文本在不同层面的重要度信息。基于此,论文提出一种基于双重注意力机制和时间因子的深度推荐模型DATCoNN。该模型使用并行的卷积神经网络结合两层注意力层分别挖掘单词层面和评论层面的重要度信息,然后使用时间因子进一步拟合用户对项目兴趣度的变化情况,最终采用因子分解机实现评分预测。模型在Amazon的三组不同领域数据集上进行对比实验评估,发现论文提出的推荐模型性能最优,同时该模型具有较好的可解释性。 展开更多

关键词 推荐系统 注意力机制 卷积神经网络 时间因子

下载PDF 职称材料

一种改进的不平衡数据过采样算法BN-SMOTE 被引量：3

5

作者 杨赛华 周从华 +2 位作者 蒋跃明 张付全 张婷 《计算机与数字工程》 2020年第9期2108-2113,共6页

针对传统的Borderline—SMOTE方法在选择少数类样本进行合成的过程中,无法识别出完全的边界样本的这一问题,提出一种基于近邻构建边界样本的过采样算法BN-SMOTE。该算法利用最近邻的思想,构建处于决策边界附近的多数类样本集,再以此来... 针对传统的Borderline—SMOTE方法在选择少数类样本进行合成的过程中,无法识别出完全的边界样本的这一问题,提出一种基于近邻构建边界样本的过采样算法BN-SMOTE。该算法利用最近邻的思想,构建处于决策边界附近的多数类样本集,再以此来确定边界区域的难以学习的少数类样本点,组成一个新的用于合成新样本的少数类样本集。论文使用C4.5决策树和SVM作为分类器,分别在三个真实数据集上进行广泛的评估。仿真结果表明,与传统的SMOTE和Borderline—SMOTE方法相比,该算法的G-mean和F-measure值都明显更高,显著提高了不平衡数据集中少数类的分类精度。 展开更多

关键词 不平衡数据集 过采样 分类 边界区域

下载PDF 职称材料

一种面向SNP选择的模糊聚类算法 被引量：3

6

作者 张波 周从华 +2 位作者 张付全 张婷 蒋跃明 《计算机工程》 CAS CSCD 北大核心 2019年第8期66-74,共9页

在对高维少样本的遗传数据进行单核苷酸多态性(SNP)选择时,为能使所选SNP子集高度代表所有SNP信息,实现数据降维,在模糊C均值(FCM)算法的基础上提出一种改进方法GN-FCM。通过引入SNP权重因子量化SNP位点重要程度的差异性,同时将重点SNP... 在对高维少样本的遗传数据进行单核苷酸多态性(SNP)选择时,为能使所选SNP子集高度代表所有SNP信息,实现数据降维,在模糊C均值(FCM)算法的基础上提出一种改进方法GN-FCM。通过引入SNP权重因子量化SNP位点重要程度的差异性,同时将重点SNP邻域正则项引入模糊聚类的损失函数中,挖掘高度重要SNP与同邻域内其他SNP的关联性。实验结果表明,GN-FCM具有较好的收敛性,与DW-FCM算法相比,其构造的SNP子集在支持向量机、决策树和朴素贝叶斯分类中准确率分别提升5.73 %、3.40 %和3.79 %,F1值分别提升4.01 %、 3.20 %和 2.22 %。 展开更多

关键词 单核苷酸多态性选择 模糊聚类 特征选择 支持向量机 决策树 朴素贝叶斯分类

下载PDF 职称材料

基于分段特征及自适应加权的DTW相似性度量 被引量：2

7

作者 刘苗苗 周从华 张婷 《计算机工程》 CAS CSCD 北大核心 2021年第8期62-68,77,共8页

利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题。提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法。对原始时间序列... 利用动态时间弯曲(DTW)技术在原始多元时间序列进行相似性度量时时间复杂度较高,且DTW在追求最小弯曲距离的过程中可能会出现过渡拉伸和压缩的问题。提出一种基于分段特征及自适应加权的DTW多元时间序列相似性度量方法。对原始时间序列在各个变量维度上进行统一分段,选取分段后拟合线段的斜率、分段区间的最大值和最小值以及时间跨度作为每一段的特征,实现对原始序列的大幅降维,提高计算效率。在DTW计算最佳弯曲路径的过程中为每个点设置自适应代价权重,限制弯曲路径中点列的重复使用次数,改善时间序列因过度拉伸或压缩所导致的度量精度低的问题,以得到最优路径路线。实验结果表明,该方法能很好地度量多元时间序列之间的相似性,在多个数据集上都能取得较好的度量结果。 展开更多

关键词 多元时间序列 动态时间弯曲 相似性度量 分段特征 自适应代价权重

下载PDF 职称材料

改进的ReliefF在ICP特征选择中的应用 被引量：1

8

作者 张光普 周从华 张婷 《计算机与数字工程》 2021年第9期1758-1762,共5页

妊娠期肝内胆汁淤积症(ICP)是妊娠期严重危害母婴的并发症,原始的ICP数据集中含有大量的生物标志物信息,特征间通常会存在相关性,且不同妊娠结局间的人数差异较大。论文针对ICP数据集的高冗余和非平衡性,提出了一种新的特征选择算法—SC... 妊娠期肝内胆汁淤积症(ICP)是妊娠期严重危害母婴的并发症,原始的ICP数据集中含有大量的生物标志物信息,特征间通常会存在相关性,且不同妊娠结局间的人数差异较大。论文针对ICP数据集的高冗余和非平衡性,提出了一种新的特征选择算法—SC-ReliefF。SC-ReliefF算法在ReliefF的基础上,根据类内平均距离提出了新的样本选择方法,能很好地适应非平衡数据的特点;同时为了减少特征冗余,SC-ReliefF算法引入余弦相似度,将其作为特征冗余度的度量方式,提出一种去冗余方法,能够得到更小的特征子集。在医院提供的临床数据实验表明,SC-ReliefF算法与ReliefF、mRMR和RS-ReliefF相比得到的ICP特征子集规模较小,且在SVM和BP-NN上具有较好的分类效果,能够提升学习的效率。 展开更多

关键词 ICP 特征冗余 特征选择 余弦相似度 RELIEFF

下载PDF 职称材料

基于GRU网络的会话型混合电商推荐算法

9

作者 李镇宇 朱小龙 +1 位作者 周从华 刘志锋 《计算机与数字工程》 2022年第5期942-947,共6页

目前电商数据存在维度多、实时性要求强等特点,很多传统的推荐算法并不能很好地适用于电商推荐。针对电商场景中需要同时考虑用户长期偏好和短期偏好,数据维度高导致推荐算法运行效率低,少数无关数据影响对用户真实意图的判断等问题,论... 目前电商数据存在维度多、实时性要求强等特点,很多传统的推荐算法并不能很好地适用于电商推荐。针对电商场景中需要同时考虑用户长期偏好和短期偏好,数据维度高导致推荐算法运行效率低,少数无关数据影响对用户真实意图的判断等问题,论文提出了一种基于GRU网络的会话型混合推荐算法。该混合推荐算法同时考虑了用户的长短期偏好,能够通过注意力机制推测用户真实意图,相比于其他循环神经网络推荐算法提高了运行效率,提高了推荐准确度。 展开更多

关键词 电商推荐 门限循环单元 注意力机制 长短期状态

下载PDF 职称材料

面向信息SNP选择的聚类算法

10

作者 邢斌 周从华 +2 位作者 张付全 张婷 蒋跃明 《计算机与数字工程》 2021年第10期1983-1987,2008,共6页

SNP数据在人类遗传病诊断与治疗中存在重要作用,但SNP原始数据存在大量冗余,因此需要选择出信息量大的SNP,完成SNP数据的降维。针对常用聚类算法应用到信息SNP选择时未考虑单个SNP与SNP子集之间相似度的问题,采用一种新的相似度度量方法... SNP数据在人类遗传病诊断与治疗中存在重要作用,但SNP原始数据存在大量冗余,因此需要选择出信息量大的SNP,完成SNP数据的降维。针对常用聚类算法应用到信息SNP选择时未考虑单个SNP与SNP子集之间相似度的问题,采用一种新的相似度度量方法,提出了一种改进的聚类算法K-MIGS,并将其应用到SNP选择中。K-MIGS算法解决了传统K-means不能挖掘出SNP位点与SNP子集之间的强相关性问题,并在医院提供的临床数据实验中表明,K-MIGS具有更高的非信息SNP子集重构度。最后使用支持向量机、决策树和神经网络对构造的SNP子集进行分类实验,对比K-means、特征加权K-means、ReliefF和MCMR,结果表明K-MIGS分类准确率和F1指标上提升了10%和15%,充分说明K-MIGS在信息SNP选择中具有更好的效果。 展开更多

关键词 单核苷酸多态性 SNP选择 相似度度量 K-MEANS

下载PDF 职称材料

基于改进的K-Means算法在SNP选择中的应用

11

作者 陆信蓓 周从华 +2 位作者 张付全 张婷 蒋跃明 《计算机与数字工程》 2020年第8期1943-1947,1964,共6页

SNP数据作为重要的基因变异数据,是目前生物信息学领域中重要的课题之一,但由于SNP数据中存在较多的冗余和噪声,因此对SNP数据进行特征提取尤为重要。论文针对SNP数据少样本、高维度的问题和SNP位点之间具有强相关性的特点,在K-Means聚... SNP数据作为重要的基因变异数据,是目前生物信息学领域中重要的课题之一,但由于SNP数据中存在较多的冗余和噪声,因此对SNP数据进行特征提取尤为重要。论文针对SNP数据少样本、高维度的问题和SNP位点之间具有强相关性的特点,在K-Means聚类中引入互信息,提出了一种改进的聚类算法K-MIM,将其应用于SNP选择中。K-MIM算法解决了传统的K-Means算法不能挖掘出SNP位点之间内在关系的问题,并在医院提供的临床数据实验结果表明,K-MIM/蚁群算法所筛选出的信息SNP子集,较K-Means/蚁群、MCMR、ReliefF等算法所筛选出的信息SNP子集,具有更高的非信息SNP子集重构度和更好的分类效果。 展开更多

关键词 单核苷酸多态 SNP选择 特征选择 互信息 K-MEANS

下载PDF 职称材料

课堂教学方法改革是创新教育的关键 被引量：13

12

作者 杨兵初 徐富新 周聪华 《物理与工程》 2020年第4期42-47,共6页

高等学校承担着培养创新型人才的重任,课堂教学是本科教育的主渠道。以教师为主的传统知识教育的教学方法不能适应创新型人才的培养,课堂教学方法改革成为影响人才培养质量的关键。本文在阐明知识教育与创新教育区别的基础上,引述了多... 高等学校承担着培养创新型人才的重任,课堂教学是本科教育的主渠道。以教师为主的传统知识教育的教学方法不能适应创新型人才的培养,课堂教学方法改革成为影响人才培养质量的关键。本文在阐明知识教育与创新教育区别的基础上,引述了多位国内外学术大师对创新教育的论述;介绍了几种行之有效的课堂教学方法,其共同特点是重视学生在课堂教学中的主体作用,教师要从"教会"学生转变到让学生学会创造上来。近几年的教学实践证明,这几种教学方法是符合创新教育大趋势的。 展开更多

关键词 创新教育 教学方法 知识教育 能力培养

下载PDF 职称材料

穿戴式跌倒检测中特征向量的提取和降维研究 被引量：6

13

作者 李雷 张帆 +1 位作者 施化吉 周从华 《计算机应用研究》 CSCD 北大核心 2019年第1期103-105,11,共4页

穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度。针对此问题,首先采用时域分析法提取初始特征向量集,用提出的改进核主成分分析算法(IKPCA)对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有... 穿戴式跌倒检测中老年人特征属性过多会造成维数灾难,影响后续跌倒检测精度。针对此问题,首先采用时域分析法提取初始特征向量集,用提出的改进核主成分分析算法(IKPCA)对特征向量进行降维,从而获得优质的特征向量集,使得后续的分类具有更好的效果。IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择,然后计算跌倒特征向量的信息度量和相似度度量;最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量。IKPCA算法不但保持核主成分分析算法(KPCA)较好的降维能力,而且扩充了较好的分类能力。利用真实的数据集进行实验,对比分析表明,相比其他算法,IKPCA算法能够得到更优质的特征向量数据集。 展开更多

关键词 跌倒检测 特征向量 核主成分分析 降维

下载PDF 职称材料

基于改进的隐马尔可夫模型的新闻推荐算法 被引量：4

14

作者 张丹 周从华 《计算机与数字工程》 2020年第10期2332-2337,共6页

推荐系统已经应用到各行各业中,新闻推荐也应运而生。用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征。因此,它并不能有效地预测用户阅读的下一篇新闻。针对这一问题,将隐马尔可夫... 推荐系统已经应用到各行各业中,新闻推荐也应运而生。用户在阅读新闻时一般是时间序列的形式,然而,传统的新闻推荐算法很少考虑用户浏览行为的时间序列特征。因此,它并不能有效地预测用户阅读的下一篇新闻。针对这一问题,将隐马尔可夫模型融入到新闻推荐算法中,根据用户的阅读轨迹,找到用户下一时刻阅读概率最高的新闻。在此基础上,加入状态驻留时间元素,将隐马尔可夫模型的五元素扩展为六元素,以此来提高推荐准确度。为证明解决方案的有效性,与其他的新闻推荐算法进行了对比,结果显示论文算法在F1指标上约提高了14%。 展开更多

关键词 新闻推荐 时间序列 隐马尔可夫模型 阅读轨迹 驻留时间

下载PDF 职称材料

一种基于Lexicon-CBOW命名实体简写识别技术

15

作者 吴健 朱小龙 周从华 《计算机与数字工程》 2023年第6期1328-1332,1386,共6页

中文命名实体识别任务是指识别文本中具有特定意义的实体,一般由词向量层、特征提取层、输出层组成。论文考虑词向量的训练方法。目前广泛应用的CBOW、Skip-gram词向量训练模型是利用给定的词预测目标词出现的概率。由于语料库一般来源... 中文命名实体识别任务是指识别文本中具有特定意义的实体,一般由词向量层、特征提取层、输出层组成。论文考虑词向量的训练方法。目前广泛应用的CBOW、Skip-gram词向量训练模型是利用给定的词预测目标词出现的概率。由于语料库一般来源于百度百科、微博等结构化网站,其实体表达较为规范,导致其训练的词向量在表示简写实体时存在较大误差,从而影响命名实体识别精度。论文在给定词预测目标词的基础上,引入了实体标签信息,对有标签的字进一步进行分词细化标签,带标签的字在作为上下文时会进行全标签遮掩操作与部分标签遮掩操作,从而模拟简写的实际情况。将训练得到的词向量在简写实体较多的高中升学规划问题数据集上进行测试,实验结果显示简写实体识别准确率有较大提升,证明了模型针对简写实体表示的有效性。 展开更多

关键词 实体简写 命名实体识别 实体标签 词向量

下载PDF 职称材料

一种基于CDT的双路图注意力机制方面情感分析模型

16

作者 张誉耀 周从华 《计算机与数字工程》 2023年第4期826-831,共6页

由于图神经网络(GNNs)和长短期记忆人工神经网络(LSTM)在解决基于方面和上下文词义对齐方面的固有能力,它们被广泛应用于基于方面的情感分析(ABSA)。然而,这些模型在考虑句子单词之间结构化依赖关系时,针对不同邻居节点的重要度没有进... 由于图神经网络(GNNs)和长短期记忆人工神经网络(LSTM)在解决基于方面和上下文词义对齐方面的固有能力,它们被广泛应用于基于方面的情感分析(ABSA)。然而,这些模型在考虑句子单词之间结构化依赖关系时,针对不同邻居节点的重要度没有进行区别处理,从而导致分类精度不佳。为了解决这个问题,我们在CDT模型基础上,引入图注意力机制,提出了一种新的基于图注意力的双路方面情感分类模型LA-CDT。该网络模型在三个基准测试集上和一系列最先进的模型的对比实验证明,论文提出的基于图注意力面情感分析模型性能最优。 展开更多

关键词 情感分析 图注意力网络 长短期记忆网络 图卷积神经网络 文本评论

下载PDF 职称材料

基于最小冗余动态加权的信息论特征选择算法

17

作者 吴自华 周从华 《计算机与数字工程》 2023年第6期1244-1249,共6页

针对ICI公式在新分类信息相同时可能会更偏向高冗余特征这一问题,提出一种改进的基于最小冗余动态加权的MRDW-ICI算法。通过设置两个基于相关性的动态权重,提高低冗余项在评价函数中的占比,从而改善原本ICI公式中对高冗余特征的偏向性... 针对ICI公式在新分类信息相同时可能会更偏向高冗余特征这一问题,提出一种改进的基于最小冗余动态加权的MRDW-ICI算法。通过设置两个基于相关性的动态权重,提高低冗余项在评价函数中的占比,从而改善原本ICI公式中对高冗余特征的偏向性。随后对这两个动态权重进行合理性分析,保证MRDW-ICI算法不会因为在增加权重后对相关性的计算出现较大偏差。最后通过实验对比,发现准确率与F1值均有所提升,证明MRDW-ICI算法能够较为合理地选择出最优特征子集。 展开更多

关键词 特征选择 信息论 动态权重 最小冗余

下载PDF 职称材料

社会网络中基于主题的影响力最大化算法 被引量：3

18

作者 朱玉婷 李雷 +3 位作者 施化吉 周从华 施磊磊 徐慧 《计算机应用研究》 CSCD 北大核心 2016年第12期3611-3614,共4页

为了解决现有的影响力最大化研究没有充分考虑主题对影响力节点挖掘的影响而导致特定主题下节点集合的影响范围不大这一问题,提出了一种社会网络中基于主题的影响力最大化算法TIM。该算法首先根据主题敏感阈值对初始节点集进行预处理,... 为了解决现有的影响力最大化研究没有充分考虑主题对影响力节点挖掘的影响而导致特定主题下节点集合的影响范围不大这一问题,提出了一种社会网络中基于主题的影响力最大化算法TIM。该算法首先根据主题敏感阈值对初始节点集进行预处理,剔除干扰节点,再在新的节点集合上分两个阶段进行节点挖掘。第一阶段挖掘主题权威性大的节点,第二阶段挖掘主题影响增量最大的节点,最后综合两个阶段的节点作为结果集并进行实验验证。实验结果表明,相比其他算法,TIM算法挖掘的节点集合在特定主题下的影响范围更大,时间复杂度更低。 展开更多

关键词 社会网络 影响力最大化 主题 节点挖掘 节点集

下载PDF 职称材料

基于依存树和注意力机制情感分析模型的改进 被引量：1

19

作者 王浩 周从华 《计算机与数字工程》 2021年第11期2310-2314,共5页

主流的情感分析模型是基于依存树和注意力机制的LSTM神经网络模型,但依存树捕捉依存关系较弱;注意力机制有时隐藏层和目标向量维度可能不一致,且归一化后对应的梯度将会变小,使模型很难训练。针对上述问题,提出一种基于依存图和双线性... 主流的情感分析模型是基于依存树和注意力机制的LSTM神经网络模型,但依存树捕捉依存关系较弱;注意力机制有时隐藏层和目标向量维度可能不一致,且归一化后对应的梯度将会变小,使模型很难训练。针对上述问题,提出一种基于依存图和双线性串联平衡因子的注意力机制情感分析模型(BSBDG-LSTM),引入依存图形结构,允许多个依存根节点存在,使依存关系理解更加充分;在注意力机制中添加可学习的参数矩阵和平衡因子,使隐藏层和向量的维度保持一致,并降低维度系数。电商评论数据的实验结果表明,BSADG-LSTM模型比LSTM模型、ATAE-LSTM模型、DAT-LSTM模型和DASN模型在情感分析中准确率更高,模型训练效果更好。 展开更多

关键词 情感分析 依存图 注意力机制 LSTM神经网络

下载PDF 职称材料

基于属性的访问控制策略的正确性验证

20

作者 吕江华 刘志锋 +1 位作者 徐亚涛 周从华 《计算机工程与应用》 CSCD 北大核心 2016年第18期98-103,132,共7页

基于属性的访问控制策略以更精确的粒度控制着用户或进程对系统资源的访问,因此获得了越来越广泛的应用。然而必须保证所制定策略的正确性,才能防止对系统资源的非法访问,因此必须研制出一种有效的方法来验证策略的正确性。基于模型检... 基于属性的访问控制策略以更精确的粒度控制着用户或进程对系统资源的访问,因此获得了越来越广泛的应用。然而必须保证所制定策略的正确性,才能防止对系统资源的非法访问,因此必须研制出一种有效的方法来验证策略的正确性。基于模型检测技术提出了一种访问控制策略的覆盖性与完整性验证方法。主要思想是将覆盖性与完整性验证归约为模型检测问题。将规则集与其变异分别视为模型,以模态逻辑公式描述其性质。调用模型检测算法,分别在模型及其变异模型上检测性质,生成反例报告以确定模型故障点和模型规则缺失点,同时分析性质本身的完善性,最终以完善后的模型和性质再次调用模型检测算法来完成覆盖性与完整性验证。实例分析结果表明覆盖性验证能够有效发现错误的规则,完整性验证能够有效识别验证规则的完备性。方法依托于模型检测工具完成,具有自动化程度高、易操作、测试结果可靠的特点。 展开更多

关键词 基于属性的访问控制 模型检测 覆盖性验证 完整性验证

下载PDF 职称材料