导读:本文包含了多值属性论文开题报告文献综述及选题提纲参考文献，主要关键词:属性基加密,可搜索加密,密钥聚合,抗合谋攻击
多值属性论文文献综述
王海江[1]（2018）在《属性基可搜索加密：多值属性与安全令牌》一文中研究指出近年来互联网技术得到了飞速发展,随着用户数据量的陡增,数据存储系统也出现了数据冗余、存储空间不足的问题。由于云存储的空间扩展能力和低廉的运营成本,越来越多的用户将自己的私有数据转移到云服务器端。为了保护敏感信息的隐私,用户通常会将私人数据进行加密。安全加密是实现数据安全的一种有效手段,但是加密的数据阻碍了用户的高效操作。遗憾的是,面对数据密文,我们很难用现有的在明文数据上使用的方法进行操作。那么我们如何获取包含特定关键字的文件数据呢?为了缓解这种担忧,一种常见的解决方法是采用可搜索的加密(searchable encryption)方案。在可搜索加密方案中,数据拥有者将关键字进行加密作为索引,并与数据密文一起上传到云端服务器。当用户希望获得包含某个特定的关键字的加密数据时,用户可以用自己的密钥生成一个搜索令牌,并将搜索令牌提交给云服务器。云服务器可以利用搜索令牌对加密数据进行关键字搜索。可搜索加密机制使得云服务器在不需要知道关键字或明文信息的前提下,帮助用户搜索加密数据。因此,可搜索加密成为近年来安全存储领域的研究热点之一。在本论文中,我们主要对属性基可搜索加密的多值属性和安全搜索令牌的构造问题展开了研究,主要的研究成果如下:(1)支持用户自主关键字搜索的多值无关属性基加密。传统的对称可搜索加密技术适用于单用户场景,这一条件极大地限制了可搜索加密技术在多用户场景中的拓展。为达到在共享数据上进行关键字搜索的目的,一些学者采用分享密钥的方式,而另一些学者采用数据拥有者实时在线授权搜索令牌的方式。但是,这样的做法存在极大的安全隐患。属性基加密技术提供了对加密数据的细粒度访问控制的功能。韩斐[1]在其博士论文中提出了一种从属性基加密方案到可搜索加密方案的通用转换方法,但其方法是将解密密钥直接作为搜索令牌提交给云服务器,显然这种方法是不可取的。我们分析了现有的属性基可搜索加密方案中的安全模型,针对其中的强限制问题,提出了新的安全模型。在新的安全模型中,挑战者可以询问关于挑战策略和非挑战关键字的搜索令牌。在这一加强的安全模型下,我们提出了两个支持用户自主关键字查询的密文策略属性基加密方案。与已有的方案相比,我们的方案采用了“聚合”技术,有效的减少了搜索密钥的大小,从而减小了搜索令牌的长度,进而提高了搜索效率,这使得我们的系统更加适用于轻量化的具体应用。(2)抵抗搜索令牌伪造攻击的属性基可搜索加密。近年来属性基可搜索加密主要集中在高效性研究上,然而,在提高系统效率的同时,往往需要泄露一定的信息。尽管传统的安全模型INDCKA保证了可搜索密文没有泄露有关关键字的信息,但搜索令牌的安全并不能得到保证。我们针对目前现有的方案提出了trapdoor malleability attack和secret key recovery attack攻击方法,即恶意用户可以从获得的搜索令牌中伪造其它有效搜索令牌并计算出其相对应的私钥。为了解决上述难题,我们提出了一个全新的密文策略的属性基可搜索加密方案,我们的方案保留了ABE方案中的细粒度访问控制,同时支持策略隐藏和关键字快速搜索。在系统开销方面,我们采用了“聚合”技术,使得系统公开参数和密文长度都是常数级的。我们的方案给出了属性基可搜索加密机制中巨大系统开销问题的一个解决方案。(3)支持条件隐藏的属性基代理可搜索重加密。属性基代理重加密机制结合了属性基加密和代理重加密的特点,因其有效的密文访问控制和密文转换的特点,广泛地应用于云存储和社交网络等实际应用场景中。条件代理重加密机制限制了代理服务器的能力,实现了细粒度的密文转换。遗憾的是,在现有的方案中,代理条件需要以明文的形式发送给代理服务器,从而帮助代理服务器完成密文转换。另外,大多数属性基代理重加密方案不支持在密文上进行关键字搜索。为了解决上述难题,我们首先提出一个属性基可搜索加密方案。并在其基础上,利用可搜索加密机制中搜索令牌隐藏关键字的功能,提出了一个支持条件隐藏的属性基代理可搜索重加密方案,该方案不仅实现了密文的细粒度访问控制,而且实现了密文的细粒度代理重加密。另外,代理条件的隐藏使得我们的方案具有更高的安全性。(4)支持授权聚合密钥的可搜索加密。可搜索加密机制的普及使得越来越多的用户将自己加密的文件上传到云服务器端保存。安全起见,用户使用不同的密钥加密不同的文件。这也就意味着,为了共享数据,数据拥有者需要将全体密钥发送给共享用户。大量密钥的分发工作给整个系统带来了巨大的通信开销。密钥聚合的关键字搜索加密机制的提出有效地解决了上述问题,在密钥聚合的关键字搜索加密系统中,数据拥有者只需要分发1个聚合搜索密钥就可以实现对一个文件子集的搜索权限的授权操作。因此,密钥聚合的关键字搜索加密机制的提出有效地减少了授权密钥的长度,从而有效地降低了系统的计算开销和通信开销。我们首先分析文献[2]在安全性上的缺陷,针对这一缺陷提出了相应的攻击方法,并指出该方案不能满足作者声称的安全级别。其次,我们提出了一个更加安全高效的密钥聚合的关键字搜索加密方案。我们的方案相比现有的方案具有安全高效的特点。(本文来源于《上海交通大学》期刊2018-03-01）
汪峰坤,张婷婷[2]（2016）在《一种基于矩阵直接生成二阶频繁项集的多值属性关联规则算法》一文中研究指出使用经典的Apriori、FP_Growth等算法进行多值属性关联规则挖掘,一般是先生成频繁项集,然后根据频繁项集生成关联规则。但当一阶频繁项集通过自连接生成二阶频繁候选项集时,会出现组合爆炸现象,这严重影响了挖掘的性能。改进算法在扫描数据集的过程中,直接在内存中生成以矩阵方式表示的二阶频繁项候选集,高阶频繁项集只需扫描二阶频繁项集矩阵即可生成。实验结果表明,改进算法相比经典FP_Growth算法执行效率至少提高了50%。(本文来源于《新乡学院学报》期刊2016年06期）
汪峰坤,张婷婷[3]（2015）在《一种基于压缩矩阵的多值属性关联规则改进算法》一文中研究指出针对经典的Apriori算法对多值属性数据进行关联规则挖掘时效率低下的问题,提出了改进算法。算法通过对属性值进行二进制编码、增加行和属性值计数器等方式,对数据进行了压缩,并针对压缩的存储矩阵使用了新的频繁集生成算法。实验结果表明,改进算法相比经典Apriori算法执行效率更高,所需资源更少。(本文来源于《新乡学院学报》期刊2015年12期）
阎红灿,张奉,王云,刘保相[4]（2015）在《基于粒计算的多值属性概念格约简》一文中研究指出多值属性的约简大多采用将多值属性单值化的方法,从而增加了概念格节点数量,带来数据处理的复杂性。针对此问题提出了基于粒计算的多值属性概念格约简方法。应用相容函数和信息粒定义了概念粒和相容概念粒集,根据概念粒的偏序关系给出了概念粒集的分层算法,同时给出了概念粒的合成和分解算法;通过概念粒的分量IG得到概念粒的属性域,依据核心属性得到各个属性的概念粒分辨率,为属性约简提供排序依据;应用概念格的分层建格算法构建概念粒集的格结构,通过格同构性得到形式背景的核心属性集合。此方法避免了复杂的模式匹配和多次遍历数据库的操作,为概念格在信息检索、知识发现和数据挖掘等领域的应用奠定了技术基础。(本文来源于《计算机应用》期刊2015年S2期）
汪峰坤,张婷婷[5]（2015）在《一种基于有向图的多维多值属性关联规则挖掘算法》一文中研究指出针对多维多值数据特点,提出了基于FP_Growth的改进算法FP_G。FP_G算法存储结构使用有向图,增加了头结点,方便对图剪枝和遍历。针对图结构使用了新的剪枝策略,对于小于最小支持度的边直接删除,无须修改结点指针。关联规则生成时通过头结点进行深度遍历生成最大频繁模式集。实验结果表明,FP_G算法相比FP_Growth算法,在百万数量级的高维数据集上,执行时间平均节约30%左右。(本文来源于《宿州学院学报》期刊2015年12期）
王珊珊,梁同乐[6]（2015）在《一种改进的多值属性模式聚类算法》一文中研究指出pCluster算法是面向多值属性数据的聚类算法,能识别出多值属性间的相似性。针对模式聚类算法pCluster效率低的问题,提出pCluster的改进算法。实验证明,该改进算法能更高效地获得预期聚类结果。(本文来源于《自动化与信息工程》期刊2015年05期）
郭晓波,赵书良,王长宾,陈敏[7]（2015）在《一种新的面向普通用户的多值属性关联规则可视化挖掘方法》一文中研究指出针对传统关联规则可视化挖掘方法不利于处理多值属性数据、缺乏展现数据间的频繁模式和关联模式以及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法进行多值属性关联规则挖掘,实现了一种新的基于概念格的多值属性关联规则可视化方法.运用概念格理论对多值属性数据进行了重新定义和分类,建立了较为完整的挖掘过程参数调整策略,方便用户选择关键属性值进行规则挖掘分析,提高了算法运行速度和挖掘效率.以概念格结构将多值数据组织起来,实现了对频繁项集的可视化展示,以及关联规则的多模式可视化展示.实验结果表明,改进后的挖掘算法具有更好的性能,所提出的可视化形式和已有成果相比具有良好的展现效果.(本文来源于《电子学报》期刊2015年02期）
张磊,潘渝棱[8]（2014）在《多值属性在品类定义中的算法研究》一文中研究指出品类定义是品类管理的第一步,通过引入多值属性来解决品类描述和品类结构划分中存在的不完整性,克服当前在品类管理实践中对某些属性的描述采取简单化处理的现象。提出基于管理信息化条件下对应的合成与分解思路及多种实现方法,能在一个字段中完整地包容属性中的多值,有利于经营者对销售特征的掌握,全面知晓顾客对这些属性的看法和满意度,最终准确把握顾客关键的购买需求。(本文来源于《成都工业学院学报》期刊2014年04期）
李冬辉,张斌,费晓飞,刘洋[9]（2014）在《基于多值属性分量的XACML策略匹配算法》一文中研究指出针对多值属性分量的XACML策略和策略请求之间的匹配需求,分析多值属性策略匹配中策略规则与请求匹配时两者的对应属性关系,依据属性之间的包含关系和权限蕴含关系,给出3个关于策略匹配的定理并加以证明。根据策略匹配的定理,提出多值属性匹配算法。最后进行实验验证,结果表明该算法能够提高多值属性分量策略的匹配效率。(本文来源于《计算机科学》期刊2014年06期）
郭晓波,赵书良,王长宾,赵娇娇,刘军丹[10]（2014）在《基于概念格的多值属性关联规则挖掘》一文中研究指出针对传统关联规则挖掘算法不利于用户选择关键数据进行分析、无法处理多值属性数据及效率低下等问题,提出了基于KAF因子和CHF因子的Apriori改进算法来进行多值属性关联规则挖掘,运用概念格理论对多值属性数据进行了重新定义和分类;建立了数据挖掘参数调整机制,以提高算法挖掘效率,方便用户选择关键属性值进行规则挖掘分析。结合某省全员人口数据对算法进行了具体实现和分析。实验结果表明,算法性能具有较大提高。(本文来源于《计算机科学》期刊2014年03期）
多值属性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
使用经典的Apriori、FP_Growth等算法进行多值属性关联规则挖掘,一般是先生成频繁项集,然后根据频繁项集生成关联规则。但当一阶频繁项集通过自连接生成二阶频繁候选项集时,会出现组合爆炸现象,这严重影响了挖掘的性能。改进算法在扫描数据集的过程中,直接在内存中生成以矩阵方式表示的二阶频繁项候选集,高阶频繁项集只需扫描二阶频繁项集矩阵即可生成。实验结果表明,改进算法相比经典FP_Growth算法执行效率至少提高了50%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多值属性论文参考文献
[1].王海江.属性基可搜索加密：多值属性与安全令牌[D].上海交通大学.2018
[2].汪峰坤,张婷婷.一种基于矩阵直接生成二阶频繁项集的多值属性关联规则算法[J].新乡学院学报.2016
[3].汪峰坤,张婷婷.一种基于压缩矩阵的多值属性关联规则改进算法[J].新乡学院学报.2015
[4].阎红灿,张奉,王云,刘保相.基于粒计算的多值属性概念格约简[J].计算机应用.2015
[5].汪峰坤,张婷婷.一种基于有向图的多维多值属性关联规则挖掘算法[J].宿州学院学报.2015
[6].王珊珊,梁同乐.一种改进的多值属性模式聚类算法[J].自动化与信息工程.2015
[7].郭晓波,赵书良,王长宾,陈敏.一种新的面向普通用户的多值属性关联规则可视化挖掘方法[J].电子学报.2015
[8].张磊,潘渝棱.多值属性在品类定义中的算法研究[J].成都工业学院学报.2014
[9].李冬辉,张斌,费晓飞,刘洋.基于多值属性分量的XACML策略匹配算法[J].计算机科学.2014
[10].郭晓波,赵书良,王长宾,赵娇娇,刘军丹.基于概念格的多值属性关联规则挖掘[J].计算机科学.2014