-
公开(公告)号:CN107203725A
公开(公告)日:2017-09-26
申请号:CN201710366773.5
申请日:2017-05-23
Applicant: 广东工业大学
IPC: G06F21/62
CPC classification number: G06F21/6245 , G06F2221/2107
Abstract: 目前国内外的隐私保护数据挖掘算法存在不足,例如,目前分布式环境下关联规则挖掘隐私保护算法较多的使用同态加密技术,在将该技术运用在分布式关联规则挖掘中时,私钥拥有者容易通过两两计算站点的信息,获得足够多的方程组后,解出各站点数据集中项集的支持度信息造成隐私泄漏。针对现有技术的不足,本发明提出了一种垂直分布式关联规则挖掘隐私信息保护方法。该方法使用了部分隐藏的随机化回答方法对各站点原始数据进行扰乱与隐藏,引入半可信第三方,各站点计算得到本地持有的项集事务向量,利用Paillier加密算法统计出项集全局事务向量,由第三方进行解密并得到项集全局支持度。本发明方法提高了支持数的计算效率和安全性。
-
公开(公告)号:CN107273746A
公开(公告)日:2017-10-20
申请号:CN201710352331.5
申请日:2017-05-18
Applicant: 广东工业大学
CPC classification number: G06F21/564 , G06F2221/033 , G06K9/6223
Abstract: 本发明公开了一种基于APK字符串特征的变种恶意软件检测方法,通过对APK中所使用的字符串进行提取;将所述提取到的字符串转化为特征向量,从而生成模糊哈希值;利用k-means算法对所述模糊哈希值进行聚类,并以哈密顿距离作为度量彼此之间的相似度,对病毒库中样本进行简化,实现对变种恶意软件的检测。该方法与传统的模糊哈希算法相比具有较快的运算速度,并且能极大提高变种样本的检测速度及准确率,并提高了抗干扰性。
-