免费A级毛片在线播放不收费,国产麻豆剧传媒精品国产av,最近最好的2019中文,最好看免费观看高清电影大全

2021年5月16日，由我院王進教授指導，研究生韓惠為第二作者，以長沙理工大學為第一單位的論文被《IEEE Transactions on Industrial Informatics》錄用。《IEEE Transactions on Industrial Informatics》是自動化與控制系統以及計算機工業應用方向頂尖的國際期刊。該期刊致力于跟蹤智能和計算機控制系統、機器人技術、工廠通信和自動化、柔性制造、視覺系統以及數據采集和信號處理的最新發展，是SCI一區TOP期刊，影響因子為9.112，在自動化控制系統和計算機網絡等領域具有很高的影響力。

該論文“Multiple Strategies Differential Privacy on Sparse Tensor Factorization for Network Traffic Analysis in 5G”主要研究了多種策略差分隱私基于稀疏張量分解的5G網絡流量分析問題。由于容量大、傳輸速度快，5G在現代電子基礎設施中發揮著關鍵作用。同時，稀疏張量分解(Sparse Tensor Factorization, STF)是分析5G物聯網上高階、高維、稀疏張量數據(High-Order, High-Dimension, and Sparse Tensor, HOHDST)的降維工具。因此，HOHDST數據依靠STF獲取完整的數據，并發現規則進行實時準確的分析。從計算和數據安全的另一個角度來看，目前的STF解決方案尋求提高計算效率，但忽略了物聯網數據的隱私安全，如網絡流量監控系統的數據分析。針對這些問題，本文提出了一種基于STF的多策略差分隱私框架(Multiple-strategies Differential Privacy framework on STF, MDPSTF)，用于HOHDST網絡流量數據分析。MDPSTF由-差分隱私、中心化差分隱私和本地化差分隱私，三種差分隱私機制組成。在此基礎上，提出了隱私約束的理論證明。因此，MDPSTF可以為HOHDST網絡流量數據提供通用的數據保護，具有很高的安全承諾。我們在兩個真實的網絡流量數據集(和)上進行了實驗。實驗結果表明，MDPSTF對不同程度的隱私保護需求具有較高的通用性，對HOHDST網絡流量數據具有較高的恢復精度。