本发明涉及一种与异构网on/off算法相结合的动态频谱选择方法，属于通信技术领域。该方法包括：基站通过X2接口与同运营商下的其它基站信令交互，获取目标频段信息，所述基站和所述终端分别对满足频段信息的频段进行RSSI能量检测；基站依次将收到终端反馈的RSSI值与预设定的门限值进行对比，选择合适的频段，生成列表4，并将列表3与列表4进行对比，并将结果通过广播并告知，统计用户的业务等级，进行终端侧的DFS算法；执行DFS的终端同时获取目标频段上同运营商下其它基站的状态和负载情况，优先考虑基站处于“打开”状态的频段。此外，如果基站从“关闭”到“打开”状态的时间在终端允许等待的时间段内，终端仍可以选择该频段。采用本发明，能够有效提高用户体验，提高用户的QoS保障。

本发明公开了一种车联网中基于节点身份和信誉的强隐私保护双重认证方法。用户向认证中心登记注册，获得与其共享的唯一秘密信息，并将车辆节点初始化参数信息保存在TPM安全存储区，当用户希望车辆节点上的车载应用与后台应用服务器进行交互时，需输入身份信息由TA执行车辆节点与后台的认证过程：通过双线性对原理建立与TA的临时加密密钥对信息对称加密传输，TA对收到的消息进行完整性、一致性检测，验证车辆节点真实和临时身份的合法性，并调用ES计算节点信誉，如果最终车辆节点的身份合法并且信誉度超过阈值，则完成车辆节点与后台通信的认证。本发明增强了认证的安全性，保护了用户身份隐私及轨迹隐私，提高了认证效率，减少了认证时延。

本发明请求保护一种基于SDN的数据中心网络中为保障QoS(Quality of Service，服务质量)的路由算法。该方法针对数据中心网络中用户终端传输时延高及链路拥塞问题，提出一种数据中心网络中为保障Qos的路由算法，该算法将到达交换机的数据流进行优先级分类，使得对时延敏感的高优先级数据流采用时延保障算法：找出数据平面时延最小的路径进行流表下发；而对带宽要求较高的低优先级数据流则采用带宽保障算法：根据数据流对带宽的需求进行动态的带宽调整；从而有效的保障用户的QoS，并提高了数据中心网络中的资源利用率。

本发明公开了一种基于模糊多类SVM的微博垃圾用户检测方法，将一对多SVM多类分类器与模糊数学理论相结合用于微博垃圾用户检测。现有的微博垃圾用户研究，都是对全局的垃圾用户特征进行分析，分析力度不够，缺乏针对某类垃圾用户的特征分析，这样会使垃圾用户逃避检测系统的检测。本发明通过对微博垃圾用户的特征进行分析，将垃圾用户分为三类，构造一对多SVM多类分类器，并针对多类分类器产生的混分样本使用模糊聚类方法进行模糊处理，得到组合分类器，提高了检测精度。

本发明请求保护一种多特征融合的钓鱼网页检测方法，包括训练过程和检测过程两个部分。结合半监督学习tri‑training方法整合了钓鱼网页特点的三个视图，主要解决了现有钓鱼网页检测方法大多需要通过大量的标注数据利用监督学习来进行的分类模型训练的问题。该方法主要结合协同训练算法，从网页URL特征、网页页面信息特征和网页搜索信息特征出发，将多视图，多分类器的思想运用到钓鱼网页检测中，通过不同分类器的协同训练学习，达到减少总体人工标注训练样本数和及时识别钓鱼网页的目的。

本发明请求保护一种改进的RBF神经网络热点话题用户参与行为预测方法，属于计算机网络信息技术分析领域。首先，考虑到神经网络能够对用户行为之间复杂的非线性关系起到良好的拟合效果，并进一步采用RBF(Radical Basis Function，径向基函数)神经网络构建用户参与行为预测模型；其次，由于用户属性与参与行为之间的映射关系具有不确定性，引入云理论(Cloud)对RBF中隐含层的激活函数进行优化；最后，针对用户的参与行为随时间变化的特点，利用时间离散化及时间切片方法，对话题热度进行基于指数函数模型的参数拟合，从而得出话题热度变化趋势。

本发明请求保护一种车联网中的隐私保护系统及方法。该方法的实现需要以下模块：加密区发现模块、更名间隔计算模块、假名更换实施模块。该技术方案实施步骤如下：首先定义路网中的用户兴趣点，根据当前路网情况，结合数据挖掘知识，通过机器学习聚类器对路网中的兴趣点进行聚类分析发现兴趣点密集的地方，并将该区域作为车辆更名的加密区；采集车主的位置隐私保护需求和车辆的驾驶目标位置并将其参数化，通过统计函数计算出一个满足用户需求的更名间隔，将该间隔作为判断是否给车辆更换假名的条件；最后，在加密区中为满足更名条件的车辆实施假名更换，以实现该车辆的位置隐私保护。本发明减小了攻击者成功窃取车主隐私的概率。

本发明请求保护一种车联网中非可信资源传播的阻控方法及系统，设计对资源输出车辆节点的访问控制策略以及节点信任值计算方法，该方法通过限定资源输出车辆的固定属性和动态属性，并根据车辆行驶轨迹动态生成细粒度的访问控制策略，使其更具扩展性和灵活性，不仅实现消息的匿名定向传播，减少资源浪费，且有效保护通信车辆的身份隐私；节点信任值的计算保证了资源传播者的信任度，满足车联网中安全相关的消息对安全和隐私的要求，可有效识别恶意节点，防止恶意资源注入和非可信资源的传播。本发明方法可以广泛用于移动互联网，无线传感网等相关领域。

本发明提出了一种带状态流计算系统中的异常监控及预测方法和系统，该方法主要对带状态的流计算系统进行全面实时监控并采集系统性能指标；采用数据降维方法对分类器输入数据进行预处理，然后利用分类算法获取最优的分类平面；通过系统预测模块预测系统下一时刻的运行状态；将预测的运行状态构成的平面与分类器所得的最优分类平面进行比较，最终可以预测出系统是否出现异常，并根据检查结果对分类器进行更新，使得获取的分类平面能自适应系统运行状况，最终达到监控及预测系统运行状态的目的。降维处理不仅实现了降维的目的，减少特征向量的维数，而且缩短了训练时间，计算量并没有随着维数升高而增加很多。

本发明公开了一种面向流计算系统异常感知的容错方法及系统，包括计算模块、系统监控模块、动态扩展模块、错误恢复模块和计算资源池模块。系统监控模块周期性的检测系统中各个工作节点的计算状态，当检测到工作节点的状态为警告时，通过系统监控模块、动态扩展模块、错误恢复模块及计算资源池模块之间的相互配合，对处于警告状态的工作节点进行预防性的错误恢复；系统监控模块进一步监控处于警告状态的工作节点，根据工作节点的状态从警告分别到错误、正常和异常之间转变，错误恢复模块做出不同的处理。这是一种在实现流计算系统中对用户透明的容错方法；本发明具有完整的错误恢复过程，并且提高了流计算系统的错误恢复效率。