資源描述：
《基于蟻群算法的聚類區(qū)分器設(shè)計研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、電子科技大學UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學位論文MASTERTHESIS論文題目基于蟻群算法的聚類區(qū)分器設(shè)計研究學科專業(yè)計算機軟件與理論學號201121060333作者姓名李俊杰指導(dǎo)教師王曉斌教授萬方數(shù)據(jù)分類號密級注1UDC學位論文基于蟻群算法的聚類區(qū)分器設(shè)計研究（題名和副題名）李俊杰（作者姓名）指導(dǎo)教師王曉斌教授電子科技大學成都（姓名、職稱、單位名稱）申請學位級別碩士學科專業(yè)計算機軟件與理論提交論文日期2014.10.08論文答辯日期2014.11.27學位授予單位和日期電子科技大學2014年1
2、2月日答辯委員會主席評閱人注1：注明《國際十進分類法UDC》的類號。萬方數(shù)據(jù)DESIGNANDRESEARCHONDISTINGUISHERBASEDONCOLONYALGORITHMAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:LiJunJieAdvisor:ProfessorWangXiaoBinSchool:SchoolofComputerScience&Engineering萬方數(shù)據(jù)獨創(chuàng)性
3、聲明本人聲明所呈交的學位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。作者簽名：日期：年月日論文使用授權(quán)本學位論文作者完全了解電子科技大學有關(guān)保留、使用學位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電子科技大學可以將學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印
4、、縮印或掃描等復(fù)制手段保存、匯編學位論文。（保密的學位論文在解密后應(yīng)遵守此規(guī)定）作者簽名：導(dǎo)師簽名：日期：年月日萬方數(shù)據(jù)摘要摘要在數(shù)據(jù)挖掘領(lǐng)域，聚類分析是一種從大數(shù)據(jù)集中尋找信息的有效方式。聚類分析被廣泛地應(yīng)用于各種領(lǐng)域，作為信息發(fā)現(xiàn)提供信息支持。蟻群算法是模擬螞蟻覓食過程，尋找到食物源的最短路徑的現(xiàn)象，對該現(xiàn)象進行建模得到的智能算法，具有較好的健壯性，能夠用于解決大規(guī)模的復(fù)雜性問題。文章首先對聚類分析的發(fā)展進行了回顧，對聚類分析進行了介紹和總結(jié)，詳細介紹了不同的聚類算法以及主流聚類算法所使用的相似度量準則。分析了智能算法在聚類分析中的發(fā)展和應(yīng)用，總結(jié)了兩種基于蟻群聚類
5、算法模型：基于覓食行為聚類模型和蟻堆聚類模型。詳細分析了兩種聚類模型的方案，并提出將其應(yīng)用到功耗分析攻擊領(lǐng)域。功耗分析攻擊是安全領(lǐng)域一個重要的分支，文章對該領(lǐng)域的產(chǎn)生發(fā)展進行了概括和總結(jié)，并梳理了區(qū)分器發(fā)展的主要脈絡(luò)，介紹了包括功耗產(chǎn)生原理，以及典型的區(qū)分器原理，如DPA（DifferentialPowerAnlysis），CPA（Correlationpoweranalysis），MIA（MutualinformationAnlysis）等。為了更好的應(yīng)用基于蟻群聚類算法，文章詳細介紹了功耗分析原理。詳細分析了各種區(qū)分器之間內(nèi)在聯(lián)系，探索使用蟻群聚類算法構(gòu)建區(qū)分器的可
6、能性。文章基于軟件實現(xiàn)的對AES-128算法的功耗信息進行分析，提出了基于蟻群聚類算法區(qū)分器構(gòu)造的主要思想和流程。根據(jù)數(shù)據(jù)相關(guān)性，即相同數(shù)據(jù)帶來相同的功耗泄露，利用基于蟻群聚類方法對功耗信息進行聚類。接下通過猜測密鑰值，對聚類結(jié)果集中中間變量的數(shù)據(jù)特征進行統(tǒng)計，得到統(tǒng)計圖，如果當前猜測正確那么在統(tǒng)計圖上可以得到明顯的特征。通過實驗說明，即使在噪聲較大情況下，聚類成功率較低（如60%聚類正確），攻擊者仍然能以100%概率恢復(fù)出正確密鑰信息。表明該方法在抗噪聲方面，具有一定優(yōu)勢。通過實驗分析說明，該方法不僅僅局限于文章提出的方案。能夠結(jié)合功耗泄露模型進一步優(yōu)化區(qū)分器的構(gòu)造。
7、如果攻擊者在聚類時，依據(jù)中間變量漢明重量進行聚類，在降低聚類數(shù)目的情況下，仍然能夠恢復(fù)正確密鑰信息。該方案與傳統(tǒng)的區(qū)分器相比，如DPA和CPA，能夠利用多點信息泄露的優(yōu)勢。同時，還對基于蟻群聚類算法的區(qū)分器下一步工作進行了展望，包括如何進一步提出防護方案使得加密算法更加安全等。最后，對本文中所有工作進行了總結(jié)。關(guān)鍵詞：數(shù)據(jù)挖掘，聚類分析，蟻群算法，旁路攻擊，功耗分析，區(qū)分器I萬方數(shù)據(jù)ABSTRACTABSTRACTIntheareaofdatamining,clusteringanalysisisaneffectivewaytoextra
