資源描述：
《基于蟻群算法的聚類區(qū)分器設(shè)計(jì)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA碩士學(xué)位論文MASTERTHESIS論文題目基于蟻群算法的聚類區(qū)分器設(shè)計(jì)研究學(xué)科專業(yè)計(jì)算機(jī)軟件與理論學(xué)號(hào)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(hào)密級(jí)注1UDC學(xué)位論文基于蟻群算法的聚類區(qū)分器設(shè)計(jì)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(xué)成都（姓名、職稱、單位名稱）申請學(xué)位級(jí)別碩士學(xué)科專業(yè)計(jì)算機(jī)軟件與理論提交論文日期2014.10.08論文答辯日期2014.11.27學(xué)位授予單位和日期電子科技大學(xué)2014年1
2、2月日答辯委員會(huì)主席評閱人注1：注明《國際十進(jìn)分類法UDC》的類號(hào)。萬方數(shù)據(jù)DESIGNANDRESEARCHONDISTINGUISHERBASEDONCOLONYALGORITHMAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:LiJunJieAdvisor:ProfessorWangXiaoBinSchool:SchoolofComputerScience&Engineering萬方數(shù)據(jù)獨(dú)創(chuàng)性
3、聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)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(biāo)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(xué)或其它教育機(jī)構(gòu)的學(xué)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(xiàn)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(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)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(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)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(xué)位論文。（保密的學(xué)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(jìn)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(jìn)行了回顧，對聚類分析進(jìn)行了介紹和總結(jié)，詳細(xì)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(zhǔn)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(xì)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(gè)重要的分支，文章對該領(lǐng)域的產(chǎn)生發(fā)展進(jìn)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(xì)介紹了功耗分析原理。詳細(xì)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(shí)現(xiàn)的對AES-128算法的功耗信息進(jìn)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(jìn)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(jìn)行統(tǒng)計(jì)，得到統(tǒng)計(jì)圖，如果當(dāng)前猜測正確那么在統(tǒng)計(jì)圖上可以得到明顯的特征。通過實(shí)驗(yàn)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(shí)驗(yàn)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(jìn)一步優(yōu)化區(qū)分器的構(gòu)造。
7、如果攻擊者在聚類時(shí)，依據(jù)中間變量漢明重量進(jìn)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(diǎn)信息泄露的優(yōu)勢。同時(shí)，還對基于蟻群聚類算法的區(qū)分器下一步工作進(jìn)行了展望，包括如何進(jìn)一步提出防護(hù)方案使得加密算法更加安全等。最后，對本文中所有工作進(jìn)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
