有个简单的经济原理

2007年美国金融危机爆发,2007年中国房价以深圳为代表开始大幅涨价,记得还有个深圳的娃在byhh 爆料自己家人劝他好好读书,深圳房价都涨到一万了。

2008年美国出台刺激消费措施,国内房价开始大幅下跌,出现有意思的情况是深圳许多之前买房的人,要还的贷款比当时房价还贵。

接着美国刺激消费措施失败,国内金融危机进一步加剧,中国房价持续走高。

再接着美国开动印钞机,发行大量美元,这些热钱大量流入中国,进一步促使房价上涨。

继续阅读

Bloom filter

Bloom filter 是由 Howard Bloom 在 1970 年提出的二进制向量数据结构,它具有很好的空间和时间效率,被用来检测一个元素是不是集合中的一个成员,这种检测只会对在集合内的数据错判,而不会对不是集合内的数据进行错判,这样每个检测请求返回有“在集合内(可能错误)”和“不在集合内(绝对不在集合内)”两种情况,可见 Bloom filter 是牺牲了正确率换取时间和空间。

如需要判断一个元素是不是在一个集合中,我们通常做法是把所有元素保存下来,然后通过比较知道它是不是在集合内,链表、树都是基于这种思路,当集合内元素个数的变大,我们需要的空间和时间都线性变大,检索速度也越来越慢。 Bloom filter 采用的是哈希函数的方法,将一个元素映射到一个 m 长度的阵列上的一个点,当这个点是 1 时,那么这个元素在集合内,反之则不在集合内。这个方法的缺点就是当检测的元素量很多时候可能有冲突,解决方法就是使用 k 个哈希 函数对应 k 个点,如果所有点都是 1 的话,那么元素在集合内,如果有 0 的话,元素则不再集合内。

Bloom filter 优点就是它的插入和查询时间都是常数,另外它查询元素却不保存元素本身,具有良好的安全性。它的缺点也是显而易见的,当插入的元素越多,错判“在集合内”的概率就越大了,另外 Bloom filter 也不能删除一个元素,因为多个元素哈希的结果可能在 Bloom filter 结构中占用的是同一个位,如果删除了一个比特位,可能会影响多个元素的检测。

继续阅读

OceanStore:An Architecture for Global-Scale Persistent Storage

OceanStore 项目地址                              论文地址

OceanStore 声称是一个全球规模的存储网络。因为这个网络基于不可信服务器,数据进行冗余和加密处理,为提供高可用性与性能,数据可能在任何地方、任何时间被缓存,OceanStore 能够忍受区域性中断服务和 DOS 服务攻击。在 CMU 已经有了原型,可参见上面 OceanStore 项目地址。

继续阅读

POTSHARDS: Secure Long-Term Storage Without Encryption

原文地址

summary:文章介绍了一种在不可信的存储提供商(Storage Service Provider)上建立长期文档的可信存储,采用的方法不是加密而是秘密分享(secret sharing)技术。首先文章谈到文档系统应该满足几个安全特性:

  1. 授权用户必须能够访问数据
  2. 即使缺少密钥,计算适当时间后也可以访问数据
  3. 保证数据的完整性,用户所读到的数据是之前写入的,而不是被篡改的。

关于因子分析

因子分析是模式识别中降维的一个重要方法,它把具有相关性的多个特征参数去相关性,提取出因子进行分析,有效的减少了计算量,但通过 SPSS 实验发现,如果进行因子分析后,得到的因子对分类的贡献值不相同,通过碎石图可以看到少量因子对聚类贡献大,更多的因子对聚类贡献小,如果把它们同等对待进行下一步的聚类(如 k-means 聚类)会严重影响聚类结果,导致还不如用一个因子进行聚类。下面是计算因子的方法: 继续阅读

Secret Sharing/Spliting 秘密分享

Secret Sharing 最早是 1979 年由 Adi Shamir 和 George Blakley 提出来的。很早看十万个为什么数学板块的时候,红楼梦里的王熙凤将百宝箱上了四把锁,将钥匙分为四份,每个人拿着两份,只有任意 2 个人一起来开箱子才能够把箱子打开(如下图),这应该也是一种(2-4)秘密分享的技术吧!但是这与现代的秘密分享还有不同。

 \begin{tabular}{||c||c||c||c||} \hhline{|t:=:t:=:t:=:t:=:t|}$Key_1$ & $Key_2$ & $Key_3$ &$Key_4$ \\ \hhline{|:=:b:=::=:b:=:|}\multicolumn{2}{||c||}{$User_1$}&\multicolumn{2}{c||}{}\\ \hhline{|:=:t:=:b:=:t:=:|}&\multicolumn{2}{c||}{$User_2$}&\\ \hhline{|:=:b:=:t:=:b:=:|}\multicolumn{2}{||c||}{}&\multicolumn{2}{c||}{$User_3$}\\ \hhline{|:=:t:=:b:=:t:=:|}{$User_4$}&\multicolumn{2}{c||}{}&{$User_4$}\\ \hhline{|b:=:b:==:b:=:b|} \end{tabular}

继续阅读