项目实施方案-创新训练类.docVIP

项目实施方案 一、项目背景及研究意义 二、项目的创新之处 1.绝对匿名的社交 本项目所开发的软件绝对匿名，不会采集任何用户个人的敏感信息，确保聊天社交过程的私密性，对于用户的聊天内容进行了加密，即使在公开网络的环境下也有足够的安全性。使得用户真正放下包袱、卸下压力用最真实的自己去和他人交流，去发泄自己的情绪。 2.不用注册的使用 本软件安装后即可使用，省去了大部分社交软件必须的账户注册部分，使用户使用更加快速便捷。采用获取用户手机号或系统分配（自动分配，无需申请）账号的方式让用户无门槛使用，同时无密码，用户二次使用全凭手机号或账号。对于使用手机号登录的用户系统会在登陆时发送验证码确保安全性。 3.不用打字地聊天 改进传统打字聊天的交流方式，创新性地加入了预设图片表情、常用聊天语句、颜文字表情、互赠礼物等方式，而且保留了语音、文字等传统聊天模式。让交流变得更简单方便，聊天时间也能更加碎片化。 4.随心所欲地倾诉 创新性地加入了“口水墙”功能，这个板块可以让用户随意吐槽，倾诉内心的不满，尽情诉说，一吐生活的不快，同时用户也可以在这个板块把藏在心底的秘密都说出来。提供了一个可以逞口舌之快而不用“负责任的地方”。 项目的研究内容和研究目标 对于此项目研究内容，概括来说主要包括，基于用户的需求的个性化其他用户推荐算法、保护用户的聊天记录的加密算法、防止不良信息传播的防骚扰算法、以及实现时软件的开发技术。 个性化其他用户推荐算法 ⑴基于地理位置的推荐：在这个算法中，还有主要的一点是通过基站来对该用户的大概地理位置的获取，在获取了该用户的地理位置后，再向该用户推荐一些在本城市的其他用户，方便与用户之间交流本城市内的一些潮流话题，或者倾诉共同的心声。 ⑵基于聊天内容的推荐：通过对用户聊天内容中的经常出现的一些关键字进行捕捉，然后记录。在下次为用户更新好友时可以根据用户的最近的聊天兴趣推荐同类型的好友，即该推荐算法推荐的其他用户是与该用户近期聊天内容内容比较相关的用户。 在此算法中的难点是用户聊天的关键字的获取以及相似性的计算。 基于内容的推荐算法的相似性计算通常采用余弦相似性（cosine similarity）算法，即计算用户A的特征向量和其他用户B的特征向量的相似性。 其中A表示用户特征向量，B表示其他用户特征向量，是用户特征向量的模，是其他用户特征向量的模。 ⑶基于用户协同过滤的推荐：在软件最初时，需要用户填写一些自己个人的兴趣爱好，然后可依照此标记选出与该用户同兴趣的其他好友，然后根据被选出的其他用户与用户的兴趣相似度的大小进行排名，在截取排名较前的其他用户中检验是否有用户标记为不喜欢的用户，最后向用户推荐。所以这个算法难点是要遍历数据库中与该用户兴趣相同的其他用户。 ⑷基于关联规则的推荐：此算法主要针对用户的兴趣爱好进行相关类别的推荐，比如说有人的兴趣爱好是篮球，则可以向他推荐有兴趣爱好是NBA的用户。在此算法中，关联规则的数量和质量尤为重要，所以好的关联规则决定了算法的成功与否。 ⑸组合推荐算法：有时对于有些用户，个人兴趣没有或者很少的话，在推荐其他用户时数量比较少，需要组合几中算法来推荐。或者有时向某一用户推荐的好友过多，需要用其他的算法来过滤。一般用到最多的是基于内容的推荐和协同过滤推荐混和。 用户聊天记录的保护 这虽然是一款匿名的聊天软件，但是对用户的聊天信息，我们依然采取保护措施，给用户提供最大化的保护，使用户的使用的更加放心。对用户的聊天信息中的一些敏感信息进行隐私保护。针对此要求主要应用AES加密算法。AES加密过程是在一个4×4的字节矩阵上运作，这个矩阵又称为“状态（state）”，其初值就是一个明文区块（矩阵中一个元素大小就是明文区块中的一个Byte）。加密时，各轮AES加密循环（除最后一轮外）均包含4个步骤： AddRoundKey — 矩阵中的每一个字节都与该次轮秘钥（round key）做XOR运算；每个子密钥由密钥生成方案产生。 SubBytes — 通过个非线性的替换函数，用查找表的方式把每个字节替换成对应的字节。 ShiftRows — 将矩阵中的每个横列进行循环式移位。 MixColumns — 为了充分混合矩阵中各个直行的操作。这个步骤使用线性转换来混合每列的四个字节。 最后一个加密循环中省略MixColumns步骤，而以另一个AddRoundKey取代。 防骚扰算法 ⑴主要针对社会中有些人会传播不良信息对用户的身心健康造成伤害。所以对一些比较敏感的字眼系统会加以抓取，然后对此用户的账号信息注销，对其他用户施以保护。 ⑵在这个软件中，使用者可以对自己不喜欢的用户加以标注，标注后，被标注的用户向你发消息时，你就不会接收到了