两类扩散结构特征向量的研究与应用

来源 :电子与信息学报 | 被引量 : 28次 | 上传用户:dengsanhua
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
SP(Substitution&Permutation)模型是分组密码常用模型之一。该文提出了基于扩散结构特征向量构造SP模型高概率差分传递链和线性逼近链的方法。利用该方法构造了ARIA算法6轮概率为2-168的差分传递链,并构造了仅使用一个S盒的6轮弱化ARIA算法达到概率上界2-144的差分传递链。结果表明,SP模型的设计者应当尽量选择特征向量个数较少且不含低重量特征向量的扩散结构。此外,该文还给出了准对合MDS(Maximum Distance Separable)矩阵及循环移位矩阵的特征值以
其他文献
该文在分析离散频率编码波形信号(DFCW)的模糊函数基础上,建立了离散频率编码信号设计的优化模型,将微群粒子群优化算法(MicPSO)应用于DFCW设计。针对DFCW设计为排列优化问题,引入了Grefenstette编码作为MicPSO的粒子编码进行优化设计。仿真结果表明,DFCW的自相关峰值旁瓣、多普勒容限主要与信号码长有关,而通过该优化设计,信号的互相关性能得到极大改善,与已有方法相比,该方法
针对复杂场景下目标检测和目标检测中特征选择问题,该文将二值粒子群优化算法(BPSO)用于特征选择,结合支持向量机(SVM)技术提出了一种新颖的基于BPSO-SVM特征选择的自动目标检测算法。该算法将目标检测转化为目标识别问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。基于BPSO-SVM的特
经典的P2P网络信任模型采用迭代方法由局部信任值推算出全局信任值,每次交易都要引起整个网络节点的迭代运算,导致计算复杂,通信流量大,并且面临交易数据过于稀疏,计算不够精确从而容易陷于恶意节点的共谋、诋毁和睡眠等攻击问题。为了保证数据的稠密性与计算结果的精确性,论文基于概率统计理论,提出了一种新的全局信任模型。该模型根据节点的历史交易情况,运用最大似然估计,假设检验等方法计算出节点的信任度,节点选择