一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

隱私保護技術(shù)是當(dāng)前信息安全領(lǐng)域的研究熱點。然而，現(xiàn)階段集合并集運算中的隱私保護技術(shù)側(cè)重理論研究，在實驗?zāi)Ｐ偷拈_發(fā)上較為欠缺。針對該問題，該文首先設(shè)計了保護隱私的集合合并運算電路、去重電路和混淆電路，并應(yīng)用YAO氏通用混淆電路估值技術(shù)提出了一種布爾電路上保護隱私的集合并集協(xié)議。然后，該文使用模擬器視圖仿真法證明了協(xié)議的安全性。最后，基于MightBeEvil中的YAO氏混淆電路估值框架，開發(fā)了該文理論方案對應(yīng)的實驗?zāi)Ｐ?。實驗結(jié)果表明，在安全計算稀疏集合的并集時，所提算法效率優(yōu)于當(dāng)前布爾電路上的其他算法。

可重構(gòu)柔性網(wǎng)絡(luò)鏈路失效將嚴(yán)重影響其上承載的可重構(gòu)服務(wù)承載網(wǎng)(RSCN)的可靠性。文章基于路徑備份策略著重解決時延敏感類型RSCN的可靠性問題，并提出分階段處理方式進一步優(yōu)化備份資源消耗。在拓?fù)漕A(yù)處理階段，根據(jù)RSCN是否支持路徑分裂分別提出分裂的最小備份拓?fù)渖?S-MBT-Gen)算法和最小備份生成樹(MBST- Gen)算法，減小備份拓?fù)鋷捈s束總量；在拓?fù)溆成潆A段，提出主備拓?fù)鋮f(xié)同映射(RNM-PBT)算法，協(xié)調(diào)利用底層網(wǎng)絡(luò)資源。仿真結(jié)果表明，本文提出的算法降低了RSCN平均資源消耗，且具有較高的請求接受率和較低的平均執(zhí)行時間。

該文基于Ding-廣義分圓理論，將周期為$ 2{p^m}$($ p$為奇素數(shù)，$ m$為正整數(shù))廣義分圓序列的研究推廣到任意素數(shù)階情形，構(gòu)造了一類新序列。通過數(shù)論方法分析多項式廣義分圓類，確定并計算線性復(fù)雜度與序列的2次剩余類和2次非剩余類的劃分緊密相關(guān)。結(jié)果表明該類序列的線性復(fù)雜度遠(yuǎn)遠(yuǎn)大于周期的一半，能抗擊應(yīng)用Berlekamp-Massey(B-M)算法的安全攻擊，是密碼學(xué)意義上性質(zhì)良好的偽隨機序列。

在低成本電子標(biāo)簽中實現(xiàn)安全隱私功能是RFID研究領(lǐng)域需要解決的一項關(guān)鍵技術(shù)，該文采用部分ID，CRC校驗以及ID動態(tài)更新的方法，提出一種新型RFID相互認(rèn)證協(xié)議，該協(xié)議具有前向安全性，能夠防止位置隱私攻擊、重傳攻擊、竊聽攻擊和拒絕服務(wù)攻擊，新協(xié)議有效地解決了RFID安全隱私問題，并且符合EPC Class1 Gen2標(biāo)準(zhǔn)，它的硬件復(fù)雜度較低，適用于低成本電子標(biāo)簽。

該文提出一種高性能硬件加密引擎陣列架構(gòu)，為大數(shù)據(jù)應(yīng)用提供了先進的安全解決方案。該模塊架構(gòu)包括一個高速接口、一個中央管理和監(jiān)視模塊(CMMM)、一組多通道驅(qū)動加密引擎陣列，其中CMMM將任務(wù)分配給加密引擎，經(jīng)由專用算法處理后再將數(shù)據(jù)傳回主機。由于接口吞吐量和加密引擎陣列規(guī)模會限制模塊性能，針對PCIe高速接口，采用MMC/eMMC總線連接構(gòu)建陣列，發(fā)現(xiàn)更多加密引擎集成到系統(tǒng)后，模塊性能將會得到提升。為驗證該架構(gòu)，使用55 nm制程工藝完成了一個PCIe Gen2×4接口的ASIC加密卡，測試結(jié)果顯示其平均吞吐量高達(dá)419.23 MB。

組播是一種被廣泛應(yīng)用的通信技術(shù)。組播源認(rèn)證是組播安全中的重要問題，特別是在有擾信道中實現(xiàn)組播源認(rèn)證具有很大的挑戰(zhàn)性。該文提出一種基于門限密碼的鏈?zhǔn)浇M播源認(rèn)證技術(shù)，以解決有擾信道上的組播源認(rèn)證問題。基于組播源認(rèn)證的安全需求和Dolev-Yao模型，該文首先給出鏈?zhǔn)浇M播源認(rèn)證的安全假設(shè)和安全模型；然后結(jié)合Shamir的門限秘密共享技術(shù)，設(shè)計一種適合于有擾信道的組播源認(rèn)證協(xié)議并進行了安全性分析。對協(xié)議的仿真結(jié)果表明，該文設(shè)計的組播源認(rèn)證在保證較好的通信性能前提下具有良好的抗丟包能力。

相對于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)(ANN)，脈沖神經(jīng)網(wǎng)絡(luò)(SNN)具有生物可解釋性、計算效率高等優(yōu)勢。然而，對于目標(biāo)檢測任務(wù)，SNN存在訓(xùn)練難度大、精度低等問題。針對上述問題，該文提出一種基于動態(tài)閾值LIF神經(jīng)元(DT-LIF)與單鏡頭多盒檢測器(SSD)的SNN目標(biāo)檢測方法。首先，設(shè)計了一種DT-LIF神經(jīng)元模型，該模型可根據(jù)累積的膜電位動態(tài)調(diào)整神經(jīng)元的閾值，以驅(qū)動深層網(wǎng)絡(luò)的脈沖活動，提高推理速度。同時，以DT-LIF神經(jīng)元為基元，構(gòu)建了一種基于SSD的混合SNN。該網(wǎng)絡(luò)以脈沖視覺幾何群網(wǎng)絡(luò)(Spiking VGG)和脈沖密集連接卷積網(wǎng)絡(luò)(Spiking DenseNet)為主干(Backbone)，具有由批處理歸一化(BN)層、脈沖卷積(SC)層與DT-LIF神經(jīng)元構(gòu)成的3個額外層和SSD預(yù)測框頭(Head)。實驗結(jié)果表明，相對于LIF神經(jīng)元網(wǎng)絡(luò)，DT-LIF神經(jīng)元網(wǎng)絡(luò)在Prophesee GEN1數(shù)據(jù)集上的目標(biāo)檢測精度提高了25.2%。對比AsyNet算法，所提方法的目標(biāo)檢測精度提高了17.9%。