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

可重構(gòu)柔性網(wǎng)絡(luò)鏈路失效將嚴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。在拓撲預(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撲生成(S-MBT-Gen)算法和最小備份生成樹(MBST- Gen)算法，減小備份拓撲帶寬約束總量；在拓撲映射階段，提出主備拓撲協(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。

在低成本電子標簽中實現(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標準，它的硬件復(fù)雜度較低，適用于低成本電子標簽。

基于視覺采樣原理，該文提出了一般化的視覺采樣聚類方法VSC。該方法將視覺原理與著名的Weber定律結(jié)合起來，其特點是：對聚類初始條件不敏感；Weber定律提供了新的聚類有效性標準，并且該方法所得到的合理的聚類數(shù)可以依據(jù)Weber定律而得到。大量的實驗結(jié)果表明了算法VSC的有效性。文中討論了算法VSC與由Yang Miin-Shen等人(2004)新近提出的基于相似度量的聚類算法SCA之間的內(nèi)在聯(lián)系，得出了這兩個算法具有一定的同解性質(zhì)，從而揭示了該文所提方法VSC能夠有效地克服算法SCA中參數(shù) 不易確定的困難。

為克服多重代理簽名方案中無法確認誰是真正簽名者的弱點，Sun于1999年提出了不可否認的代理簽名方案。2000年Hwang等人指出Sun的方案不安全，并對Sun的方案進行了改進，2004年 Tzeng, Tan, Yang各自對Hwang等人的方案進行了安全性分析，指出Hwang方案容易受到內(nèi)部偽造攻擊。該文通過讓原始簽名組與代理簽名組互動來實現(xiàn)秘密共享和密鑰分配的方法，設(shè)計了一種新的安全的多重代理、多重簽名方案，它能夠滿足不可否認性和不可偽造性的要求。

Gu-Zhang-Yang(2005)提出了一個不需要可信第三方參與的匿名代理簽名方案，由于該方案的簽名驗證數(shù)據(jù)中沒有回避孤懸因子這一現(xiàn)象，因此并不滿足強不可偽造性，原始簽名人可以偽造一個有效的代理簽名通過驗證，并成功地在代理簽名者身份揭示階段向公眾證明該偽造的代理簽名是由合法的代理簽名者產(chǎn)生的。本文在分析該方案安全性的基礎(chǔ)上提出了改進的匿名代理簽名方案，克服了原方案的不足。

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419.23 MB。

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，對于目標檢測任務(wù)，SNN存在訓練難度大、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)集上的目標檢測精度提高了25.2%。對比AsyNet算法，所提方法的目標檢測精度提高了17.9%。