論文元數(shù)據(jù)搜索，找到相關(guān)信息共 5 條：
1995, 17(1): 35-41.
刊出日期：1995-01-19
關(guān)鍵詞:
Barker碼; 二元碼; 選碼方法
本文最終證明了不存在n13位的Barker碼,并探索了二相碼的解析優(yōu)選法。文中定義了一個Yn矩陣,并由Yn導(dǎo)出了二相碼的重量w,Hamming距離d,游程數(shù)和碼長n之間的關(guān)系式,所得關(guān)系不僅揭示出二相碼各參數(shù)之間的內(nèi)在聯(lián)系,而且可用它來解決Barker碼的存在性問題,從而將二相碼的優(yōu)選問題建立在解析的基礎(chǔ)上。文中還舉出了應(yīng)用實例。
2009, 31(3): 740-744.
doi: 10.3724/SP.J.1146.2007.01562
刊出日期：2009-03-19
關(guān)鍵詞:
保密通信;MD5;碰撞攻擊;充分條件集;冗余性;制約性
Wang Xiaoyun等(2005)給出了MD5能產(chǎn)生碰撞的一個充分條件集，并首次成功對MD5進行了碰撞攻擊。Yuto Nakano等(2006)指出上述充分條件集中有16個條件是冗余的，并給出了其中14個條件冗余的原因。Liang Jie和Lai Xuejia(2005)指出Wang Xiaoyun等給出的充分條件集并非總能產(chǎn)生碰撞，并增加新的條件使之總能產(chǎn)生碰撞，同時提出了一個新的碰撞攻擊算法。本文證明了Yuto Nakano等給出的16個冗余條件中有兩個并不冗余，且Liang Jie和Lai Xuejia增加的新條件中有兩個是冗余的，指出Liang Jie和Lai Xuejia的碰撞攻擊算法在消息修改時忽視了被修改條件之間的制約性，因而未必總能產(chǎn)生碰撞，本文對此進行了修正，給出新的充分條件集，并通過實驗驗證了該充分條件集總能產(chǎn)生碰撞。
2005, 27(2): 235-238.
刊出日期：2005-02-19
關(guān)鍵詞:
群簽名; 偽造攻擊; 不關(guān)聯(lián)性
群簽名允許群成員以匿名的方式代表整個群體對消息進行簽名。而且,一旦發(fā)生爭議,群管理員可以識別出簽名者。該文對Posescu(2000)群簽名方案和Wang-Fu(2003)群簽名方案進行了安全性分析,分別給出一種通用偽造攻擊方法,使得任何人可以對任意消息產(chǎn)生有效群簽名,而群權(quán)威無法追蹤到簽名偽造者。因此這兩個方案都是不安全的。
2020, 42(3): 720-728.
doi: 10.11999/JEIT190230
刊出日期：2020-03-19
SIMON系列算法自提出以來便受到了廣泛關(guān)注。積分分析方面，Wang，Fu和Chu等人給出了SIMON32和SIMON48算法的積分分析，該文在已有的分析結(jié)果上，進一步考慮了更長分組的SIMON64算法的積分分析?；赬iang等人找到的18輪積分區(qū)分器，該文先利用中間相遇技術(shù)和部分和技術(shù)給出了25輪SIMON64/128算法的積分分析，接著利用等價密鑰技術(shù)進一步降低了攻擊過程中需要猜測的密鑰量，并給出了26輪SIMON64/128算法的積分分析。通過進一步的分析，該文發(fā)現(xiàn)高版本的SIMON算法具有更好抵抗積分分析的能力。
2024, 46(9): 3672-3682.
doi: 10.11999/JEIT240364
刊出日期：2024-09-26
弱監(jiān)督語義分割方法可以節(jié)省大量的人工標(biāo)注成本，在病理全切片圖像(WSI)的分析中有著廣泛應(yīng)用。針對弱監(jiān)督多實例學(xué)習(xí)(MIL)方法在病理圖像分析中存在的像素實例相互獨立缺乏依賴關(guān)系，分割結(jié)果局部不一致和圖像級標(biāo)簽監(jiān)督信息不充分的問題，該文提出一種全局感知與稀疏特征關(guān)聯(lián)圖像級弱監(jiān)督的端到端多實例學(xué)習(xí)方法(DASMob-MIL)。首先，為克服像素實例之間的獨立性，使用局部感知網(wǎng)絡(luò)提取特征以建立局部像素依賴，并級聯(lián)交叉注意力模塊構(gòu)建全局信息感知分支(GIPB)以建立全局像素依賴關(guān)系。其次，引入像素自適應(yīng)細化模塊(PAR)，通過多尺度鄰域局部稀疏特征之間的相似性構(gòu)建親和核，解決了弱監(jiān)督語義分割結(jié)果局部不一致的問題。最后，設(shè)計深度關(guān)聯(lián)監(jiān)督模塊(DAS)，通過對多階段特征圖生成的分割圖進行加權(quán)融合，并使用權(quán)重因子關(guān)聯(lián)損失函數(shù)以優(yōu)化訓(xùn)練過程，以降低弱監(jiān)督圖像級標(biāo)簽監(jiān)督信息不充分的影響。DASMob-MIL模型在自建的結(jié)直腸癌數(shù)據(jù)集YN-CRC和公共弱監(jiān)督組織病理學(xué)圖像數(shù)據(jù)集LUAD-HistoSeg-BC上與其他模型相比展示出了先進的分割性能，模型權(quán)重僅為14 MB，在YN-CRC數(shù)據(jù)集上F1 Score達到了89.5%，比先進的多層偽監(jiān)督(MLPS)模型提高了3%。實驗結(jié)果表明，DASMob-MIL僅使用圖像級標(biāo)簽實現(xiàn)了像素級的分割，有效改善了弱監(jiān)督組織病理學(xué)圖像的分割性能。
