論文元數(shù)據(jù)搜索，找到相關(guān)信息共 6 條：
1998, 20(2): 199-205.
刊出日期：1998-03-19
關(guān)鍵詞:
En-In噪聲模型; 同相放大器; 反相放大器; 電壓負(fù)反饋
本文通過分析和比較同相和反相放大器En-In噪聲的特點(diǎn),給出了若干新結(jié)果。本文方法在低噪聲運(yùn)放電路設(shè)計(jì)和運(yùn)放噪聲參數(shù)提取中都具有十分重要的意義。
2015, 37(8): 1994-1999.
doi: 10.11999/JEIT141635
刊出日期：2015-08-19
該文分析了He等人(2014)提出的無證書簽名方案和Ming等人(2014)提出的無證書聚合簽名方案的安全性，指出Ming方案存在密鑰生成中心(KGC)被動攻擊，He方案存在KGC被動攻擊和KGC主動攻擊。該文描述了KGC對兩個方案的攻擊過程，分析了兩個方案存在KGC攻擊的原因，最后對Ming方案提出了兩類改進(jìn)。改進(jìn)方案不僅克服了原方案的安全性問題，同時(shí)也保持了原方案聚合簽名長度固定的優(yōu)勢。
2008, 30(7): 1666-1670.
doi: 10.3724/SP.J.1146.2006.01872
刊出日期：2008-07-19
關(guān)鍵詞:
陣列信號處理; 二維測向; 非圓信號; MUSIC
該文利用雙平行線陣的陣列結(jié)構(gòu),提出了用于非圓信號二維方向和初相聯(lián)合估計(jì)的擴(kuò)展MUSIC(EN-MUSIC)算法。EN-MUSIC算法估計(jì)得到的方位角、俯仰角與初相一一對應(yīng),自動配對,其可測向信號數(shù)大于子陣陣元數(shù),方位及俯仰測角精度與非圓信號二維測向酉ESPRIT(2D-NC-UESPRIT)算法大致相當(dāng),優(yōu)于波達(dá)方向矩陣法(DOAM)。
2004, 26(11): 1787-1791.
刊出日期：2004-11-19
關(guān)鍵詞:
流密碼;周期序列;線性復(fù)雜度;-錯復(fù)雜度
密碼學(xué)意義上強(qiáng)的序列不僅應(yīng)該具有足夠高的線性復(fù)雜度,而且當(dāng)少量比特發(fā)生改變時(shí)不會引起線性復(fù)雜度的急劇下降,即具有高的-錯復(fù)雜度.該文以多項(xiàng)式的因式分解為主要工具研究了任意有限域GF(q)上,周期N與p互素以及N=v這兩種情況下,計(jì)數(shù)函數(shù)NN,0(c)的值,并給出了線性復(fù)雜度的數(shù)學(xué)期望EN,0的值以及-錯復(fù)雜度的數(shù)學(xué)期望EN,的一個有用的下界,這里p是有限域GF(q)的特征.
2015, 37(8): 1971-1977.
doi: 10.11999/JEIT141604
刊出日期：2015-08-19
為了分析ZUC序列密碼算法在相關(guān)性能量分析攻擊方面的免疫能力，該文進(jìn)行了相關(guān)研究。為了提高攻擊的針對性，該文提出了攻擊方案的快速評估方法，并據(jù)此給出了ZUC相關(guān)性能量分析攻擊方案。最后基于ASIC開發(fā)環(huán)境構(gòu)建仿真驗(yàn)證平臺，對攻擊方案進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明該方案可成功恢復(fù)48 bit密鑰，說明ZUC并不具備相關(guān)性能量分析攻擊的免疫力，同時(shí)也證實(shí)了攻擊方案快速評估方法的有效性。相比Tang Ming等采用隨機(jī)初始向量進(jìn)行差分能量攻擊，初始向量樣本數(shù)達(dá)到5000時(shí)才能觀察到明顯的差分功耗尖峰，該文的攻擊方案只需256個初始向量，且攻擊效果更為顯著。
2024, 46(1): 195-203.
doi: 10.11999/JEIT221517
刊出日期：2024-01-17
由于數(shù)據(jù)量激增而引起的信息爆炸使得傳統(tǒng)集中式云計(jì)算不堪重負(fù)，邊緣計(jì)算網(wǎng)絡(luò)(ECN)被提出以減輕云服務(wù)器的負(fù)擔(dān)。此外，在ECN中啟用聯(lián)邦學(xué)習(xí)(FL)，可以實(shí)現(xiàn)數(shù)據(jù)本地化處理，從而有效解決協(xié)同學(xué)習(xí)中邊緣節(jié)點(diǎn)(ENs)的數(shù)據(jù)安全問題。然而在傳統(tǒng)FL架構(gòu)中，中央服務(wù)器容易受到單點(diǎn)攻擊，導(dǎo)致系統(tǒng)性能下降，甚至任務(wù)失敗。本文在ECN場景下，提出基于區(qū)塊鏈技術(shù)的異步FL算法(AFLChain)，該算法基于ENs算力動態(tài)分配訓(xùn)練任務(wù)，以提高學(xué)習(xí)效率。此外，基于ENs算力、模型訓(xùn)練進(jìn)度以及歷史信譽(yù)值，引入熵權(quán)信譽(yù)機(jī)制評估ENs積極性并對其分級，淘汰低質(zhì)EN以進(jìn)一步提高AFLChain的性能。最后，提出基于次梯度的最優(yōu)資源分配(SORA)算法，通過聯(lián)合優(yōu)化傳輸功率和計(jì)算資源分配以最小化整體網(wǎng)絡(luò)延遲。仿真結(jié)果展示了AFLChain的模型訓(xùn)練效率以及SORA算法的收斂情況，證明了所提算法的有效性。
