【摘 要】
:
网络编码是在传统网络数据存储转发的基础上允许网络中间节点进行数据重编码,从而提高网络吞吐量、鲁棒性和安全性的有效方法。但是网络编码中的恶意中间节点向下游中间节点发送的污染数据包也会被下游中间节点重编码,进而污染整个网络,导致信宿节点不能正确解码出原始数据。因此设计出具备抗污染特性的网络编码安全方案相当重要。本文首先基于单源多播网络,分析了现有的基于零空间的污染数据包识别方案的一些缺陷,提出了的基于
论文部分内容阅读
网络编码是在传统网络数据存储转发的基础上允许网络中间节点进行数据重编码,从而提高网络吞吐量、鲁棒性和安全性的有效方法。但是网络编码中的恶意中间节点向下游中间节点发送的污染数据包也会被下游中间节点重编码,进而污染整个网络,导致信宿节点不能正确解码出原始数据。因此设计出具备抗污染特性的网络编码安全方案相当重要。本文首先基于单源多播网络,分析了现有的基于零空间的污染数据包识别方案的一些缺陷,提出了的基于零空间对称密钥分离的同态签名方案(SKIL)。和HSM方案每个中间节点和信宿节点用源节点密钥矩阵的不同子矩阵作为密钥验证数据包不同,本方案各中间节点用互不相同的行向量密钥验证数据包,降低了数据包可被成功伪造的风险,减小了通信开销,并且每个信宿节点用整个密钥矩阵验证数据包,增强了验证性。而且本方案每个信宿节点可以用整个密钥矩阵定位恶意节点。仿真实验表明,与HSM方案相比,本方案中间节点计算耗时较小,与基于博弈的拜占庭式攻击者最优识别方案(OBAI)相比,本方案计算耗时相对较小,恶意节点定位速度较快,恶意节点定位正确率较高。然后,本文引入同态子空间签名方案(HSS)中的公钥验证思想,对SKIL方案进行改进,提出了基于离散对数公钥和SKIL方案的同态签名方案(DLIL)。本方案信源节点用求幂前的密钥矩阵签名信息,每个中间节点用互不相同的求幂后的密钥向量验证数据包,每个信宿节点用求幂后的整个密钥矩阵验证数据包和定位恶意节点,从而使求幂前的原始密钥不容易被攻击者获取。这样便于密钥管理,使方案安全性增加。仿真实验表明,与OBAI方案相比,本方案恶意节点定位正确率较高。最后,本文还提出了将SKIL方案和DLIL方案组合的同态签名方案(NSDLIL)。本方案信源节点采用和DLIL方案相同的签名方式,用整个未求幂的密钥矩阵签名信息。每个中间节点采用和SKIL方案相同的验证方式,用互不相同的未求幂的密钥向量验证数据包,计算开销低。每个信宿节点采用与DLIL方案相同的验证和定位方式,用整个求幂后的密钥矩阵验证数据包和定位恶意节点,密钥自身安全性高。仿真实验表明,与DLIL方案相比,本方案计算耗时较小,恶意节点定位速度较快,恶意节点定位正确率较高。
其他文献
随着互联网的飞速发展,目前已经步入大数据时代,这也带来了新环境下的网络安全问题。为了降低网络安全风险,对于能够泛化检测恶意代码的分类检测方法展现出了其在网络中的必要性。恶意代码使用者通常使用复杂的加壳、变形等混淆技术来规避杀毒软件的查杀风险,面对这些变种的恶意代码,如何能够高效、准确的对变种恶意代码进行检测和分类具有一定的研究价值。对于恶意代码识别检测,目前通常是采用的特征提取的方法,通过提取出恶
目的本课题研究发现PIN1在正常皮肤中的功能不是很重要,条件性敲除小鼠皮肤中的PIN1不会影响皮肤的发育及其保护屏障的功能。在皮肤鳞状细胞癌中,PIN1作为一个重要的调控者能
背景:先天性膈疝(congenital diaphragmatic hernia,CDH)是由于胚胎发育异常导致的先天性畸形疾病,是新生儿急危重症之一。探索CDH的发病机制,寻找有效的治疗方法,是临床和科
现代汉语“从+X”在现代汉语中存在三种共时词汇状态,分别是词、短语和跨层的状态。文章在大规模真实语料的基础上,对已被《现代汉语词典》(第7版)收录为词的39例“从+X”进行考察,通过在所选语料库中具有较高词频的词条、成词状态和非词状态分布较为均匀的词条、现有的分词软件对其切分时易出现歧义以及具有“词”“短语”“跨层结构”三种共时词汇状态四个标准进行筛选,继而选出“从前”“从此”“从小”为研究对象,
高温磨损是热作模具在严酷工作条件下的一种典型的失效形式,高温下热作模具钢的耐磨性的差异直接影响着热作模具的使用寿命。然而目前,针对热作模具钢高温磨损失效机理以及影
近年来,铁路行业发展迅猛,铁路运营里程与客货运数量提升明显,而列车行车安全是铁路运输的根本保障。随着列车运行速度的不断提升,由于人为因素或自然灾害带来的铁路异物侵限问题已经变得十分突出,而仅靠列车司机观察与人工巡检的方式已经不能满足现实情况要求。因此,迫切需要在铁路重点路段设置一套具有检测精度高、速度快、性价比高的异物检测系统,能够及时准确的发现异物。在此背景下,本文开展了基于结构光的铁路异物检测
命名实体识别作为自然语言处理领域一项重要的基础任务,应用于机器翻译、自动问答、文本摘要、信息检索等众多领域。传统的基于规则和统计的实体识别方法需要依赖人工设计的特征,通用性较差。而深度学习方法可以通过神经网络自动学习样本来获取有效特征,自问世以来就逐步成为命名实体识别任务的主流方法。在基于深度学习的命名实体识别现有研究中,Word2Vec、Glove等分布式词向量包含了单词的语义信息,被作为单词的
氨是现代社会重要的化学品之一,目前主要是通过“Haber-Bosch”法以N2和H2为原料在高温高压的条件下合成NH3。光催化固氮是以水和N2为原料在常温常压的条件下制备氨,因此受到
在连续空间密集采样得到的数据往往具有函数型特征,用经典的多元统计方法可以研究这些数据,但忽略了数据背后潜在的函数所包含的信息,而函数型数据分析(FDA)利用基函数将离散
解析生物分子的结构,有助于理解生物分子在生物体内的作用机制,针对不同生物分子作用机制的不同,可以进一步开展相应疾病防治、药物设计、药物控制释放等研究。最常用的解析