【摘 要】
：
本文针对目前主流的对称密码算法、哈希散列算法提出一款轻量级粗粒度可重构阵列,该架构包含根据算法特性设计的可重构存储器、可重构行间互联模块、可重构常量锁存器堆和可
【机 构】
：
上海交通大学电子信息与电气工程学院,上海 200240
论文部分内容阅读
本文针对目前主流的对称密码算法、哈希散列算法提出一款轻量级粗粒度可重构阵列,该架构包含根据算法特性设计的可重构存储器、可重构行间互联模块、可重构常量锁存器堆和可重构运算单元(PE),阵列规模为4×4.架构采用TSMC28nm工艺,在1GHz频率下,能够实现12.75Gbps的AES运算性能,1.3Gbps的SHA256运算性能,相对于以往大规模的可重构密码阵列实现2.8倍的面积效率.
其他文献
近年来,IIoT(工业物联网)的发展十分迅速,其应用场景也极为丰富,如传感器、机器人、自动化设备等[1]。工业物联网在实际应用中会产生大量的数据,数据的隐私性及安全性是十分重要的。目前,区块链技术被广泛地认为是实现数据安全高效存储/处理/共享的一种有前途的解决方案,但区块链在扩展性、去中心化程度、安全性及延迟上四个方面存在着相互制约。利用深度强化学习可以更好地在上述四个方面实现较好的平衡,使得区块
近年来通过网络爆发的重大舆情事件数量激增,谣言自动检测成为净化网络生态环境的重要研究课题的大背景下,本文主要探讨利用LSTM+Attention深度学习技术对常识类谣言进行自动
存算一体加速器因其高能效和低功耗的特点受到广泛关注,但在神经网络模型与存算一体加速平台之间缺乏高效的自动化映射工具.为了改善这一局面,本文提供一个面向忆阻器存算一
云计算服务安全评估方法一直面临着安全指标覆盖范围小、适用场景有限和指标不易量化的问题,使得云计算服务安全评估工作难以高效开展与实施.本文基于国家标准的要求提出一种
目击证人描述和嫌疑人画像是侦破刑事案件的重要依据,然而尽管人脸识别技术近年来发展迅速,但是根据嫌疑人画像自动识别嫌疑人身份仍然极具挑战。大部分现有素描人脸识别方法或者在特征空间中减小嫌疑人画像与照片之间的模态差异,或者先在嫌疑人图像和照片之间进行转换再进行人脸比对,而都忽略了目击证人对嫌疑人的属性描述。本文提出将人脸属性引入素描与照片间的转换过程,在照片域和素描域中同时进行人脸比对,并融合两者结果
在投影系统中,常常伴随着复杂的物理杂散光效应,从而使投影图像质量受到严重影响。互反射补偿就是为了消除这些杂散光的影响。通过改变输入图像,使投影出的图像和原图一致。这是解决投影图像退化的一个重要但常常被忽视的问题。传统的方法通常通过计算矩阵求逆来解决这个问题。本文首先设计一个深度卷积神经网络,即投影补偿网络(PCN)来学习求逆的过程。PCN由一系列卷积层提取图像特征。此外,在VGG网络上计算特征图的
教学评价信息的采集中难免出现数据缺失的情况,不适当考虑丢失的数据会导致分析结果的偏差。数据填补技术针对不同数据集的填补性能不同,几乎没有填补技术适合所有的数据集。使用fancyImpute和scikit-learn两个免费开源的包库,对包含1000条数据6个属性的教学评价数据集模拟两种缺失机制构建缺失数据集,评估5种方法的填补性能。为了探索正确填补对数据集的影响,我们从scikit-learn中选择有代表性的两种分类器来评估。实验结果表明IterativeImputer算法具有良好的性能。
在说话人识别任务中,如何提取出更区分性的说话人向量来表征说话人一直是研究的重点。使用基于孪生神经网络的自动编码器提取出更具区分性的说话人嵌入向量。在开源的Voxceleb1说话人识别数据集上测试提取的新向量,通过实验表明,相比基线系统的x-vector,新向量在等错误率上获得相对22%的降低。
切入场景一种常见且重要的场景,对于智能网联汽车自动驾驶功能开发和测试至关重要,但由于缺少较为统一的切入场景分析体系和轨迹拟合方法,导致针对切入场景的自动驾驶功能场
为解决传统化学方法测定水质高锰酸盐指数时效性差、操作繁琐、易产生二次污染的问题,本文提出一种基于XG-Boost算法预测水质高锰酸盐指数的模型.首先采用紫外-可见光谱仪获