遗传算法在经典密码分析中的应用综述

来源 :信息工程大学学报 | 被引量 : 0次 | 上传用户:lshel
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
元启发式优化方法是经典密码分析的有效手段之一,遗传算法是经典密码分析中应用最广泛的一种元启发式技术.对遗传算法在经典密码分析中的应用进行了深入调查,论述了现阶段国内外发展现状,阐述了遗传算法的核心要素和技术难点,并对仍需进一步关注的问题提出了思考.
其他文献
通过模拟不同种连接方式,研究铝导线连接点过热故障现象及痕迹特征.测得连接点温度和熔断时间,利用高速摄像机记录熔断过程,并对所得痕迹试样的宏观形貌、金相组织进行观察比较.得出勾接方式连接时,导线断开瞬间产生明显电弧,断开温度低、速度快,熔痕晶粒为细小的胞状晶和柱状晶;缠绕和铰接方式连接时,导线断开瞬间很少产生明显电弧,会有尖状熔痕,绕结、粘接、熔结痕迹,熔痕晶粒为粗大的等轴晶或柱状晶.研究结论为此类电气火灾调查提供依据.
基于地理位置的路由协议因其对动态拓扑的高适应能力已成为车载自组织网(Vehicular Ad Hoc Network,VANET)的主导路由协议.首先,介绍基于地理位置的路由协议的基本思想,描述几种经典的基于地理位置的单播和多播路由协议算法.其次,分析VANET的特点,基于此对VANET环境中基于地理位置的单播和多播路由协议进行分析总结.再次,介绍欧洲电信标准化协会提出的面向VANET的基于地理位置路由的协议标准GeoNetworking的基本实现框架.最后,对VANET中基于地理位置的路由协议存在的问题
5G时代智能终端数量和数据量呈指数级增长,集中式的云计算将难以满足用户浸入式的极致体验.作为5G的关键技术之一,移动边缘计算在边缘侧提供IT服务和云计算能力,带来便利的同时也引出了新的安全挑战.首先,调查了移动边缘计算所面临的安全风险和现有安全防护机制;其次,重点讨论了协议和网络安全、访问控制、身份认证、数据安全与隐私保护、虚拟化安全的发展现状并进行展望;最后,针对安全防护机制提出三方面建议,分别是改进安全防护机制、定制差异化安全需求、与新技术相结合.
表面增强拉曼散射(SERS)因其无损检测、快速响应和高灵敏度等优点,已经发展成为一种高效的分子探测技术.但目前大多数关于SERS的研究仍然基于贵金属材料(如Au、Ag等),成本高、表面均匀性较低、生物相容性差等不足限制了其广泛应用.石墨烯具有原料来源丰富、二维原子级平面、大比表面积、高稳定性和独特的电学和光学性能等优势,研究表明其可作为一种有效的SERS基底材料,为相关研究开拓了新思路.近年来,过渡金属硫族化合物(TM-DCs)、六方氮化硼、黑磷、二维碳氮化物等二维无机层状材料也开始受到研究者关注.本文综
在研究发射机和接收机正交失衡对MIMO OFDM系统影响的基础上,提出了基于正交失衡的指纹特征提取方法.通过构造特殊的训练序列,使用最小二乘算法对MIMO信道和发射机正交失衡进行估计,提取出反映正交失衡畸变的指纹特征,采用支持向量机对10个辐射源目标进行身份识别.实验结果表明,其性能优于基于调制域错误的方法.
误差反向传播卷积神经网络在误差反向传播中的权值更新对网络结构的优化、显卡的设计制造以及底层源代码编写都具有很重要的指导意义.针对目前关于权值更新的基础算法分析不足的问题,以简单的误差反向传播卷积神经网络为例,将卷积神经网络的结构中共用的卷积层、池化层、激活函数以及损失函数的权值更新方法进行了推导,并给出了严密的数学证明.最后,利用经典的分类模型进行试验验证,清晰地诠释了监督学习卷积神经网络误差反向传播过程中权值更新的计算过程.
随着人工智能的发展、含有激活函数库开源框架的增加,针对激活函数库的对比与分析越来越重要.在Intel x86架构上进行实验,从函数性能、稳定性、精度3个方面测试并分析了PyTorch和TensorFlow两种主流人工智能框架中的常用激活函数.实验结果表明,PyTorch的整体稳定性要高于TensorFlow,且Sigmoid、Hardsigmoid、SeLU、ReLU、ReLU6、Tanh函数的性能皆优于TensorFlow;在精度方面,TensorFlow中除SeLU函数与LeakyReLU函数稍差些,
动态故障树相比传统的静态故障树,具有动态性、时序性和冗余性等动态失效特征,其顶事件发生概率的计算方法更加复杂.采用深度优先搜索方法获取动态故障树子模块,介绍了基于最小割集和二元决策图的静态故障树顶事件概率计算方法、基于马尔科夫链和积分公式的动态故障树顶事件概率计算方法.重点分析了4种计算顶事件概率方法的适用范围和特点,总结了计算动态故障树顶事件概率的一般计算流程.最后以飞机某新型氧气系统失效为例进行分析验证.
为提高无监督图像分割准确性,提出一种新的基于深度超像素的超图谱分割方法.首先,通过多种过分割方法得到超像素,以迭代的方式两两求交集表示为深度超像素,作为超图的顶点.其次,根据超像素和深度超像素之间的关联性构建超边,形成超图模型.最后,通过对超图拉普拉斯矩阵进行谱分解将超像素聚成不同的类,从而得到图像的分割结果.相较于经典方法,新方法在伯克利分割图像库上产生更好的分割结果,验证了该方法的有效性.
知识图谱补全能够将知识图谱补充完整,是知识图谱领域的一个研究热点.基于知识表示学习的知识图谱补全学习知识的向量表示,利用向量的计算挖掘知识图谱中的隐藏关联,具备更高的计算效率和更强的泛化能力,是知识图谱补全最好的方案之一.首先,介绍知识图谱补全和知识表示学习的概念;其次,按照实体和关系是否固定分别介绍静态知识图谱补全和动态知识图谱补全,对两个不同场景下各类算法的思路及改进过程进行详细说明;最后,总结知识图谱补全研究现状并展望未来研究方向.