期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
强不可伪造的双向代理重签名方案 被引量:2
1
作者 冯婕 蓝才会 +1 位作者 郏伯荣 杨小东 《计算机工程》 CAS CSCD 北大核心 2015年第3期116-119,124,共5页
在代理重签名中,一个拥有重签名密钥的半可信代理者可以把受托者的签名转换为委托者对同一消息的签名(即重签名),但该代理者不能单独生成受托者或委托者的签名。标准模型下的代理重签名方案多数是存在不可伪造性的,无法阻止敌手对已经... 在代理重签名中,一个拥有重签名密钥的半可信代理者可以把受托者的签名转换为委托者对同一消息的签名(即重签名),但该代理者不能单独生成受托者或委托者的签名。标准模型下的代理重签名方案多数是存在不可伪造性的,无法阻止敌手对已经签名过的消息重新伪造一个合法的签名。为此,利用基于密钥的目标抗碰撞杂凑函数,提出一种新的双向代理重签名方案。在计算Diffie-Hellman困难问题的假设下,证明该方案在适应性选择消息攻击下是强不可伪造的。分析结果表明,与已有强不可伪造的双向代理重签名方案相比,该方案的系统参数和重签名的长度短,且重签名的计算量小。 展开更多
关键词 双向代理重签名 强不可伪造性 存在不可伪造性 标准模型 系统参数 目标抗碰撞杂凑函数
在线阅读 下载PDF
强不可伪造的在线/离线签名方案 被引量:1
2
作者 黄萍 杨小东 王彩芬 《计算机工程与应用》 CSCD 北大核心 2016年第3期81-84,共4页
针对标准模型下签名方案效率低的问题,利用目标抗碰撞杂凑函数和变色龙哈希函数,提出了一种在线/离线签名方案。在签名消息到来之前,离线阶段进行重签名的大部分计算,并将这些运算结果保存起来;在签名消息到来时,利用离线阶段保存的数... 针对标准模型下签名方案效率低的问题,利用目标抗碰撞杂凑函数和变色龙哈希函数,提出了一种在线/离线签名方案。在签名消息到来之前,离线阶段进行重签名的大部分计算,并将这些运算结果保存起来;在签名消息到来时,利用离线阶段保存的数据能在很短的时间内生成消息的在线重签名。在标准模型下,证明了新方案在适应性选择消息攻击下满足强不可伪造性。分析结果表明,新方案在效率上优于已有的标准模型下签名方案,在线签名算法仅需要1次模减法运算和1次模乘法运算,适合于计算能力较弱的低端计算设备。 展开更多
关键词 在线/离线签名 强不可伪造性 变色龙哈希函数 目标抗碰撞杂凑函数
在线阅读 下载PDF
BTB索引散列算法的研究与设计 被引量:4
3
作者 王国澎 胡向东 +1 位作者 尹飞 朱英 《计算机研究与发展》 EI CSCD 北大核心 2014年第9期2003-2011,共9页
分支误预测是影响高性能处理器性能进一步提升的一个主要因素.现代处理器采用分支目标缓存(branch target buffer,BTB)预测分支指令的目标地址,BTB的预测精度受限于其命中率.由于程序中分支指令的分布并不均匀,传统的BTB索引方式无法充... 分支误预测是影响高性能处理器性能进一步提升的一个主要因素.现代处理器采用分支目标缓存(branch target buffer,BTB)预测分支指令的目标地址,BTB的预测精度受限于其命中率.由于程序中分支指令的分布并不均匀,传统的BTB索引方式无法充分利用BTB资源,从而造成不必要的冲突缺失,影响分支目标地址的预测精度,采用散列索引方式优化访问映射关系是有效解决方法之一.当前大量文献研究了cache的访问方式,但对BTB的散列索引算法的专门探讨则显不足.为了消除分支指令的分布空洞,离散分支指令和BTB条目的固有映射关系,设计了用于BTB索引的XOR散列算法和优化的bit-select索引算法,使用概率方法对BTB单组最大映射数期望的上界作了估计,并对这两种散列索引算法的效果进行了模拟评估.实验结果表明,散列映射方式能够较好地避免BTB冲突缺失造成的预测失败,XOR散列算法的离散效果更好. 展开更多
关键词 分支目标缓冲 散列索引 XOR散列函数 分支目标地址预测 分支预测
在线阅读 下载PDF
基于哈希学习的舰船网络数据库目标数据检索方法 被引量:7
4
作者 许自龙 方小平 《舰船科学技术》 北大核心 2023年第17期182-185,共4页
为了在海量舰船网络数据库中准确获取目标数据,提高数据库目标数据检索的成功率与检索精度,基于哈希学习算法,对舰船网络数据库目标数据检索方法展开研究。通过深度卷积神经网络与哈希学习的有效结合,构建舰船网络数据库目标数据检索模... 为了在海量舰船网络数据库中准确获取目标数据,提高数据库目标数据检索的成功率与检索精度,基于哈希学习算法,对舰船网络数据库目标数据检索方法展开研究。通过深度卷积神经网络与哈希学习的有效结合,构建舰船网络数据库目标数据检索模型,利用深度卷积神经网络提取舰船网络数据库中的数据特征,通过哈希学习层获取舰船网络数据库中数据特征的检索匹配哈希码,并在检索模型中引入加权余弦三元组损失函数完成模型训练,将目标数据作为训练后的模型输入,通过匹配输出的目标数据特征哈希码和舰船网络数据库中数据特征检索哈希码,实现舰船网络数据库目标数据检索。实验表明:该方法可实现舰船网络数据库目标数据检索,检索成功率为100%,可获取准确的经纬度数据;对图像以及文本数据库目标数据均值平均精度最高为82%、78%,检索精度较高,检索的实际应用性能较高。 展开更多
关键词 哈希学习 舰船网络 数据库 目标数据检索 卷积神经网络 损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部