-
题名抗侧信道攻击的SM4多路径乘法掩码方法
被引量：8
- 1
-
-
作者
谭锐能
卢元元
田椒陵
-
机构
深圳大学信息工程学院
国民技术股份有限公司
-
出处
《计算机工程》
CAS
CSCD
2014年第5期103-108,114,共7页
-
基金
国家自然科学基金资助面上项目(61070252)
-
文摘
SM4是国内于2006年公布的第1个商用的分组密码算法。为提高SM4算法安全性,抵御功耗分析、电磁辐射等侧信道攻击,提出一种抗侧信道攻击的SM4多路径乘法掩码方法。该方法在轮函数中采用多条数据路径,并对引进随机数后的S盒用有限域乘法求逆变换加以改进,使中间结果与标准SM4算法的中间结果完全不同,从而掩盖SM4加密过程中的所有关键信息,增加侧信道分析的难度。实验结果表明,与标准SM4算法和普通的SM4乘法掩码算法相比,该方法在芯片的功耗和硬件资源增加不大的情况下,能有效消除中间数据所产生的能量消耗,增强算法安全性,可成功抵御各种侧信道攻击。
-
关键词
侧信道攻击
有限域求逆
乘法掩码
SM4算法
多路径掩码方法
-
Keywords
Side-channel Attack（SCA）
finite field inverse
multiplicative masking
SM4 algorithm
multi-path masking method
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名基于图神经网络与元学习的小样本关系推理模型
- 2
-
-
作者
刘文杰
陈亮
任智杰
-
机构
南京信息工程大学软件学院
南京信息工程大学数字取证教育部工程研究中心
-
出处
《计算机工程》
北大核心
2025年第5期124-132,共9页
-
基金
国家自然科学基金(62071240)
江苏省自然科学基金(BK20231142)。
-
文摘
知识图谱关系推理旨在推理实体间缺失的链接,当前知识图谱关系推理模型在小样本关系推理上表现不佳,且难以对训练集中未出现的实体进行关系推理。针对以上问题,提出一种基于图神经网络(GNN)与损失权重元学习的知识图谱小样本关系归纳推理模型。模型利用图神经网络学习目标实体间的子图模式,从而泛化到新实体的关系推理。通过路径掩码策略降低模型对特定子图模式的依赖,捕捉数据中的关键特征和模式,从而提高模型归纳推理泛化能力。基于元学习方法引入分布均衡的元数据集来学习一个自适应损失函数,调整不同样本的损失权重,使模型更关注难以预测的小样本关系,从而提高模型对小样本关系预测的准确度。最后,在归纳链接预测基准数据集FB15k-237和NELL-995中过滤掉没有子图的三元组,并进行链接预测和三元组分类任务,同时对测试集中属于小样本关系的三元组进行评价。实验结果表明,所提模型在归纳推理基准数据集上具有较好的表现,并且在7个小样本数据集上的性能比目前最优的模型平均提升1%左右。
-
关键词
知识图谱
图神经网络
小样本关系预测
路径掩码
损失权重元学习
-
Keywords
knowledge graph
Graph Neural Network(GNN)
few-shot relation prediction
path-wise masking
loss-weight meta-learning
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
