期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于国产公钥密码算法的门限签名及解密方案 被引量:10
1
作者 廖会敏 王栋 +2 位作者 玄佳兴 杨珂 李丽丽 《计算机应用与软件》 北大核心 2021年第6期313-317,共5页
公钥密码体系中用户的私钥保护问题至关重要,在智能终端安全存储和使用私钥成为当前面临的问题。在门限密码学的基础上,以密码机为辅助设备,提出基于国产公钥SM2/SM9算法的门限签名和门限解密方案。将私钥分割成两份,一份存储在客户端,... 公钥密码体系中用户的私钥保护问题至关重要,在智能终端安全存储和使用私钥成为当前面临的问题。在门限密码学的基础上,以密码机为辅助设备,提出基于国产公钥SM2/SM9算法的门限签名和门限解密方案。将私钥分割成两份,一份存储在客户端,一份存储在服务端密码机。当需要使用私钥进行签名或解密运算时,由客户端和服务端密码机分别使用自己的私钥分量进行密码运算,并通过一定的交互过程后得到最终的签名或解密结果。由于密码机的特性,攻击者获得完整私钥的可能性趋近于零,对于密码机无法存储海量私钥分量的问题亦给出解决方案。和以往的门限方案相比,该方案私钥的安全系数更高,更贴近实际的应用场景。 展开更多
关键词 SM2算法 SM9算法 门限签名 门限解密 智能终端
在线阅读 下载PDF
基于一维卷积神经网络的恶意代码家族多分类方法研究 被引量:8
2
作者 王栋 杨珂 +3 位作者 玄佳兴 韩雨桐 廖会敏 魏博垚 《计算机应用与软件》 北大核心 2021年第12期332-336,340,共6页
为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型。该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR。实... 为了提取有效的恶意代码特征,提高恶意代码家族多分类的准确率,提出一种改进模型。该模型将恶意代码的特征映射为灰度图,使用改进的恶意样本图像缩放算法进行图像的规范化处理,基于VGG模型构建一维卷积神经网络分类模型ID-CNN-IMIR。实验结果表明,恶意代码特征的提取和处理提升了分类效果;对比经典的机器学习算法、二维卷积神经网络、其他基于深度学习的恶意代码分类模型,ID-CNN-IMIR分类准确率是最好的,达到98.94%。 展开更多
关键词 深度学习 恶意代码 灰度图 卷积神经网络 恶意样本图像缩放
在线阅读 下载PDF
基于eID的网络身份制与个人信息保护法律制度研究 被引量:4
3
作者 杨珂 王俊生 《信息安全研究》 2019年第5期440-447,共8页
网络空间中用户身份具有虚拟性和难以确定性,使得网络空间虚拟社会的无序状态难以有效治理.网络实名制作为一种以用户实名为基础的互联网管理方式,是约束、引导和保护互联网用户的重要手段和制度.然而,随着大数据时代的到来,用户越来越... 网络空间中用户身份具有虚拟性和难以确定性,使得网络空间虚拟社会的无序状态难以有效治理.网络实名制作为一种以用户实名为基础的互联网管理方式,是约束、引导和保护互联网用户的重要手段和制度.然而,随着大数据时代的到来,用户越来越多的信息存在于网络空间,个人信息泄露的事件屡见不鲜.基于网络电子身份标识(eID)的网络身份管理体系,可以保证网络服务机构在不泄露用户个人信息的前提下有效识别用户的真实身份,为网络实名制和个人信息保护之间的矛盾提供了良好的解决方案.目前,我国网络身份管理还处于初步发展和试点应用阶段,相关法律制度尚不完善,必须加以探究. 展开更多
关键词 网络电子身份标识 网络身份制 网络实名制 个人信息 法律制度
在线阅读 下载PDF
基于机器学习的分布式光伏电站投建人信用风险评估模型研究 被引量:2
4
作者 杨珂 陈绍真 +1 位作者 王波 林伟珍 《征信》 北大核心 2018年第12期33-37,共5页
分布式光伏电站初期投资大、回报周期长。金融机构融资能够解决其资金问题,助其快速发展。如何全面和准确地评估投建人的信用风险状况,是金融机构风险控制的核心环节。在分布式光伏电站投建人的数据基础上,分别用层次支持向量机、决策... 分布式光伏电站初期投资大、回报周期长。金融机构融资能够解决其资金问题,助其快速发展。如何全面和准确地评估投建人的信用风险状况,是金融机构风险控制的核心环节。在分布式光伏电站投建人的数据基础上,分别用层次支持向量机、决策树、随机森林算法和梯度提升决策树算法四种基于机器学习的分类算法建立信用风险评估模型,研究结果表明,四种分类模型对于分布式光伏电站投建人信用风险评估都具有较高的预测精确度(其中以梯度提升决策树为最高),都可以用于信贷决策。 展开更多
关键词 信用风险评估模型 分布式光伏电站 机器学习 分类算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部