-
题名基于Bell态的量子安全多方求和
被引量：1
- 1
-
-
作者
常泓
吴怡婷
林崧
-
机构
福建师范大学数学与信息学院
福建师范大学数字福建大数据安全技术研究所
福建师范大学数字福建环境监测物联网实验室
-
出处
《量子电子学报》
CAS
CSCD
北大核心
2021年第6期830-837,共8页
-
基金
国家自然科学基金,61772134,61976053
福建省高等学校新世纪优秀人才支持计划
福建省自然科学基金,2018J01776。
-
文摘
利用纠缠交换中结果态和初始态之间存在的关系,提出一个基于Bell态的高效量子安全多方求和协议。该协议中,一个半可信第三方负责制备Bell态作为信号载体,并将这些载体粒子分发给参与者。随后,参与者根据其私密数据选择相应的局域幺正算子,对载体粒子进行编码操作。最后,参与者对其手中的粒子进行Bell基测量,半可信第三方就可以利用粒子初态和测量结果计算出求和结果。对协议中常见的外部和内部攻击的安全性分析表明所提协议在理论上是安全的。
-
关键词
量子信息
量子密码
安全多方求和
BELL态
纠缠交换
-
Keywords
quantum information
quantum cryptography
secure multiparty summation
Bell state
entanglement swapping
-
分类号
TP319
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于虚拟光学的视觉显著目标可控放大重建
被引量：7
- 2
-
-
作者
陈家祯
吴为民
郑子华
叶锋
连桂仁
许力
-
机构
福建师范大学数学与信息学院
福建师范大学数字福建大数据安全技术研究所
福建省船政交通职业学院信息工程系
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第5期1209-1215,共7页
-
基金
福建省自然科学基金(2018J01779,2017J01739)。
-
文摘
该文提出一种基于虚拟光学的视觉显著目标高分辨率可控放大重建方法。原始图像放置于虚拟光路物平面,首先通过衍射逆计算获得原始图像在虚拟衍射面的光波信号,再对虚拟衍射面光波用球面波照射后作正向衍射计算,通过改变观测平面位置可重建出不同放大率的原始图像。仿真测试结果表明,与一般的插值放大方法相比,所获得的放大后的图像特别是在显著性区域表示出良好的视觉感知效果。将包含人脸的低分辨率降质图像作为待重建信号,所重建人脸的显著性区域如眼睛、鼻子等比一般重建方法更清晰。用水平集方法结合显著图分割出原始图像中的局部显著区域并作放大重建和轮廓提取,轮廓表现出良好的光滑性。
-
关键词
图像分割
虚拟光学
显著性目标
可控放大
-
Keywords
Image segmentation
Virtual optics
Saliency object
Controllable magnification
-
分类号
TN911.73
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于动态双注意力机制的跨模态行人重识别模型
被引量：2
- 3
-
-
作者
李大伟
曾智勇
-
机构
福建师范大学计算机与网络空间安全学院
福建师范大学数字福建大数据安全技术研究所
-
出处
《计算机应用》
CSCD
北大核心
2022年第10期3200-3208,共9页
-
文摘
针对跨模态行人重识别图像间模态差异大的问题,大多数现有方法采用像素对齐、特征对齐来实现图像间的匹配。为进一步提高两种模态图像间的匹配的精度,设计了一个基于动态双注意力机制的多输入双流网络模型。首先,在每个批次的训练中通过增加同一行人在不同相机下的图片,让神经网络在有限的样本中学习到充分的特征信息;其次,利用齐次增强得到灰度图像作为中间桥梁,在保留了可见光图像结构信息的同时消除了颜色信息,而灰度图像的运用弱化了网络对颜色信息的依赖,从而加强了网络模型挖掘结构信息的能力;最后,提出了适用于3个模态间图像的加权六向三元组排序(WSDR)损失,所提损失充分利用了不同视角下的跨模态三元组关系,优化了多个模态特征间的相对距离,并提高了对模态变化的鲁棒性。实验结果表明,在SYSU-MM01数据集上,与动态双注意聚合(DDAG)学习模型相比,所提模型在评价指标Rank-1和平均精确率均值(mAP)上分别提升了4.66和3.41个百分点。
-
关键词
跨模态
行人重识别
多输入双流网络
齐次增强
加权六向三元组排序损失
-
Keywords
cross-modal
person re-identification
multi-input dual-stream network
homogeneous augmentation
Weighted Six-Directional triple Ranking(WSDR)loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
