uBlock算法的低代价门限实现侧信道防护方法

在传统的基于黑盒模型的密码分析中,攻击者仅可以利用密码算法的输入输出信息进行攻击,现有密码算法在黑盒模型下的安全性已经得到较为充分的论证.但是在灰盒模型下,攻击者的能力得到提高,其不仅可以获取密码算法的输入输出信息,还可以获得密码算法实际执行过程中泄露的功耗、电磁、光等物理信息,这些物理信息和密码算法的中间状态具有相关性,敌手可以利用这种相关性进行秘密信息的恢复,这种攻击被称为侧信道攻击.侧信道攻击自提出以来,由于其相对低的实现代价以及较高的攻击效率对于密码算法的实现安全性造成了严重的威胁.u Block算法是2019年全国密码算法设计竞赛分组密码一等奖获奖算法,同样受到了侧信道攻击的威胁.目前针对u Block算法的研究较少,在硬件实现方面主要考虑低延迟高吞吐量的实现,缺乏针对资源受限情况下的低代价优化实现,不利于侧信道防护方案的构造.目前公开的文献中指出其S盒适用于基于门限实现的侧信道防护方案构造,存在3-share的无需新随机数的门限防护方案,但是没有给出具体的实现方案.针对这样的现状,本文首先基于流水线和串行化的思想设计并实现了一种适用于u Block算法的低代价硬件实现方案;...     

一种标准模型下无证书签名方案的安全性分析与改进

无证书签名具有基于身份密码体制和传统公钥密码体制的优点，可解决复杂的公钥证书管理和密钥托管问题.Wu和Jing提出了一种强不可伪造的无证书签名方案，其安全性不依赖于理想的随机预言机.针对该方案的安全性，提出了两类伪造攻击.分析结果表明，该方案无法实现强不可伪造性，并在"malicious-but-passive"的密钥生成中心攻击下也是不安全的.为了提升该方案的安全性，设计了一个改进的无证书签名方案.在标准模型中证明了改进的方案对于适应性选择消息攻击是强不可伪造的，还能抵抗恶意的密钥生成中心攻击.此外，改进的方案具有较低的计算开销和较短的私钥长度，可应用于区块链、车联网、无线体域网等领域.     

基于最近邻与神经网络融合模型的软测量建模方法

软测量建模能够有效地解决生产过程中在线分析仪表测量滞后大、价格昂贵、维护保养复杂等问题。目前，基于数据驱动的神经网络是软测量建模的主要工具之一。而在建模数据的采集过程中，主导变量的采集相对辅助变量要困难得多，由此产生了大量缺失标签的数据。但传统的软测量建模方法却忽视了这些无标签数据，只利用少量的有标签数据建模，从而影响了模型的预测精度。为了解决标签缺失的问题，采用最近邻算法对无标签数据进行伪标记，同时设计了由卷积操作与门限循环单元神经网络（GRU）结合的网络结构来进一步利用无标签数据，提取不同时刻数据中的动态特征，提高神经网络的预测精度。最后将该方法应用于丙烯精馏塔塔顶丙烷浓度的预测，实验结果表明该模型能有效处理非线性动态系统的标签缺失问题，具有更高的预测精度。     

展会

<正>1985年,中国眼镜协会在成立之初即与中轻对外公司联合主办了首届(秋季)中国国际眼镜业展览会,结束了中国没有眼镜专业展览的历史,后来又增加了春季眼镜展,并将其从国内展发展为(春季)国际眼镜业展览会。经过多年的精心培育,分别在北京、上海举行的两次眼镜展已成为在全球有较大影响力的国际化、品牌化的专业国际眼镜展,同时也被看作是我国眼镜行业30年来不断革新与发展的缩影,有力地反映出我国眼镜业巨大的发展空间与活力。展出面积、参展商与专业观众数量、订单签约金额等各项数据逐年上升,展品品类日益丰富,新品发布、     

一种新的TCP拥塞窗口动态调整策略

为了缓解拥塞控制中加增乘减算法存在的系统吞吐量及带宽利用率偏低症状,提出了一种新的可靠传输层拥塞窗口调整策略。通过对往返延迟时间采样,构建正态分布函数,据此动态更新拥塞窗口,以适应网络实时变化的特点。并从数学角度对新策略及其算法的合理性与可行性进行了分析证明。实验结果表明:新算法相比于原New Reno算法和TCP Westwood算法,拥塞窗口均值分别提高2.25%和3.68%,丢包数则分别降低5.77%和7.43%。同时,对系统吞吐量和带宽利用率也有提升作用,系统吞吐量分别增加了3.09%和9.25%,带宽利用率分别增加了4.46%和1.37%,效果显著。