随机序列的扑克检测优化研究

现代计算机系统的安全性依赖于二元随机序列,随机性检测利用概率统计方法对二元序列的随机性进行分析测试。我国国家密码管理局发布了随机性检测规范,扑克检测为其中一个检测项。本文通过充分分析扑克检测效率不高的原因有针对性地提出一种新的快速实现算法,优化算法充分利用CPU字长一次处理多个比特,将m为4和8的情况整合在一起,减少不必要的处理流程。同时精简并优化统计量的计算和判断过程,避免余不完全伽马函数的计算。分析和实验的结果表明该优化算法可以使得扑克检测的速度提升9.5倍左右。     

基于近似熵的摇号系统随机性安全检测研究

随机数广泛应用于摇号系统,随机数的随机性是摇号系统的核心,而随机性的检测以随机性检测规范为标准进行判断.近似熵检测是我国随机性检测标准之一,通过对近似熵检测算法的计算过程与摇号系统的摇号过程结合研究分析,并以某区公办小学电脑摇号系统为例进行近似熵检测.实验表明摇号系统随机函数生成的伪随机序列通过了近似熵检测,验证了摇号...     

混沌二进制序列的伪随机性和复杂性分析

分析和讨论了由经典的Lorenz混沌系统和Chebyshev映射所生成的二进制序列的伪随机性和复杂性,采用T.Kohda混沌二进制量化算法,将混沌系统所产生的实数序列转换为相应的二进制序列;从统计检验、自相关性、频谱、Lempel-Ziv复杂度和近似熵等多方面对序列的伪随机性和复杂性进行定量分析。统计分析结果表明对由混沌系统所产生的有限二进制序列逼近Lempel-Ziv意义的随机序列,它具有较高的伪随机性、复杂性和非周期性,但是序列的伪随机性和复杂性并不随序列长度的增加而提高,在近似熵评价指标中呈显出降低的趋势。同时,作为伪随机源,Lorenz混沌系统略比Chebyshev映射好。     

NIST随机性检测方法及应用

序列的随机性检测是密码学研究的一个重要课题,首先介绍了美国NIST测试标准,然后利用Linux系统下的makefile和sts软件两种方法对流密码ZUC生成的序列了进行随机性检测,16种测试结果表明ZUC的密钥流序列是随机的。     

一种基于灰度的梯度边界检测优化算法*

为降低基于梯度的边界检测算法的复杂度,常使用两种梯度近似算法。但这些梯度近似值受边界方向的影响较大,降低了边界检测的性能。提出了通用梯度近似算法的数学模型和两种优化准则,进而推导出两种梯度近似的优化算法。分析表明：与常用算法相比,优化算法在各向同性的性能方面提高4.4倍,在梯度幅度的逼近度提高57倍。同时,给出了优化算法的简单快捷的实现方法。     

一种关于分组密码的新的统计检测方法

统计检测在分组密码安全性评估的过程中发挥着重要的作用,许多密码标准组织纷纷把对分组密码的统计检测作为评估过程中的重要环节来实施.文中提出了一种有效、实用的统计检测方法.该统计检测方法以分组长度为统计单位,将一个分组的某一字节取遍所有的值而其它字节固定不变.经过密码变换后,将256个输出值进行异或,通过检测输出异或值每一位为0(或1)的概率是否为1/2来判断分组密码是否随机.该检测方法可以一定程度地反映出分组密码抵抗积分攻击的能力.与此同时,基于推广的积分攻击方法,文中在已有方法的基础上提出了更一般的统计检测方法.另外,文中分别对Rijndael算法、Camellia算法和SMS4算法进行了统计检测,这3种算法分别从第4轮、第5轮和第7轮开始呈现出良好的统计性能.     

基于随机性分析的虚假趋势时间序列判别

针对符合一定数据模式或规律的虚假数据识别问题，提出一种基于随机性分析的虚假趋势时间序列判别方法。该方法在分析时间序列组成的基础上，首先探索虚假趋势时间序列的简单伪造和复杂伪造方式，并将其分解为虚假趋势和虚假随机两部分；然后通过基函数逼近进行时间序列虚假趋势部分的提取，采用随机性理论开展虚假随机部分的分析；最终借助单比特频数和块内频数对虚假随机部分是否具备随机性进行检测，为具有一定趋势特征的虚假时间序列的判别提供了一个解决方案。实验结果表明：该方法能够有效地分解虚假时间序列和提取虚假趋势部分，实现简单伪造数据和复杂伪造数据的判别，支持对通过观测手段或者检测设备所获取的数值型数据的真伪分析，进一步提高了虚假数据可判别范围，平均判别正确率可达74.7%。     

数字水印双门限检测研究

论文提出一种新的基于序列假设检验的数字水印双门限检测算法,它能很好地抵抗各种水印攻击,提高了检测概率.实验证明序列检测方法在满足一定检测性能的条件下,比普通检测器的检测速度平均快66％,可用于检测视频水印,搜索大型数字数据库中的水印等.     

一种信息安全系统中序列随机性检验方法

把Fourier分析理论用于信息安全系统中序列随机性的检验中,提出了,一种新的随机性枪验方法,该方法可以用随机序列发生器产生序列的随机性检测,也可以用十检验密码算法的安全性。     

基于GPGPU的生物序列快速比对

在CPU-GPU异构平台下,提出一种高效的生物序列比对方案。该方案利用GPU的并行处理能力,通过对读延迟、写延迟、重组函数及数据传输进行优化,在OpenCL框架下重构Smith-Waterman算法,加快生物序列比对速度。实验结果证明,与CPU上传统的串行算法相比,该算法最高可获得约100倍的性能提升。     

IP流检测中基于信息熵的哈希算法改进

介绍流检测中常见的哈希算法,从信息熵的角度分析异或移位(XOR-SHIFT)算法。将异或运算扩展到字节,利用区域网络检测中数据包IP地址低字节比高字节变化频繁的特点,通过对称交叉异或运算,将五元组中的信息量尽可能更大化地表现在哈希值中,从而优化哈希算法的散列性能,使后续以流标识为约束进行的IP流处理更高效。     

基于改进粒子群算法的电路板测试路径规划

针对飞针测试机检测电路板时检测时间长、测试效率低、单针检测容易撞针等问题,提出了一种基于改进粒子群算法的测试路径规划算法.首先,使用分区检测的方式解决两针相撞问题;其次,提出一种改进的粒子群算法,在粒子群算法的基础上加入混沌初始化公式用于约束和更新搜索的最大速度,引入遗传算法的交叉、变异的思想,改进粒子群算法易于趋于局部最优的缺陷,提升了算法的全局搜索能力.与粒子群算法、遗传算法进行有效性的对比分析与实机测试.结果表明:此算法可以有效解决测试时两针相撞问题;比起其他两种算法改进粒子群算法在更少的迭代数的同时全局搜索能力更强,可以减少30%算法运算时间、降低10%的测试距离,具有一定的工程应用价值.     

两种基于UIO序列的测试序列生成算法及比较

在通信协议一致性测试中,生成测试序列是非常重要的。基于FSM(FiniteStatemachine)的测试序列生成的形式化方法有很多种,其中基于UIO序列(Uniqueinput/outputsequences)的U方法是最常用的。本文主要介绍了两种基于UIO序列的测试序列生成算法,并以TCP协议的FSM图为例,分别应用这两种算法生成了测试序列,进而从错误覆盖度、测试序列的长度、算法复杂度等方面对这两种算法进行了比较研究。     

通信协议一致性测试序列自动生成算法研究

在通信协议的一致性测试领域中,自动生成满足测试需要的一致性测试序列一直是该领域研究的一个重要问题.在对两种基于UIO序列的通信协议的一致性测试序列的自动生成算法进行了研究和比较后,分析了这两种算法各自的测试序列的生成过程及优缺点.实验结果表明,将这两种测试序列的生成算法相结合,能够对通信协议的控制流部分进行充分的测试,使生成的测试序列具有比较高的错误覆盖率,从而提高了一致性测试的效率.     

试验评估系统中快速实时数据统计方法的实现

试验评估系统中,快速完成数据统计是关键。试验设备运行源源不断产生的数据,以及试验评估数据库中存在日积月累的大量数据,给数据统计带来了极大的困难。传统数据统计方法以人为操作为触发,需要一次性遍历所需的所有数据,完成统计特征值的计算。该方法容易造成计算速度缓慢、计算资源不足等现象。文章研究并实现了一种快速实时数据统计的方法,提高了试验评估数据库千万条及以上量级数据统计特征值的计算效率,且占用资源少,模块运行可靠、稳定,同时能够灵活适应不同装备指标数据的统计分析处理。     

一种基于拟合优度检验的突发信号检测算法

在突发信号处理环境中,传统的检验方法检验统计量计算复杂,不利于实时检测。为此,提出一种基于拟合优度检验的突发信号检测算法。采用Kolmogorov检验代替传统的参数统计检验,通过计算接收到样本的经验分布函数与标准的噪声分布函数,并将其垂直方向上的最大距离(Kolmogorov统计量)与特定虚警率下的门限作对比,实现对突发信号的检测。仿真结果表明,该算法的检测性能较好。     

基于近似随机测试的语义关系抽取比较

为比较结构化信息和句法分析器对树核函数的关系抽取的作用,提出一种基于近似随机测试语义关系比较方法。对于2种不同配置关系的抽取结果,采用随机标号互换的方法重复产生样本,通过计算这些样本的性能差异进行显著性分析。实验结果表明,动态关系树是最佳的结构化信息,句法分析器Charniak和Berkeley性能均优于Stanford。     

基于偏相关性测试的递归式因果推断算法

因果推断是挖掘事物间联系的一种重要方式,但在高维数据场景下,利用因果推断算法进行条件独立性（CI）测试存在冗余测试多和测试效率低的问题,这限制了因果推断在高维数据集上的应用。提出一种基于偏相关性测试的递归式因果推断算法。采用“分治”的方法对变量集进行递归式因果分割,得到更易于处理的低维子数据集,提高对数据集的处理效率。在每个子数据集上进行局部因果推断,减少每次因果推断的计算量并提升算法的运行速度。在此基础上,通过比较显著性值的合并策略整合所有子结果并得到完整的因果关系,保证总体因果结构的准确性。在“分治”过程中,采用高效的偏相关性测试避免高复杂度的核密度估算,进一步提升算法效率。基于10个经典数据集的实验结果表明,在准确率与经典推断算法CAPA持平的情况下,该算法的运算速度提升了2~10倍,且在样本量越大的数据集中提升效果越明显,证明递归式因果推断算法可以有效处理高维数据集,在保证准确率的同时提高运算效率。     

车载环境下基于样本熵的语音端点检测方法

在语音处理中一个关键性问题是如何准确找到语音的起止位置,目前提出许多的语音端点检测算法不能得到理想的检测结果.由于样本熵是近似熵的改进算法,提出车载环境下基于样本熵的语音端点检测方法.并采用模糊C均值聚类算法和贝叶斯信息判决算法进行样本熵特征门限估计,以及使用双门限法进行语音端点检测.在TIMIT连续语音库上的实验表明,车载噪声环境下,样本熵法和近似熵法的检测正确率均远高于谱熵法和能量谱熵法,而样本熵法相对于近似熵法具有更好的检测效果,特别是当信噪比小于等于OdB时,样本熵法的检测性能优于近似熵法近10%.因此,样本熵法在车栽智能语音领域具有很好的应用前景,能够为车载导航提供准确的语音端点检测技术.