概率积分及其在PUFFIN算法中的应用

积分分析是一种针对分组密码十分有效的分析方法,其通常利用密文某些位置的零和性质构造积分区分器.基于高阶差分理论,可通过研究密文与明文之间多项式的代数次数来确定密文某些位置是否平衡.从传统的积分分析出发,首次考虑常数对多项式首项系数的影响,提出了概率积分分析方法,并将其应用于PUFFIN算法的安全性分析.针对PUFFIN算法,构造了7轮概率积分区分器,比已有最好的积分区分器轮数长1轮.进一步,利用构造的概率积分区分器,对9轮PUFFIN算法进行密钥恢复攻击.该攻击可恢复92比特轮密钥,攻击的数据复杂度为2^24.8个选择明文,时间复杂度为2^35.48次9轮算法加密,存储复杂度为2²⁰个存储单元.     

移动边缘网络中联邦学习效率优化综述

联邦学习(federated learning)将模型训练任务部署在移动边缘设备,参与者只需将训练后的本地模型发送到服务器参与全局聚合而无须发送原始数据,提高了数据隐私性.然而,解决效率问题是联邦学习落地的关键.影响效率的主要因素包括设备与服务器之间的通信消耗、模型收敛速率以及移动边缘网络中存在的安全与隐私风险.在充分调研后,首先将联邦学习的效率优化归纳为通信、训练与安全隐私保护3类.具体来说,从边缘协调与模型压缩的角度讨论分析了通信优化方案;从设备选择、资源协调、聚合控制与数据优化4个方面讨论分析了训练优化方案;从安全与隐私的角度讨论分析了联邦学习的保护机制.其次,通过对比相关技术的创新点与贡献,总结了现有方案的优点与不足,探讨了联邦学习所面临的新挑战.最后,基于边缘计算的思想提出了边缘化的联邦学习解决方案,在数据优化、自适应学习、激励机制和隐私保护等方面给出了创新理念与未来展望.     

过渡金属碳化物纳米材料的制备方法及在催化析氢中的应用

过渡金属碳化物(TMCs)因高导电、高硬度、耐酸碱、热稳定性良好等优势，被广泛应用于化学化工、电子器件等领域。研究发现，TMCs纳米材料因特殊的d带电子排布和暴露的活性位点，能促进氢的吸附与脱附，进而表现出较高的催化析氢活性。但是，TMCs在合成中易团聚，活性位点易被覆盖会严重阻碍其性能的发挥。通过对纳米结构的合理调控，在维持TMCs自身活性的同时可进一步提高材料自身的催化活性。不同维度TMCs纳米材料的结构优势集中体现在材料表面的有效利用与活性位点的暴露上。介绍了TMCs纳米材料的制备方法及其催化析氢性能，指出了TMCs纳米材料面临的挑战及存在的问题，以期为不同维度TMCs纳米材料的研究提供参考。     

电弧增材成型铝合金的组织及力学性能

研究了2319铝合金冷金属过渡焊电弧增材成型试样沉积态及热处理态的显微组织、力学性能，以及不同温度对弹性模量的影响。结果表明：沉积态纵向试样的抗拉强度比横向试样小9.3%,纵向试样的抗拉强度存在各向异性；热处理后，试样的抗拉强度提高了约35%,纵向试样的抗拉强度仍然存在各向异性；热处理后，纵向试样和横向试样的弹性模量基本一致，随着试验温度的升高，弹性模量均呈下降趋势。     

级联信道的案例式教学方法

级联信道是“信息论基础”中的重要概念之一，其性质“数据处理定理”极为重要，但相关概念较抽象，传统教学方法的实际效果有待提高。以易懂的“外国人中文传话”游戏切入，将抽象概念具体化，由此引入级联信道定义及性质，在理论推导数据处理定理的基础上，结合该定理的实际应用让学生理解“信息不增”与数据处理的内在关系。此外在教学中植入文化自信、理论与实践结合等思政元素。