轻量级密码算法Piccolo的统计故障分析

Piccolo算法是于2011年CHES会议上提出的一种轻量级分组密码算法,用于物联网环境中保护RFID、传感器、智能卡等电子设备的通信安全.目前国内外安全性分析研究集中在该算法的已知明文攻击和选择明文攻击,在攻击者能力最弱条件下的唯密文攻击尚无相关研究.文中提出了统计故障分析下Piccolo密码的安全性,即在唯密文条件下,使用SEI、HW、ML、GF、MAP、GF-SEI、GF-ML、ML-SEI、ML-MAP、MM-HW及MM-HW-ML等一系列区分器,恢复Piccolo密码的主密钥.实验结果表明,Piccolo算法不能抵御统计故障分析的攻击,文中提出的新型区分器ML-MAP、MM-HW和MM-HW-ML仅需164和262个故障,可以分别恢复出80比特和128比特主密钥,有效地减少了故障数,并提升了攻击效率.该结果为物联网环境中轻量级密码的安全设计与实现提供有价值的参考.     

融合指针网络的新闻文本摘要模型

本文针对实际党建领域中的新闻标题进行自动生成,提出了一种融合指针网络的自动文本摘要模型-Tri-PCN.相比于传统基于编码器-解码器框架的自动文本摘要模型,党建新闻标题生成模型还需要满足(1)从更长的文本序列提取特征;(2)保留关键的党建信息.针对党建新闻比普通文本摘要任务面临更长文本序列问题,论文使用Transformer模型在解码阶段提取多层次全局文本特征.针对党建新闻标题生成过程中需要保留关键的党建信息,论文引入指针生成网络模型的复制机制在新闻标题生成时可以直接从新闻文本中复制关键词信息.实验采用ROUGE值作为评测指标,结果表明本文提出的Tri-PCN模型在党建新闻领域自动文本摘要任务上效果明显优于基准模型,比其他模型具有更好的效果.     

基于Android系统的手机隐私安全的研究与实现

智能手机功能日益强大,应用越来越广,同时,手机的安全问题也显得日益突出。文章以Android系统为基础,对手机用户的安全和隐私信息的保护进行了分析和论述,并设计程序实现了隐式通信录、SIM卡扫描、短信触发销毁等功能。     

带有死区输入的非线性系统的自适应控制

针对一类具有死区非线性输入的非线性系统,同时考虑系统中存在未建模不确定项,设计了自适应控制器及未知参数的自适应估计率.该控制器使得闭环系统全局稳定且实现了输出信号对参考信号的精确跟踪.仿真结果进一步证实了该控制器能对未知死区及未建模动态进行有效的补偿。     

自适应变步长最大风能捕获算法

风能具有随机性、不稳定性的特点,为了提高风力发电系统中风能的利用效率,在比较各种最大风能捕获算法的基础上,分析了爬山搜索法和叶尖速比法的不足,提出了自适应变步长搜索算法来捕获最大风能.通过改进爬山搜索法的变步长策略,明显加快了搜索速度,通过引入初始估计叶尖速比值,大大缩小了搜索范围.该算法不需要实时检测准确风速,不依赖风力机最佳功率曲线,有效地降低了成本,提高风力发电的效率.文中重点分析了算法的自适应性和变步长策略,仿真结果表明,该算法能够使风力机更快速到达最大功率点,动态响应快,收敛性好.     

基于GA整定PID的液压电梯速度控制研究

针对液压电梯在工作过程中出现的启动时间长、运行速度不平稳、停止阶段轿厢抖动等不足,借助多物理领域仿真软件Simscape对液压电梯系统进行了综合建模,并提出了遗传算法(GA)整定PID对液压电梯运行速度进行控制的新方法。介绍了液压电梯的速度控制原理以及遗传算法的控制策略,针对液压电梯的工作特点对遗传要素进行了合理规划,并对不同工况下的液压电梯进行了仿真研究。仿真结果表明:在载重量为0 kg,500 kg,1000 kg的工况下,遗传算法整定的PID控制器在动态特性、跟踪特性等方面都具有明显的优势。最后通过实验证明了基于遗传算法PID整定在提高液压电梯运行性能方面的有效性。     

降膜蒸发过程的数值模拟和传热传质分析

利用CFD软件对逆流降膜蒸发过程进行了实验模拟研究,研究了速度边界层、热边界层和浓度边界层的变化对降膜蒸发传热传质特性的影响规律;通过建立一维逆流降膜蒸发的数学方程编程求解出了对流传热传质的Nu数和Sh数,利用Fluent软件模拟出的实验结果采用回归分析得出了气液流量比Raw、流道的长宽比αL、空气进口无量纲温度θai以及空气进口Re数与Nu数、Sh数之间的无量纲关系式,可为降膜蒸发换热器的设计提供参考。     

数据挖掘技术在高校就业预测分析中的应用

针对当前高校面临的就业问题,本文利用决策树C4.5算法对某高校近三年的毕业生就业信息进行分析,建立就业分析预测模型。首先选取高校就业信息管理系统中的就业信息,对信息进行采集和预处理,然后利用分类算法中的C4.5分类算法进行挖掘,最后对建立的决策树进行规则提取,从而得到毕业生就业预测规则。实验结果表明建立的就业分析模型是有效的、可靠的,对于全面提高大学生的就业能力、完善就业服务体系等方面具有一定指导意义。     

基于不平衡类数据集分类的空间插值方法

对于不平衡类数据集的分类问题,训练分类器后,分类结果产生了向多数类偏斜的问题,少数类识别率较低.为了提高少数类的分类精度,提出了一种改进的SMOTE方法—空间插值方法,利用少数类及其k近邻构造超几何体,在超几何体内随机产生虚拟少数类样本,当其k近邻中存在多数类时,缩小构造虚拟样本的空间,加强对易错分样本的训练,降低数据集类不平衡程度,并进行有效性验证.在实际数据集上,基于多个分类器进行仿真,结果表明,空间插值法在少数类和数据集整体分类性能优化效果较好.     

组合模型在传染病预测中的应用研究

研究传染病预测问题,由于受到外界因素和人体内部因素共同影响,具有不规则变动和非线性动态特点。传染病发生具有季节性、周期性和非规则等变化特点,单一模型只能预测中部分变化特点,预测误差比较大。为降低传染病预测误差,提出一种组合模型的传染病预测方法。首先分别采用ARIMA和LSSVM模型对传染病发生趋势进行预测,然后将两者预测结果输入到LSSVM重新进行学习,最后得到组合模型的预测结果。采用组合模型对某市乙肝发病率进行仿真。结果表明,组合模型降低了乙肝发病率的预测误差,预测结果更加可靠,为传染病预测工作提供新的技术手段。