基于Rijndael密码的伪随机比特产生器

1 引言在计算机网络深入普及的信息时代,信息本身就是时间,就是财富。信息的传输通过脆弱的信道,信息存储于“不设防”的计算机系统中,如何保护信息的安全已成为当今普遍关注的重大问题,密码技术是有效且可行的办法。我们知道随机数对密码的研究有着十分重要的作用,序列密码的关键在于伪随机数的产生,在许多协议的执行期间也需要产生随机数。通过抛掷硬币或其它物理处理来产生随机数是费时费钱的,所以在实际中通常使用伪随机比特产生器(PRBG)。一个PRBG是用一个短的随机比特串(“种子”)开始且把它扩展成更长“看起来随机”的比特串,这样一个PRBG降低了在实际使用中需要的随机比特的总数目。在一般的计算机程序语言中,随机函数通常基于线性同余或有限域理论来产生随机数,虽然其速度非常快,但是不安全,从线性移位寄存器(LFSR)得到的PRBG也是相当不安全的,这些PRBG虽在模拟中相当有用,但对密码应用来说保密性很差。文[4]提出的     

关于“低碳”科普教育的认识与思考

“低碳”是实现经济可持续发展的内在要求,在全球气候逐渐变暧、生态危机日益严重、自然资源濒临枯竭的背景下,发展低碳经济必然成为世界发展的朝流.本文指出了当前社会对低碳经济的一些认识误区,并对如何宣传倡导低碳经济、做好低碳科普提出了一些建设性意见.     

灰色理论在软基沉降预测中的应用

考虑了现场沉降监测数据的不等时间间隔性和数据的不断更新性,以及个别数据的跳跃性,文章建立了适合非等时距GM（1,1）直接模型,并应用于工程实践,证明了其实用性和合理性。     

改进的灰色灾变模型在干旱预测中的应用

为提高传统的GM(1,1)模型精度,分别从原始数据序列检验和建立残差修正模型两方面进行了改进,并将改进的灰色灾变模型与不进行原始序列检验的GM(1,1)1模型和对原始数据序列进行检验的GM(1,1)2模型进行了比较。结果表明:改进的灰色灾变模型精度最高;运用该模型预测榆林市未来可能发生干旱的年份分别为2012年、2015年和2019年。     

三种干旱指数在2009-2010年云南特大干旱中的应用比较研究

本研究将目前国内外常用的降水距平指数、标准化降水指数和降水百分位指数,应用于2009-2010年云南特大干旱,分析3种指数应用效果,并探讨其适用性.结果显示:3种干旱指数计算结果与实际干旱情况存在一定误差.其中降水距平指数应用情况相对较好,在干旱发展阶段吻合程度相对较高;标准化降水指数与降水百分位指数在区域平均尺度上的评估不存在差异,使用时取二者之一即可.基于目前对3种指数的分析,以单一的气象干旱指数进行旱情监测,存在较大的局限性,需引入综合干旱指数应用于旱情监测.     

桥墩倾斜后的安全性评估

1.工程概况某桥梁为一座先简支后连续预应力混凝土T梁桥,桥梁全长400.0m,共13跨,跨径组合为4×30m+5×30m+4×30m。上部结构每跨6片T梁,两片T梁间设置5片横隔梁;桥墩为双柱式桥墩,墩柱直径1.8米,钻孔灌注桩基础。设计荷载:公路Ⅰ级。该桥4#桥墩在营运过程中发现存在一定程度的倾斜,故对其进行了检测,并根据检测结果进行安全性评估。     

医用局部深孔手术摄像照明装置

<正>在五官科、脑外科手术中,由于光源的光轴与人眼睛的视轴无法完全重合,当手术部位距体表有一定深度时,人眼观察到的手术部位的某个边沿总有一部分区域存在阴影,孔越深两光轴夹角越大,阴影的区域越大.当某个细致部位需要仔细观察时,也无法放大.由西安工业大学研究的该实用新型的意义在于提供一种同时实现手术的照明和摄像,照明与摄像共轴,特别适用于深孔手术照明,视场较大,可直接目视手术,也可以连接计算机,通过显示屏在放大的图像下进行手术,便于手术会诊、手术指导、手术观摩教学,并能记     

基于最小噪声分离变换的高光谱异常检测方法研究

RX算法和核RX算法能很好地分离目标和背景,是较为广泛使用的异常检测算法,但是高光谱图像数据量大且存在冗余信息和噪声,直接进行RX及核RX异常探测运算量大且容易受噪声影响.针对此问题,提出一种基于最小噪声分离变换的高光谱图像异常检测方法,首先采用残差分析法估计噪声协方差矩阵以改进最小噪声分离变换,然后利用改进后的最小噪声分离变换来有效地降低高光谱图像数据的维数并分离出噪声,最后对低维降噪后的数据进行RX及核RX异常检测,避免了随机噪声对RX及核RX异常检测结果的影响并提高了异常检测率.对真实的AVIRIS数据测试表明,该算法优于传统的相应的RX、核RX异常检测算法.     

无线传感器网络选择性DV-Hop定位算法

针对传统的矢量跳距(DV-Hop)定位算法平均定位误差大的问题,提出了一种具有选择性的改进DV-Hop定位算法。该算法首先剔除长距离信标节点信息,更新最小跳数与平均每跳距离,再次根据信标节点的实际距离和估计距离的误差进一步修正平均每跳距离。仿真结果表明:选择性DV-Hop定位算法能有效地减小平均定位误差,适应各种网络。     

基于边缘分析和颜色统计的车牌精确定位新方法*

针对车牌的边界定位不准确和伪车牌较多的问题,提出了一种边缘分析和颜色统计相结合的车牌精确定位的新框架。该框架主要分为预处理、粗定位、精确定位和伪车牌排除四个模块。对图像作边缘检测和二值化等预处理,用投影法粗定位出候选区域,利用候选区域及其周围的边缘和颜色的信息实现车牌的精确定位。对于定位结果有多个候选区域的情况,对候选区域进行排序,再将排序结果按顺序传入字符分割模块,从而有效排除非车牌区域的影响。实验结果表明,该方法精确度和准确率高、实时性强,适用于不同的应用场合。