多维动态网络的密钥认证数学建模与仿真

多维动态网络在密钥认证过程中,若加密的密钥安全程度较低,则会被量子计算机解码,使传输的隐私数据出现泄露。为有效提升密钥的安全认证效果,提出量子攻击下多维动态网络密钥认证数学建模方法。方法建立用于多维动态网络的密钥认证模型,在建立的认证模型中,对网络中待传输数据实施冗余清洗,并使用高级加密标准(Advanced Encryption Standard, AES)算法生成密钥对待传输数据初次加密;添加一串噪声数据在加密数据中,并对其二次加密,进一步提升数据的抗量子攻击性能,建立多维动态网络的安全密钥传输模型,完成密钥的安全传输。根据解密方法结合密钥对数据安全解密,完成多维动态网络密钥的安全认证。实验结果表明,利用上述方法开展网络密钥认证时,加解密时间短,认证准确率在85%以上,且抗量子攻击能力强。     

研究计算机网络安全数据加密技术的实践应用

计算机网络属于信息化时代背景下企业以及个人常接触到的一个平台,企业以及个人均需要通过网络来实现对相关信息以及数据资料的处理。网络用户可以构建属于自己的网络存储空间,用于个人资料存储,通过这种方式,用户可以在任何能够联网的地方获取自己的存储信息,给用户提供很大便利。然而,计算机网络在给大众带来各种便利的同时,也面临着严峻的安全问题。为了研究数据加密技术在计算机网络安全中的实践应用,进一步提高计算机网络可靠性和安全性,本文探讨了链路数据加密技术以及密码密匙技术等加密手手段在计算机网络安全中的具体应用情况,供大家参考和讨论。     

基于深度学习的对抗样本防御方法研究

受对抗样本自身可迁移属性的影响,传统对抗样本防御方法的防御效果存在不稳定的情况,为此,提出基于深度学习的对抗样本防御方法。文章借助深度学习算法,构建了对抗样本伊辛模型,设置模型的初始状态为神经网络的输入数据,采用自旋状态表示每一个神经元值与对抗样本伊辛模型的格点,并利用神经网络中卷积运算的特征,消解势场中预先给定的外部磁化作用,以最大限减少低对抗样本伊辛模型在能量作用下的局部自旋问题。在对抗样本防御阶段,利用对抗样本伊辛模型的通道相关性,生成重要性掩码对通道的激活进行调整,并结合对抗样本伊辛模型通道梯度累积值的实际情况设置了差异化的重要性掩码生成函数。在应用测试过程中,为验证防御效果,在快速梯度下降法（Fast Gradient Sign Method,FGSM）、Deepfool、C&W(Carlini and Wagner)攻击算法、投影梯度下降（Projected Gradient Descent,PFD）、集成对抗检测器（Energy-Aware Data-centric,EAD）共5种对抗策略下设计了对抗样本防御方法,对比不同对抗样本防御方法的性能,发现文章提出的基于...     

解析数字签名技术在电子政务中的研究与应用

伴随着我们国家电子政务发展,信息安全问题不断凸显,保证电子政务信息的安全,已成为我们国家政府一定要解决的一个重要问题。数字签名,是实现电子政务信息安全的一个重要方法。分析了数字签名技术的原理、过程,包括电子政务的应用方法。