排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
模平方运算是模幂运算中的基本运算,其运算速度关系到大多数公钥密码和数字信号处理的应用效率。提出一个新的有符号二进制表示算法,该算法与NAF表示法相比有更低的重量、更短的比特长度和最大的平均‘O’游程长度,而且需求的存储量更少。在此基础上,给出了模(2~n±1,2~n 3)的模平方运算算法,减少了平方运算的部分积和进位,提高了平方运算的速度。实验比较和理论分析表明,新平方算法比其他方法有更好的效率。 相似文献
2.
3.
分析了RSA和DES的算法优点和安全弱点,设计了一个新的密码算法方案。该方案以类FEISTEL结构为基础增强了左右两半部分结构的安全设计,利用了RSA进行密钥分配,并以序列密码算法的生成原理改变了固定密钥的缺点。该新方案具有一次一密的特点,给破译者获得大量的明密文对造成了很大的困难,可较好地抵抗差分分析与线性分析,是一种安全性较强的加密方案。 相似文献
4.
基于双线性困难问题的电子彩票方案 总被引:4,自引:0,他引:4
提出一个公正、高效的电子彩票方案。该方案引入基于双线性群上q-DBDHI困难性假设的可验证随机函数来产生中奖数字,实现了彩票购买者的匿名性、中奖数字产生的可参与性和可验证性。与以往的方案相比,该方案具有更短的密钥和证据空间。同时,采用分层hash链结构联接所有的彩票购买者数据,使得验证中奖数字的计算量大幅度降低。该方案特别适用于具有大量移动终端的电子彩票销售网络。 相似文献
5.
针对脑肿瘤磁共振成像(MRI)模态多、训练数据少、类别不平衡以及各个私有数据库差异大等导致分割困难的问题,引入小样本分割方法,并提出基于U-net的原型网络(PU-net)模型用以对脑肿瘤磁共振(MR)图像进行分割。首先对U-net的结构进行调整来提取各类瘤体的特征用以计算原型;然后在原型网络的基础上,逐像素利用原型对各空间位置进行分类,从而获取各类瘤体区域的概率图与分割结果;针对瘤体像素类别不平衡问题,采用自适应权重交叉熵损失函数来减小背景类对损失计算的影响;最后加入原型校验机制,即融合利用分割得到的概率图和查询图像对原型进行校验。所提方法在公开数据集BraTS2018上进行实验,得到的平均Dice系数为0.654,阳性预测率为0.662,灵敏度为0.687,豪斯多夫距离为3.858,平均交并比(mIOU)达到61.4%,与最新的小样本分割方法原型校准网络(PANet)和基于注意力的多上下文引导网络(A-MCG)相比各项指标均有所提升。结果显示引入小样本分割方法对脑肿瘤MR图像进行分割有不错的效果,采用自适应权重交叉熵损失函数也有着一定的帮助,可以对脑肿瘤诊断治疗起到有效的辅助作用。 相似文献
1