【摘 要】
:
半导体行业依旧遵循摩尔定律在高速发展,相应的通信技术亦有了长足的进步,每时每刻都有海量的信息在互联网上进行存储与交互。然而,近年来信息泄露问题频频出现,信息安全问题的重要性日益凸显出来。混沌系统以其独特的动力学行为特性与加密系统设计的两个基本原则“混淆”和“扩散”相符合而在信息安全领域大放异彩。然而,将存在于实数域的混沌系统用数字电路来实现时,发现其最终会坍塌到有限域上,出现短周期和多周期等动力学
论文部分内容阅读
半导体行业依旧遵循摩尔定律在高速发展,相应的通信技术亦有了长足的进步,每时每刻都有海量的信息在互联网上进行存储与交互。然而,近年来信息泄露问题频频出现,信息安全问题的重要性日益凸显出来。混沌系统以其独特的动力学行为特性与加密系统设计的两个基本原则“混淆”和“扩散”相符合而在信息安全领域大放异彩。然而,将存在于实数域的混沌系统用数字电路来实现时,发现其最终会坍塌到有限域上,出现短周期和多周期等动力学行为特性退化的现象从而影响信息安全,因此,如何抵抗数字化混沌系统的动力学行为特性退化成为其应用于信息安全领域的关键。
本文立足于混沌理论,将提出的数字化后抗退化混沌系统作为产生密钥流的核心,构建了一个高速的加密系统,并使用FPGA完成了其硬件实现及板级验证。针对动力学行为特性退化问题,结合可编程硬件电路强大的位处理能力,提出了一种基于FPGA的伪随机序列周期轨道检测算法,通过采取多路并行操作,提高了其对于周期现象的快速反应能力;针对抗退化问题,基于提出的算法,结合扰动的思想,提出了一种基于确定性周期跳转的抵抗混沌动力学退化方法;以提出的抗退化方法为核心,采用FPGA中的流管理模式,设计了一个简易的加密系统,辅以各种提速操作,完成了其高速的硬件实现及板级验证。
仿真结果表明,从硬件角度提出的算法能够快速检测出数字化后的混沌系统是否存在周期并给出周期长度及所有的周期状态,相应的抗退化方法能够迅速地跳出周期环从而遍历状态空间,抗退化效果明显。此外,经过提速后的加密系统速度高达454.5Mhz,并且,相应的板级测试验证了其通用性与可行性。
其他文献
在众多毫米波器件中,InP/InGaAsHBT器件凭借其优异的材料性能及卓越的高频特性广泛应用于航天系统,军事通讯,卫星等系统中,展现出了很大优势。然而在复杂的空间辐照环境中,InPHBT器件及电路的应用面临巨大的挑战。空间中的高能重离子、质子等对工作在其中的InPHBT器件及电路产生各种辐照损伤效应,例如,单粒子效应、位移效应等,这些辐照效应使得InPHBT器件或电路性能发生瞬时或永久的改变,进
随着信息的数据量呈指数级增加,大规模图像数据的快速检索越来越成为人们关注的领域。数据库往往存储了千万量级的图片,人们在日常处理中越来越需要从巨量的信息中快速的找到自己所需要的的内容,所以图像检索越来越重要,其应用范围越来越广泛,应用价值也越来越大,但是图像检索领域一直面临着检索速度、语义检索、存储代价等多方面的挑战。从基于文本的检索到基于内容的检索,检索系统的速度与精度一直在提升,存储代价也得到了
随着大众健康意识的提高和大规模集成电路的发展,无线体域网(WBANs)中可穿戴的医疗设备为国民的身体健康提供了新的保护伞。生物医疗芯片是医疗设备最核心的部分。生物医疗芯片面临的设计难点包括:功耗高、功能复杂、性能要求高和可靠性高。因此本文主要对生物医疗芯片中核心电路的低功耗设计方法和关键实现技术展开深入的研究,具体研究内容如下: 1、电源管理模块中低功耗低压差线性稳压器(LDO)的关键技术研究,
在大数据时代,图像已经成为人们日常生活中主要的信息载体。然而图像在成像以及传输过程中会不可避免的引入各种失真,引发图像质量的衰减。而图像作为人类主观感知、机器视觉的主要信息源,其质量好坏直接决定所获取信息的有效性。因此如何评价图像质量,以及图像质量是否满足特定场景要求亟待解决,而这个问题的解决需要建立合理的图像质量评价方法与评价标准。客观图像质量评价方法的发展离不开数据库的支持,图像质量评价数据库
字符识别和图像分类是人工智能的一个重要研究方向。通过训练一组给定的输入字符图像和分类标签集合,来实现预测其他输入图像的分类标签的目的。神经网络能够自主提取图像特征,并在字符识别、图像分类、语音识别、视频目标跟踪等各个领域处理任务中具备抽象的能力。神经网络具有出色的性能,但随着“大数据”时代的发展,数据量每日不断增加,信息内容更加复杂,神经网络性能迎来了新的挑战。另外,随着硬件性能的提升,FPGA成
目前,在室内定位系统中,基于接收信号强度指示(Received Signal Strength Indication,RSSI)的测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化。行人航位推算(Pedestrian Dead Reckoning,PDR)定位系统也存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述定位系统中存在的问题,本文做了以下两个方面的研
随着移动通信技术的飞速发展,人们对基于位置的服务(Location Based Services,LBS)需求日益增长。相比已经成熟的室外定位技术,室内定位在精度、成本、抗干扰等方面有更高的要求。目前最常见的基于接收信号强度(Received Signal Strength Indication,RSSI)的室内定位算法易受室内障碍物、信号多径效应等的影响,使得基于RSSI路径损耗公式计算得到的距
图像块包含图像局部信息且处理过程计算量小,因此基于图像块相似度的方法在图像处理领域应用广泛。考虑到在大多数图像处理任务中图像块相似度度量过程未充分考虑图像块的结构信息,本文采用深度学习中的深度神经网络(Deep Neural Network,DNN)与卷积神经网络(Convolutional Neural Network,CNN)方法提取图像块中包含结构信息的特征,并研究如何构造更有效的图像块相似
在导航服务、移动社交、公共安全以及智慧城市建设等领域中,位置信息的确定成为人们获取泛在服务的重要元素。得益于北斗等卫星系统的全球化部署,室外目标定位已经成为应用范围较广且相对成熟的位置信息来源,然而,卫星信号的遮蔽敏感性导致其无法为室内目标定位提供有力的保障。为此,无线室内定位技术便成为当前网络通信领域的研究热点之一。基于Wi-Fi信号的方法已经在室内定位领域有了多年的研究积累,然而,在大型商超、