【摘 要】
：
针对分组密码SP结构的不可能差分区分器轮数的下界进行证明,提出的方法使用线性代数的理论,对系数矩阵P及P~(-1)进行分析,提出了系数矩阵部分子空间存在两个行向量线性相关时,可证明至少存在四轮不可能差分区分器。u Block算法是SPN结构,提出的方法对u Block算法进行了分析验证,说明了结论的正确性,进一步,使用该算法搜索到比u Block算法设计文档更多的不可能差分区分器。针对SPN结构线
【基金项目】
：
中央高校基本科研业务费项目(328201901)。
论文部分内容阅读
针对分组密码SP结构的不可能差分区分器轮数的下界进行证明,提出的方法使用线性代数的理论,对系数矩阵P及P~(-1)进行分析,提出了系数矩阵部分子空间存在两个行向量线性相关时,可证明至少存在四轮不可能差分区分器。u Block算法是SPN结构,提出的方法对u Block算法进行了分析验证,说明了结论的正确性,进一步,使用该算法搜索到比u Block算法设计文档更多的不可能差分区分器。针对SPN结构线性扩散层P,使用了本原指数的概念,使用线性扩散层P的本原指数对SPN结构不可能差分的轮数进行论证。分析结
其他文献
着重对近几年自然图像抠图研究新进展进行综述,针对近年来基于启发式优化的抠图研究以及基于深度学习的抠图研究新成果对抠图研究工作进行重新分类和梳理,分析不同类型自然图像抠图研究主要的方法并整理其中的关键问题,介绍常用的自然图像抠图评价指标。最后通过实例分析总结了当前自然图像抠图研究面临的挑战,并对未来的研究前景进行了探讨。
针对垃圾分类收运路径问题,考虑车辆装载容量约束、硬时间窗约束、装载率对成本的影响等条件下,以最小化运输成本和车辆固定成本为目标建立了数学模型。将考虑时间吻合度因子和车容量利用率因子的改进蚁群算法与混沌电磁场优化算法进行动态融合,并结合2-opt和两点交换的局部搜索方法,提出一种以改进蚁群算法为外部框架,混沌电磁场优化算法为内部模块的新型混合蚁群算法对城市生活垃圾分类收运问题进行求解。根据算法间优势
针对贝叶斯个性化排序算法未能充分应用用户的行为信息,导致算法在数据稀疏情况下推荐性能以及鲁棒性均大幅度降低的问题,提出了均值贝叶斯个性化排序(MBPR)算法,来进一步挖掘用户对隐式反馈信息的偏好关系。考虑到用户兴趣随时间变化的特征,又将遗忘函数引入MBPR算法中。该算法首先对用户的历史评分记录进行预处理;然后根据用户的评分信息对项目进行正负反馈的划分,对每名用户进行个性化建模,挖掘用户对未参与项目
为了应对动态环境经济调度(DEED)问题的高维性和大规模约束性,提出了一种自适应多目标差分进化算法(ADEA)。设计自适应差分交叉模块,提出改进的current to best/1交叉策略提高种群的多样性,有效地提高传统进化算法的探索与开采能力,提出一种修补策略处理功率平衡约束和爬坡率约束。为了验证该方法的有效性,数值仿真将ADEA应用于10机系统进行测试,并与同类算法展开比较,仿真结果表明ADE
实体书店文化空间与城市文化之间呈现出一种共生关系。两者之间既存在互惠共生关系,也存在偏利共生模式和负面环境影响;两者由共生关系走向共生发展的实现路径体现在:从实体
针对一个典型的具有可变取值域的随机约束满足问题,提出了利用度启发式策略和最少约束值启发式策略来选择变量进行赋值的不完备回溯算法。该算法首先通过度启发式来确定待赋值变量的顺序,然后利用最少约束值启发式对选择的变量进行赋值,最后在有限时间内通过回溯得到变量的一组取值。用此算法对由RB模型生成的随机实例进行求解,实验结果表明,与经典的回溯算法相比,该算法具有显著的优越性。在控制参数(即约束紧度)进入相变
传统脑网络的情绪分类将聚类系数、平均最短路径等拓扑属性作为分类特征。针对这些属性易受网络连接阈值和特征选择的影响,难以完全表征不同情绪状态下的网络空间拓扑结构差异的问题,提出了一种基于脑网络和共空间模式的脑电情绪识别方法(EEG emotion classification based on common spatial patterns of brain networks topology,EE
本文从陈怡钢琴协奏曲《四灵》多元化的基本音高材料一音列、音组、音响等入手,研究这些材料是如何运用自身的结构特性与相互关联进行派生和发展,如何实现不同风格音高材料在
在港口环境中无人机对岸桥进行自主检测时,由于无人机的运动特性,飞行轨迹与检测点之间的直线路径往往存在较大的偏离。为了解决这个问题,首先通过构建等腰三角形对生成的检测路径点进行预处理,然后在最小化snap方法的基础上,把走廊约束作为不等式约束添加到优化的目标函数中,同时建立偏离评估函数对偏离距离进行评估。在含有一台岸桥简化模型的仿真环境中进行实验,实验数据证明提出的方法不仅在生成轨迹的长度上有了一定
传统符号预测方法缺少处理二阶邻居信息的能力,难以有效提取社交网络用户的低维特征。为了有效融合节点用户邻居信息,提出了一种利用多头注意力机制学习一阶、二阶邻居信息的网络表示学习方法(signed multi-head graph attention network,SMGAT),从而改善社交网络符号预测的效果。首先融合平衡理论和状态理论采样一阶邻居、二阶邻居;然后利用多头注意力机制融合邻居的符号和结