一种素数域上椭圆曲线点压缩点解压方法

    公开(公告)号:CN119728111A

    公开(公告)日:2025-03-28

    申请号:CN202411743602.6

    申请日:2024-11-30

    Abstract: 本发明涉及一种素数域上椭圆曲线点压缩点解压方法,属于密码技术领域。本发明点解压计算转换为求解平方根问题,由于p的大小满足p≡3(mod4),求取平方根问题转换为重复进行(m‑2)次的平方运算。椭圆曲线点(xp,yp)被压缩为yp和zp,zp是xp的最右边一个比特,存储空间减少了大约50%。本发明提出技术方案解决了公钥点压缩和点解压的问题。在通信成本高、计算成本低的应用场景下,空地之间信息数据交换时,公钥只需传输压缩后的值,节省了传输带宽。

    一种基于双向控制函数的动态攻击面变换方法

    公开(公告)号:CN107968776B

    公开(公告)日:2020-10-13

    申请号:CN201711033864.3

    申请日:2017-10-30

    Abstract: 本发明公开了一种基于双向控制函数的动态攻击面变换方法,其中,包括:若改变系统S的攻击面ASi,得到一个新的攻击面ASi+1,则将某个资源r对ASi的作用表示为将其对的作用表示为攻击面转移定义如下:给定系统S及其环境Es,系统S的原攻击面是ASi,新攻击面是ASi+1,如至少存在一个资源r,使得r∈(ASi\ASi+1)或则系统S的攻击面就发生了转移。本发明的基于双向控制函数的动态攻击面变换方法,通过动态攻击面的方式可以极大提高攻击者攻击难度,增加攻击者攻击成本,实现攻防两端角色的转变,防御者可掌握对抗的主动权,从根本上解决了攻防过程中“矛尖盾薄”的不对称局面。

    一种含时滞奇异摄动系统的积分型事件触发控制方法

    公开(公告)号:CN116794986A

    公开(公告)日:2023-09-22

    申请号:CN202310773725.3

    申请日:2023-06-28

    Abstract: 本发明涉及一种含时滞奇异摄动系统的积分型事件触发控制方法,属于控制领域。本发明针对线性奇异摄动系统的慢子系统,利用慢子系统作为模型设计基于模型动态和系统状态积分的事件触发条件。首先利用等价转化把被控闭环系统转为利于分析的系统,然后给出扩维系统的控制律。利用系统的快慢子系统作为模型可以有效地增大平均采样间隔从而提高网络和计算资源的利用率,同时保证闭环系统的稳定性,针对系统未建模动态和外部扰动具有鲁棒性,具有很强的工程应用意义。

    一种神经元群模型的参数和状态估计方法

    公开(公告)号:CN110263924B

    公开(公告)日:2021-08-17

    申请号:CN201910530705.7

    申请日:2019-06-19

    Abstract: 本发明涉及一种神经元群模型的参数和状态估计方法,涉及神经信号处理技术领域。本发明采用UKF算法对神经元群模型的参数和状态进行估计,其中,采用高效率的递归算法对神经元群模型的参数进行估计,利用滤波算法追踪模型中生理学参数的变化,为分析神经科学和临床应用中脑电信号潜在的生理机制提供可靠的依据。从仿真结果可以看出,在含有噪声的情况下,UKF算法可以估计出随时间变化的状态和生理学参数。UKF算法克服了遗传算法运行效率低、参数难以确定等缺陷,同时能估计出随时间变化的生理学参数。

    一种针对深度神经网络的加密方法

    公开(公告)号:CN117040735A

    公开(公告)日:2023-11-10

    申请号:CN202311051210.9

    申请日:2023-08-21

    Abstract: 本发明涉及一种针对深度神经网络的加密方法,属于网络数据安全领域。本发明服务器拥有基座深度神经网络预训练模型,用户设备可以向服务器申请模型的利用并经过加密传输得到预训练的深度神经网络模型后,用户设备根据自身的实际需求和应用场景对应的具体参数针对解密过后的预训练深度神经网络模型进行微调得到适合用户自身实际需求的实用深度神经网络模型。本发明利用公私钥对明显能抵抗第三方针对用户申请使用的加密预训练模型攻击,有效增加了预训练模型参数传输的安全性。

    一种神经元群模型的参数和状态估计方法

    公开(公告)号:CN110263924A

    公开(公告)日:2019-09-20

    申请号:CN201910530705.7

    申请日:2019-06-19

    Abstract: 本发明涉及一种神经元群模型的参数和状态估计方法,涉及神经信号处理技术领域。本发明采用UKF算法对神经元群模型的参数和状态进行估计,其中,采用高效率的递归算法对神经元群模型的参数进行估计,利用滤波算法追踪模型中生理学参数的变化,为分析神经科学和临床应用中脑电信号潜在的生理机制提供可靠的依据。从仿真结果可以看出,在含有噪声的情况下,UKF算法可以估计出随时间变化的状态和生理学参数。UKF算法克服了遗传算法运行效率低、参数难以确定等缺陷,同时能估计出随时间变化的生理学参数。

Patent Agency Ranking