GUC安全的关系联结算子保密计算协议

分布式数据库系统的关系算子的保密计算协议是多方保密计算(MPC)理论的重要应用领域之一,目前该方向的绝大部分工作主要针对如何构造查询类算子的保密计算协议,对如何构造数据生成类算子的保密计算协议则较少涉及。针对广泛应用的关系联结(join)算子,基于保密及匿名的身份基公钥加密(IBE)方案及其用户私钥盲生成协议给出联结算子的2-方保密计算协议的一种通用的、不依赖于随机oracle(即标准模型)的有效构造,并证明该构造具有GUC(generlized universal composability)安全性。

多方向Scharr的齿轮边缘检测与中心定位

针对齿轮精度检测设备结构较复杂、使用和维护较麻烦等问题,提出基于多方向Scharr的齿轮边缘检测与中心定位方法。通过高斯滤波减小噪声的影响,采用分别代表0°、22. 5°、45°、67. 5°、90°、112. 5°、135°、157. 5°共8个方向的5×5算子模板进行边缘检测,结合Otsu方法得到边缘二值化图像,并结合最小包围矩形法、最小包围圆形法和重心法求出齿轮中心坐标。实验结果表明,该算法能够准确快速地提取齿轮边缘和中心信息,在一定程度上减少了噪声的影响。

基于标准差加权高斯滤波函数及多方向Sobel算子的感兴趣区域中心子区图像期望清晰度值计算方法

通过将感兴趣区域(ROI)划分为ROI中心子区、次中心子区,以及边缘子区,提出一种ROI中心子区图像期望清晰度值计算方法。将ROI水平与垂直方向划分为多个奇数ROI子区,对于不同的ROI子区采用不同标准差加权的高斯滤波函数进行滤波去噪处理,离ROI中心子区越远的ROI次中心子区与边缘子区,标准差越大,这样在保证ROI中心子区图像清晰度值的同时,又有效地降低ROI边缘子区的清晰度值,为后续计算ROI图像期望清晰度提供可靠数据。更进一步,将传统的二方向3×3 Sobel算子拓展为四方向的5×5 Sobel算子,实现更强的边缘响应以及更好的清晰度曲线。在此基础上,利用现场可编程逻辑门阵列(FPGA)高速图像处理技术实现上述算法,大大减少计算时间。实验结果表明,所提方法可以有效地消除噪声对ROI图像期望清晰度值的影响,并且能够显著减少ROI边缘子区图像的细节信息,从而始终保证ROI中心子区对焦。另外与软件计算相比,FPGA拥有更快的计算速度和更好的实时性,计算速度是软件的130倍。

基于拉格朗日酉算子的量子安全多方求积

现有的量子安全多方求积协议大多数利用纠缠态携带秘密信息,然而制备这些量子态难度较大.为了解决这个问题,本文提出一种基于d维拉格朗日酉算子的单粒子量子安全多方求积协议.在该协议中,半可信的第三方和每个参与者共享一个私有密钥,参与者首先将共享密钥、秘密整数和随机数模d相乘,接着使用拉格朗日酉算子将计算的结果编码到无偏基粒子上,第三方测量每一个参与者发送回来的粒子获得编码信息,然后使用所有随机数的模d乘积计算多方参与者秘密整数的求积.性能分析表明,该协议与其他相似协议相比,对实体的量子计算能力要求更低.在安全性方面,该协议能够同时抵抗提出的外部攻击和内部攻击.最后,协议使用Q#量子编程语言结合Python仿真验证了本协议的正确性.

保密多方量子求和

给出基于非正交态的量子保密模加法方案,允许累加者把一个数保密地累加在一个未知数上.提出的保密多方量子求和方案对于窃取者是渐进安全的,n-1方的共谋攻击不会使得另一方泄露全部信息.

改进的梯度阈值图像清晰度评价算法

数字图像技术实现自动对焦的关键步骤是有效的图像清晰度评价。针对传统的灰度梯度算法抗噪性差和实时性低的问题,提出一种改进的清晰度评价算法。首先通过OSTU方法和全局方差计算出图像自适应分割阈值;然后比较自适应分割阈值和图像像素点局部方差以提取整幅图像中的边缘像素点;最后考虑人眼视觉特性,采用多方向的Tenengrad算子对图像进行评价运算,将图像中边缘像素点的评价运算值进行叠加,得到图像的清晰度量化值。为了衡量改进算法的性能,将其与传统的灰度梯度算法进行比较。实验结果表明,与传统的灰度梯度算法相比,所提算法具有实时性高、灵敏度强且抗噪能力好的优点。