多粒度可逆细胞自动机模型的数据加密方法

为了克服以往对细胞自动机的研究局限于单粒度细胞单元的问题,引入了多粒度细胞的概念,并结合可逆细胞自动机提出了一种基于多粒度可逆细胞自动机的加密算法。在该算法中,扩展的可逆细胞自动机具有足够多的规则,从而保证了安全的密钥空间;细胞单元通过"分裂-重组"实现自身粒度大小的动态调整,并依此来提高细胞自动机动力学特性的复杂性,实现了快速加、解密。同构的硬件结构使该算法具有很强的实用性,仿真实验表明,该加密算法具有较高的安全性。

零边界条件下一维非线性细胞自动机可逆性的判定算法

可逆性的性质对于经典的计算机科学理论模型——细胞自动机(Cellular Automata,CA)具有重要意义。尽管CA在零边界条件下的线性规则的可逆性问题已经得到了大量的研究,但非线性规则目前还很少被探索。文中研究了在有限域Z_(p)上一般一维CA的可逆性问题,找到了一种优化Amoroso无限CA满射性判定算法的方法。基于此,文中还提出了在零边界条件下判定一维CA可逆性的算法,其中包括一种在零边界条件下判定一维CA严格可逆性的算法,以及一种基于桶链的在零边界条件下计算一维CA的可逆性函数的算法。这些判定算法不仅适用于线性规则,也适用于非线性规则。除此以外,还证实了可逆性函数总是有一个周期的,且其周期性与对应桶链的周期性有关。文中给出了一些可逆CA的实验结果,并通过实验结果对理论部分进行了补充验证,进一步支持了文章的研究结论。

基于多子带可逆细胞自动机的二值图像压缩算法

提出一种新颖的基于多子带可逆细胞自动机的二值图像压缩算法。该算法采用可逆细胞自动机可实现信号子带编码的思想,实现了一个四子带可逆细胞自动机,并用其将二值图像信号分解为一个低频子带和三个高频子带。然后用改进的跳白块算法对各子带分别进行压缩编码。实验结果表明,该算法计算复杂度低,且具有较高的压缩比。

一种基于二维变邻居混合可逆细胞自动机的加密算法

针对传统细胞自动机密钥空间小,加密效率低,扩散性差,需要多伦迭代才能产生雪崩效应的问题,提出一种基于二维变邻居混合可逆细胞自动机并引入Arnold变换和Fibonacci变换的加密算法.在加密前先确定本算法产生雪崩效应的临界值,在每一轮的迭代中先用细胞自动机对明文序列进行演化;然后对其进行Arnold变换或Fibonacci变换;再进行循环移位变换;直到迭代次数达到临界值,停止演化和变换.实验结果表明,本算法的密钥空间增大39.3%,可抵抗穷举攻击;扩散性和混淆性好,能够产生雪崩效应,可抵抗选择明文攻击;另外加解密效率高,统计特性好.

基于二维X型可逆细胞自动机的加密算法

针对二维传统邻居类型细胞自动机结构和演化复杂、加密效率低,而一维细胞自动机密钥空间小、扩散速度慢、需要多轮迭代才能产生雪崩效应的问题,提出一种新的基于二维X型可逆细胞自动机并引入Arnold变换的加密算法。首先利用提出的细胞自动机对明文序列进行演化;在每一步演化结束后再对序列进行Arnold变换和循环移位变换;最后直到加密的密文满足要求,停止演化和变换。通过实验证明,密钥空间增大16.8%,可以抵抗穷举攻击;另外扩散性和混淆性好,能产生雪崩效应,可抵抗选择明文攻击。

高阶细胞自动机新的数据压缩方法

构造出高阶置换映射，进而得出更有效的高阶细胞自动机超并行数据压缩方法，与细胞自动机超并行数据压缩方法相比，其处理速度可以成倍地提高。证明了用遗传进化算法得到的高阶细胞自动机元胞级无失真数据压缩规则的正确性和可行性。并推广到任意阶，给出了对应的置换映射。之后讨论了有关的时间复杂性及高阶数据压缩方法的有效性。

T型邻居细胞自动机的分组加密方法

只有少数细胞自动机邻域函数规则具有可逆性,这样利用已知的具有可逆性的细胞自动机实现分组加密便不够安全。针对这个不足,提出了一种需要2个初始状态的T型邻居细胞自动机模型,利用其演化特点实现了较多的可逆细胞自动机,并分析和结合其自可逆特性设计出分组对称加密方法。实验表明,该加密方法对明文扩散的要求达到了良好的雪崩效应,特别是加密初始状态伪随机序列的引入更增强了该密码系统的抗攻击能力。

60/102/204混合细胞自动机的可逆性分析

细胞自动机的理论研究主要包括细胞自动机的分析和综合两个方面,而细胞自动机的可逆性分析则是细胞自动机分析中的核心问题。60/102/204混合细胞自动机作为一类重要的细胞自动机,利用矩阵分析方法将其状态转移表示为矩阵方程,从而分析其可逆性、可逆细胞自动机的数目和可逆细胞自动机的构造。60/102/204混合细胞自动机可逆性分析对于其在密码学、通信和测试等领域的应用具有重要意义。

基于智能聚类算法的产品粒度确定方法

通过分析当前的聚类算法在产品模块划分过程中普遍存在的局限性,结合产品配置的特点,对模糊C均值算法所构建的具有片面性的目标函数和"爬山法"寻优模式的缺点进行了改进,并用于产品的模块化结构规划。提出了一种利用演化细胞学习自动机与改进后的模糊C均值聚类算法相结合的智能聚类算法进行产品粒度划分。在分析影响配置设计主要因素的基础上,建立需求满意度、装配复杂度和变型设计复杂度等三个量化指标,对不同粒度层次下模块划分结果的合理性与有效性进行评价,进而确定出最佳的粒度大小和模块数量。最后,通过实例验证说明了所提方法的可行性。