基于D维映射的布谷鸟哈希表

哈希的数据结构和算法是海量信息存储的有效方式,特别是对于与网络流量测量、监控和安全相关的应用。目前存在许多哈希表算法,如布谷鸟哈希、Peacock Hash、Link Hash和Double Hash等,但是这些哈希算法仍存在着一些问题,如占用内存空间过大、插入查找等操作时间过长以及插入过程中遇到死循环而导致插入失败需要进行重新哈希等。针对这些问题,文中提出了基于D维映射的布谷鸟哈希算法,对哈希表进行属性划分,并增加链表结构,然后与辅助数据结构布隆过滤器和位图进行结合,并通过预先识别踢出操作是否有必要来减少不必要的内存访问次数,提高了哈希表的负载因子和插入查找效率。

具有隐私保护功能的可信电力集中竞价交易出清

围绕日前集中竞价交易申报阶段存在的申报价格易泄露、申报信息易被篡改等安全问题,开展研究工作。对于交易出清的流程进行分解,明确具体需要隐私保护的对象,给出系统模型和安全性定义。结合布谷鸟哈希算法、保序加密、数字时间戳等多种隐私保护技术解决目前交易出清存在的申报价格隐私暴露、申报信息易被篡改等安全问题并给出提案的原型实现。实验结果表明,所提出的方案较好地兼顾了隐私保护及效率。成果可以推广到其他交易出清场景,例如股票、证券等。

一种基于软硬件协同的流分类技术研究

流分类指根据IP包的五元组信息在规则表中进行匹配分类。某网络密码机使用通用处理器进行流分类和报文处理,但现有流分类算法无法在通用处理器上同时支持五元组线速范围匹配和规则库实时更新。论文基于软硬件协同方式解决该问题,对数据流首包基于FPGA进行范围匹配并在CPU侧建立流表,后续包则基于CPU进行流表哈希匹配,并设计了规则库和流表同步更新机制,可满足万兆线速流分类要求且显著降低计算开销和通信开销。

抗恶意敌手的线性门限隐私集合交集协议

门限隐私集合交集(TPSI)是安全多方计算中的一种特例,其在机器学习、共享拼车、指纹识别等多个领域有广泛的应用。然而,目前存在的方案均基于计算复杂度较高的算法,并且仅在半诚实模型下实现,导致协议计算开销较大且无法抵抗恶意敌手的攻击。为了解决以上问题,首先提出了一个向量不经意匹配测试(VOMT)协议,并基于VOMT和布谷鸟哈希设计了一个高效的半诚实TPSI协议。此外,结合VOMT与对称密钥加密方案构造出向量不经意解密匹配测试(VODMT)协议,并基于VODMT与不经意伪随机函数设计了一个可以抵抗恶意敌手的TPSI协议。随后,分别在半诚实模型和恶意模型下证明了协议的安全性,并分析得出两个协议的计算复杂度和通信复杂度均为线性。在集合大小为4096时,提出的两个协议的在线运行时间分别为0.81 s和1.81 s,而先前的工作则需要5627 s,所以两个协议均是高效的。