基于拒绝采样法的BRDF模型散射光线追迹方法

针对现有散射光线追迹概率模型方案受限于解析解难以获取的问题,提出利用拒绝采样法设计基于双向反射分布函数(BRDF)的散射光线追迹概率模型,通过设置检验条件规避了积分求解过程,进而筛选出有效角度坐标,实现散射光线追迹,该方案具有适用范围广的优势。对于具有平移不变性的BRDF模型,进一步提出对称采样方案,通过将采样区域减半后再镜像提升速率。设置表面属性、入射角与追迹光线数量等仿真条件相同,编制了本文方案的仿真程序,对不同光机结构材料进行建模仿真后从重复性和精确度方面与LightTools软件运算结果作对比验证,基于拒绝采样法编制程序的仿真结果可以与软件模型结果相媲美。最后对软件中未包含的BRDF模型进行建模仿真以进一步验证上述方案的普适性。

接受-拒绝算法的贝叶斯不确定度评定

针对贝叶斯不确定度评定中获取测量模型后验分布困难的问题,给出一种基于接受-拒绝采样思想实现贝叶斯测量不确定度评定的方法。面向线性/非线性测量模型,先利用贝叶斯假设或蒙特卡洛法获得被测量的先验信息,再基于接受-拒绝采样获得被测量的接受采样点形成后验分布,对被测量进行统计推断得到测量不确定度评定结果。通过规范示例和实际测量评定实例,验证了采用接受-拒绝算法的贝叶斯不确定度评定方法相较于传统GUM和MCM评定方法,能够得到可靠评定结果,且获取贝叶斯后验分布过程简便,在无/有历史信息条件下测量不确定度评定应用中具有可行性和实用性。

基于贝叶斯网络及STRIDE模型的XSS风险分析

贝叶斯网络因能够对事件进行建模并给出紧凑的概率表示,被广泛地用在风险分析上。针对XSS攻击,基于STRIDE威胁模型构建贝叶斯网络结构模型,并通过专家经验和排序节点获取节点先验概率,在此基础上采用拒绝性采样算法得到数据集,进而学习贝叶斯网络参数。利用贝叶斯网络推理计算Web系统遭受XSS攻击的风险,找到弱点以加强相应的防护措施,实现积极防御。

可证安全隐写:理论、应用与展望

可证安全隐写追求由来已久,但是由于缺乏可精确采样的载体,导致可证安全隐写的发展沉寂多年,生成模型的快速发展和生成数据的广泛传播给可证安全隐写带来新的技术手段和伪装环境。文章首先从隐写的经验安全与可证安全的区别出发,引出了可证安全隐写的定义;然后介绍了可证安全隐写的理论与经典构造,并给出了生成式人工智能环境下可证安全隐写的现实构造,在总结基于样本索引的可证安全隐写方法的基础上,介绍了基于分布副本索引的新型隐写构造;最后,文章展望了可证安全隐写的发展趋势:包括公钥隐写和协议,以及在性能无损生成数据水印方面的应用。

基于格的分层无证书代理签名方案

现有基于经典数论问题假设的无证书代理签名方案无法抵御量子计算机攻击,在应用于有大量用户的系统时会存在单点失效和不易扩展等局限。针对这些问题,提出一种基于格的分层无证书代理签名方案。首先,采用拒绝采样技术和无陷门技术提高密钥生成的计算效率;其次,不同层级的原始签名人和代理签名人通过交换随机选取的矩阵进行互认证,实现代理授权;最后,在随机预言机模型下的小整数解(SIS)困难问题假设下证明了该方案的安全性。相较于现有的代理签名方案,所提方案允许签名人来自不同层级且隶属于不同密钥生成中心(KGC)。性能评价实验结果表明,该方案的公钥尺寸是一个常数,代理签名和验证开销与层级无关,且代理密钥和签名尺寸非层级的线性量。因此,该方案可更好地满足大规模分布式异构网络对均衡负载的需求,是高效可行的。

含区间分布参数的尾喷管调节机构可靠性分析

为提高尾喷管调节机构的可靠性分析效率,提出一种结合拒绝采样和主动学习Kriging代理模型的分析方法。在ADAMS中建立了某发动机尾喷管调节机构虚拟样机仿真模型,通过运动学分析对所建模型进行验证;考虑其输入变量含区间分布参数的情形,建立基于调节机构定位精度的极限状态函数;引入主动学习Kriging代理模型,在分布参数随机变化的情况下,通过拒绝采样方法来捕捉样本空间的变化,从而构建适用于整个样本空间内的Kriging代理模型。通过数值算例验证所提方法的可行性,并采用所提方法对调节机构失效概率的上下限进行了计算分析,为提高区间分布参数下的可靠性分析效率提供了一种新的思路。

ADS-B中基于格的分层无证书消息可恢复认证方案

广播式自动相关监视(ADS-B)作为新一代空中交通管制的关键技术,已部署在全球大部分空域。已有的ADS-B消息认证方案主要利用传统的公钥密码系统来保证数据安全,计算负担较重且无法抵御量子攻击。首次将基于格的密码体制用于ADS-B通信安全,提出一种同时支持消息可恢复和批量验证的分层无证书消息认证方案。ADS-B机载设备不需要管理证书,也无密钥托管问题。ADS-B消息不需要与签名一起传输,可以在验证阶段进行恢复。利用拒绝采样和无陷门技术,该方案仅需执行计算复杂度较低的线性运算即可实现消息认证。在随机预言机模型和小整数解问题假设下,该方案是可证安全的。性能评价实验结果表明,在同等的比特安全级别下,该方案相比相关工作在节省计算开销方面有显著的提升,对于计算资源受限的航空电子设备十分适用。

精确采样二元高斯

Karney于2016年提出了一种针对标准正态分布的精确采样算法.本文给出一种针对标准差为√1/(2ln2)均值为0的正态分布的精确采样算法.这一种特殊的正态分布也被称为二元高斯分布,因为其相对概率密度函数可以由2^(-x^(2))给出,这里x为任意实数.在实际中,针对二元高斯分布的这一精确采样算法无需浮点运算,可以看成是Karney精确采样技术的一种推广.分析了该采样算法产生一个二元高斯样本平均需要的区间(0,1)上的均匀偏差数.数值实验也表明了该采样算法的有效性.对于大于1但小于自然常数e的任意有理数c,将精确采样二元高斯分布的思想推广到了精确采样标准差为√1/(2lnc)均值为0的被称为“c元高斯分布”的一类正态分布上,并进行了类似的复杂性分析.

基于格的无证书盲签名方案

目前已有的无证书盲签名方案都是基于因式分解和求离散对数难解问题的基础上提出的,在量子算法的攻击下是不安全的.针对这一问题,基于格提出一个无证书的盲签名方案.方案中私钥生成中心(KGC)利用陷门生成技术和矩阵采样生成用户的部分私钥,采用拒绝采样技术生成盲签名.经分析,方案满足正确性和盲性,并且在随机预言模型下,基于求解格上小整数解困难性上证明了方案可以抵抗外部或内部敌手的适应性选择身份和选择消息的伪造攻击.方案既保持了无证书密码体制简化密钥管理的方便性,消除了密钥托管的隐患,又增加了抵抗量子攻击的安全性.

基于卡尔曼滤波参数自学习的大坝变形预测

卡尔曼滤波模型被广泛运用于大坝的变形预测,然而其参数的识别,尤其是状态和观测噪音协方差矩阵的识别,主要来源于工程经验和领域专家知识。因此提出一种自学习的参数识别方法,该方法基于历史数据,结合Monte Carlo和拒绝采样算法获取卡尔曼滤波参数。具体地,从训练样本中挑选出与真实值最接近的实测值对状态噪音进行估计,并通过计算它与总体误差的差值来确定观测噪音。实验表明,相比已有的同类方法,该方法的准确性更高,更适用于大坝变形预测。

循环安全的同态加密方案

全同态加密可以对密文进行有效计算,是实现云计算、大数据以及机器学习中数据隐私安全的一项重要密码技术.利用“自举”技术可以构造全同态加密方案,但是使得运算密钥随着运算电路的深度线性增长,这是全同态加密方案实用性的一个主要瓶颈.然而,如果同态加密方案满足循环安全性,即可以对方案的私钥进行安全的加密,则可以使得运算密钥的规模独立于运算电路的深度.因此,满足循环安全性的同态加密方案是值得研究的一个问题.基于噪声淹没技术,给出了循环安全的公钥同态加密方案,并给出了安全性证明和参数设置;进一步,通过引入拒绝采样技术,给出了优化的循环安全公钥同态加密方案,在增加部分采样算法的代价下,将系统参数从超多项式级降低到多项式级,大大约减方案公钥和密文规模,从而可以有效改善密文运算的计算复杂性,提升同态加密方案的性能.

最大熵判别主题模型的高效学习算法

现有的有监督主题模型训练算法的时间复杂度一般线性于主题数量,限制了其大规模应用.基于此种情况,文中提出最大熵判别潜在狄利克雷分配(MedLDA)有监督主题模型的高效学习算法.算法为坐标下降算法,训练分类器的迭代次数少于MedLDA已有的蒙特卡洛算法.算法还利用拒绝采样及高效的预处理技术,将训练的时间复杂度从线性于主题数量降至亚线性于主题数量.在多个文本数据集上的对比实验表明,相比原有的蒙特卡洛算法,文中算法在训练速度上有大幅提升.

FatSeal:一种基于格的高效签名算法

当前基于格设计的能够抵抗量子计算机攻击的签名方案是基于数论难题的传统签名方案的热门候选替代。通过Fiat-Shamir变换以及拒绝采样技术构造格签名是一种重要方法,共有5个格签名方案提交到美国国家标准与技术局的后量子算法项目中,基于Fiat-Shamir变换进行设计的有两个方案。其中Dilithium是基于模错误学习(MLWE)问题构造的Fiat Shamir签名,它的一个特性是在签名算法中使用了高效简洁的均匀采样。Dilithium签名方案构造在一般格上,为了获得更紧凑的公钥尺寸,Dilithium对公钥进行了压缩。另一方面,NTRU格上的密码方案比一般格上的密码方案在效率和参数尺寸上有更大的优势,该文给出了Dilithium签名在NTRU格上的一个高效变种方案,在继承Dilithium简洁设计的基础上,综合了NTRU和拒绝采样的技术优势而无需额外的压缩处理,进一步提升了基于格的Fiat-Shamir签名的效率。

量测随机延迟下带非高斯噪声的目标跟踪算法

为解决量测一步随机延迟及非高斯噪声条件下战斗机蛇形机动模式转弯角速度辨识问题,更好地实现蛇形机动的稳定跟踪,考虑到目标状态与转弯角速度之间相互耦合的特性,基于联合估计与辨识的思想,依据极大似然准则,提出了一种基于期望最大化的目标状态估计与转弯角速度辨识联合优化算法.该算法主体包含两个部分:E-step和M-step.在E-step,首先,通过充分考虑量测一步随机延迟特性及非高斯量测噪声,重新构造了粒子滤波器的似然函数,进而改进了粒子权重的更新公式,同时,为避免粒子贫乏现象的发生,将粒子群优化算法引入到重构的粒子滤波器当中进一步改进粒子采样过程;其次,将拒绝采样思想引入到后向模拟粒子平滑器当中,并相应地设置拒绝采样终止条件,优化后向模拟粒子平滑器,进一步提高平滑算法的执行效率;最后采用改进的粒子滤波器与后向模拟粒子平滑器进一步获取目标状态的平滑量;在M-step,通过采用牛顿迭代法极大化条件似然函数,从而获得转弯角速度的估计量,用于下一次算法迭代.通过E-step和M-step的不断迭代,进而获得转弯角速度的闭环形式的优化解.仿真实验结果表明,所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法.

非均匀分布量测下的扩展目标跟踪方法

针对雷达方位角变化导致散射源统计特性改变的问题,提出了一种非均匀分布量测下的扩展目标跟踪方法。算法通过轮廓质心法和接受-拒绝采样法产生伪量测,并构建了分层无迹卡尔曼滤波器(hierarchical unscented kalman filter,HUKF)来估计运动状态和形状参数。实验结果表明,相比于传统的无迹卡尔曼滤波方法,该方法对星凸扩展目标有着更好的跟踪性能。

基于结构可靠性方法的贝叶斯模型更新:氯盐侵蚀耐久性案例分析

贝叶斯模型更新是一种基于先验知识和最新观测数据,具有减少工程模型不确定性的计算能力的技术。通过将贝叶斯更新问题重新解释为结构可靠性问题,最新的BUS算法(即采用结构可靠性方法的贝叶斯更新)为快速和稳健的后验密度估计开辟了新的途径。为了实现氯盐侵蚀耐久性模型参数快速准确更新的目标,该文采用基于子集模拟的BUS方法。通过研究一个工程指导的复杂混凝土耐久性模型,证明了计算效率和精度。结果表明,模型参数的统计特性可以根据现场监测的信息成功地更新,并与简单拒绝采样估计的结果接近。

一种新的基于NTRU的签名方案

基于NTRU的签名算法的最大缺陷就是签名值的分布与生成签名的私钥相关,因此,签名值会泄漏私钥的部分信息。本文设计一种新的基于NTRU的数字签名方案,与之前的NTRU类签名不同的是,方案引入一种新的技术—"拒绝采样",从而使得签名值的分布与生成签名的私钥不相关,大大提高了方案的安全性。方案的安全性基于"部分傅里叶恢复"问题。然后,针对新的签名方案,在标准C环境下,调试并完成了签名和验证算法,并测试了算法的效率。最后,对方案的效率与其他的方案进行了对比分析。对比分析结果显示,在签名效率方面,本文算法比传统的签名方案高出很多。

含概率盒变量的动力总成悬置系统可靠性分析

动力总成悬置系统(Powertrain Mounting System,PMS)的可靠性分析存在不确定参数建模不准确和计算效率低下的问题。因此,文中将概率盒(probability box,p-box)引入到PMS不确定性分析中,并提出基于拒绝采样原理的PMS混合不确定性分析方法。首先,为了获得固有特性计算方程,建立PMS的12自由度模型;然后,分析随机变量和参数化p-box变量的特点,实现两种变量的统一表达;再次,提出一种基于双层蒙特卡罗抽样法和基于拒绝采样原理的混合不确定性分析方法,实现PMS固有特性响应的不确定性分析;最后,通过实际案例验证了所提方法的有效性和高效性。