基于非对称离散高斯似然的深度图像压缩方法

相较于传统的图像压缩技术,深度图像压缩可以提供更优的率失真性能,甚至可以超越最新的压缩编码标准多功能视频编码(Versatile Video Coding,VVC)。然而,随着网络复杂度的提升,深度图像压缩技术的提升亦有瓶颈。因此,提出了非对称离散高斯分布的深度图像压缩方法。并非优化编解码器或是熵模型,该方法在隐空间借助语义信息和稀疏过程,实现单高斯分布向非对称高斯分布的迁移,以节约码流。相较其他方法,所提方法具有更优的率失真性能,在Kodak数据集上解码的图像更加真实自然。

整数上离散高斯取样的常数时间实现方法

整数上的离散高斯取样是格密码体制实现的基本操作,也是决定安全性的重要因素,但可能受到计时攻击从而造成秘密信息的泄漏。为此,在Knuth-Yao算法的基础上,提出一种整数上离散高斯取样的常数时间实现方法。通过计算给定离散高斯分布的矩阵概率,确定概率矩阵每个列向量的汉明重量,并使用单指量多数据对其进行向量化操作,从而提高取样速度。实验结果表明,与运行时间可变的Knuth-Yao方法相比,该方法在单指令多数据支持下,采样速度可提升至14.9×10^6 samples/s。

基于理想格公钥密码关键部件的改进与优化实现

离散高斯分布采样和理想格中多项式乘法是基于理想格公钥密码的两个关键部件.这两个部件的高效性、安全性和强可移植性可极大促进基于理想格公钥密码的快速发展.本文从算法改进和实现优化两个方面出发,在保证安全性的基础上,提升两个部件的计算效率和可移植性.针对离散高斯分布采样部件,构造新的分布函数,确定新的采样标准;在此基础上,优化Bernoulli采样算法的算法流程,提出一种快速的位矩阵生成算法和后台采样优化技术,在保证采样安全性的前提下,极大地提升了采样的效率.针对理想格中多项式乘法部件,在基于蝶形结构数论变换的基础上,将模约减算法与延迟模运算相结合,并提出NTT缓存优化技术,在保证原有安全性的前提下,极大地缩短了乘法运算的时间.最后,在主流的x86-64、ARMv7和WebAssembly环境下分别进行仿真实验,结果表明改进算法和优化技术在三种测试环境下均可正确执行,且具有较强的可移植性.在保证安全性的前提下,使用位矩阵生成算法和后台采样优化技术的采样速度和原始算法相比至少提升13.57%和29.67%;使用模约减算法与延迟模运算结合与NTT缓存优化技术的乘法运算速度和原始算法相比至少提升77.54%和34.51%.

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.