Serpent分组算法的FPGA快速实现

介绍了在FPGA上快速实现AES五个候选算法中的Serpent算法，研究了优化方法，并比较了四种不同结构的性能。

基于FPGA的TANGRAM分组密码算法实现

TANGRAM系列分组密码算法是一种采用比特切片方法,适合多种软硬件平台的系列分组密码算法。针对TANGRAM-128/128算法,使用Verilog HDL对该算法进行FPGA实现并提出设计方案。首先,介绍了TANGRAM密码算法的特点和流程,提出了针对TANGRAM密码算法进行44轮加/解密迭代计算的方案,该方案采取有限状态机的方法有效降低了资源消耗;其次,基于国产高云云源平台,完成了基于高云FPGA的算法工程实现,以及功能仿真和数据的正确性验证,同时在QuartusⅡ13.1.0平台上也进行了相关测试,用以比较。测试结果表明,TANGRAM系列分组密码算法基于Altera公司的CycloneⅣE系列EP4CE40F29C6芯片进行工程实现,最大时钟频率为138.64 MHz,加/解密速率为403.30 Mbps;基于高云半导体GW2A-55系列芯片的最大时钟频率为96.537 MHz,加/解密速率为280.80 Mbps。

线性分组码的GRAND算法研究

随着5G通信技术的发展与应用,高可靠低时延通信场景下的短包信道编译码技术受到了广泛关注。GRAND是一种通用的最大似然译码算法,与传统译码算法不同,GRAND算法通过噪声猜测和码本查询来确定发送码字,具有高效的硬件实现结构。介绍了GRAND及其改进算法的基本原理,通过仿真分析了不同GRAND算法的误码率性能;针对5G NR的LDPC短码以及PAC短码给出了GRAND算法的设计方案,为未来移动通信的短码设计提供参考。

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

渐进式分组狩猎的灰狼优化算法及其工程应用

针对灰狼优化算法(GWO)在求解复杂优化问题时存在后期收敛速度慢、易陷入局部最优的不足,提出了一种渐进式分组狩猎的灰狼优化算法(PGGWO)。首先,设计了非线性多收敛因子以增强全局勘探能力、避免局部最优;其次,提出了渐进式位置更新策略,该策略引入长鼻浣熊的包围策略和动态权重因子,前者在提高收敛精度和速度的同时避免局部最优,后者则动态地提升算法的收敛速度及全局寻优性能;最后,通过与标准GWO、4个GWO先进变体以及4个竞争力较强的新型进化算法对比,验证了PGGWO的有效性和先进性。在24个Benchmark函数和3个实际工程优化问题上的实验结果表明,PGGWO在收敛精度和收敛速度上具有明显优势,并且对约束优化问题也是有效的。

非线性自适应分组灰狼算法

针对灰狼算法(grey wolf optimization, GWO)收敛速度慢、易陷入局部最优的问题,提出了一种非线性自适应分组灰狼算法(Nonlinear Adaptive Grouping Grey Wolf Optimization, NAGGWO)。首先,提出CPM映射生成初始种群,提高种群多样性;随后,提出一种“S”型非线性控制参数用来平衡算法的开采与探索能力;最后,采用自适应分组策略将狼群分为捕食组、游荡组和搜索组,对不同组灰狼个体分别采用改进的差分进化策略、随机反向学习策略以及算数优化算法(Arithmetic Optimization Algorithm, AOA)中的乘除算子进行位置更新,以改善GWO的收敛速度及精度。通过选取12个测试函数对NAGGWO进行仿真,结果表明在相同条件下,NAGGWO在求解低维问题和高维问题中相比其它算法都具有显著优势。

感应电动机群分组及聚合算法的比较分析

由于感应电动机群中各电动机的负荷特性存在较大差异,感应电动机群分组及聚合所依据的原则难以确定,很难选择最为合适的感应电动机群分组及聚合算法。因此,本文采用将典型的三种分组算法及三种聚合算法交叉组合的方式将IEEE推荐的7种典型感应电动机等值,并在单机无穷大系统中比较分析各等值方法的等值效果。结果表明,三种分组算法和三种聚合算法交叉组合后不同等值方法的等值效果有明显差异,其中基于电动机负载率和临界滑差修正的加权聚合法的等值效果较好。

基于分组查询树的RFID标签识别算法

为了解决多标签碰撞问题,设计一种新型RFID防碰撞算法。通过在QT防碰撞算法基础研究,针对大量移动标签场景提出了一种分组查询树防碰撞(GQT)算法。新算法通过将标签ID码进行分组的方式进行重新编码,按连续三比特位一组形式进行组合,同组之间前两位做异或或者同或运算,如果异或结果得到的是第三位的值,将这组编号为0,如果同或运算结果为第三位的值,将这组编号为1,交叉进行编号,将生成的编号进行重新编码形成新的二进制比特位,最后采用查询树算法进行识别。理论分析表明GQT算法能消除空闲时隙,仿真结果表明,与QT算法和AHT算法作比较,GQT算法能减少碰撞时隙数,并且在大量标签数的情况下,算法识别效率能保持在0.76左右。可见GQT算法在物流运输、贮存、管理等场景具有良好的应用价值。

基于分组改进密钥扩展算法的医院信息系统实现

当前,医院信息系统加密大多使用传统高级加密标准算法(AES算法),存在安全稳定性差、计算工作量大、敏感数据无法得到有效管理等问题,亟需改进。本文基于分组改进密钥扩展算法对传统AES算法进行改进,通过最佳仿射变换和乘法逆运算,提高S盒的抗攻击性,并通过算法平行化,提高数据的加解密效率。实验分析表明,基于分组改进密钥扩展算法能够使医院信息加密系统加密的运行效率得到改善,运行效率得到提升,安全性能增加。

基于节点动态评分机制的分组共识算法

针对实用拜占庭容错(practical Byzantine fault tolerance,PBFT)共识算法三阶段流程通信开销大,主节点随机选取且缺乏奖惩机制等问题,提出基于节点动态评分机制的分组共识算法(dynamic scoring practical Byzantine fault tolerance,DS-PBFT)。首先,优化一致性协议,简化三阶段通信流程从而提高共识效率;其次,提出节点评分分组机制,通过节点在共识过程中的历史行为进行评分,并分为共识组和候选组,降低恶意节点参与共识过程的可能性;最后,提出动态过程选择参与共识的节点,优化视图切换协议和垃圾回收机制,减少参与共识的节点数量,从根本上提高共识效率。用Docker容器模拟多个节点的仿真实验表明,在网络稳定、可信节点较多的联盟链中,提出的DS-PBFT共识算法在共识时延、吞吐量、容错性和通信复杂度等方面比PBFT共识算法及其他改进算法相比具有更好的性能,能够快速达成共识,提高共识效率。

鹈鹕优化算法在岩体结构面分组中的应用

结构面广泛分布于岩体之中,难以逐一进行分析。现有研究方法存在对初始信息敏感,分组结果可靠性差,以及难以准确对产状相近的结构面进行分组等不足。针对上述问题,提出了一种基于鹈鹕优化算法(POA)的岩体结构面分组方法。首先,利用POA算法全局寻优初始聚类中心,结合模糊C均值算法(FCM)将结构面产状数据进行完全分组。其次,利用蒙特卡罗模拟技术,生成符合Fisher分布的产状数据。最后,基于正交设计,对比传统FCM算法,以识别错误率为指标,研究了新算法在不同结构面数量、结构面组数、聚类中心、离散度情况下分组精度的变化规律。结果表明:聚类中心对分组精度具有显著影响;所提方法能对产状极点边界不清晰的结构面数据进行有效分组,可有效提高分组精度和分组结果的可靠性。以大连某水库边坡结构面数据为基础,对其进行分组处理,验证了新方法的工程实用性。研究结果可以为结构面三维网络计算机模拟和岩体工程稳定性分析提供依据。

基于量子Simon算法对分组密码类EM结构的密钥恢复攻击

文章基于量子Simon算法(一类经典量子周期寻找算法)的量子过程以及应用,对类EM结构进行基于量子Simon算法的密码分析,以类EM结构的加密算法为研究对象,运用量子Simon算法,构造适用于Simon算法的函数,对类EM加密结构的5轮加密过程进行密钥恢复攻击。结果显示,在密钥长度的多项式时间内,文章所提方法可以成功恢复出第五轮加密密钥,且根据此密钥可以分析出其他轮密钥。研究结果表明,在密钥长度的多项式时间内,可以找到其中一个密钥,量子条件下密钥的可恢复性说明该结构的安全轮数应当高于5轮,为未来对称密码体制的研究和发展奠定了一定的基础。

基于改进模糊算法的节理分组软件开发

节理广泛存在于岩体中,其发育情况影响着岩体的稳定及渗流特性。由于节理数量众多,目前对其研究时需进行分组处理。传统的分组方法如依靠玫瑰图、极点等密度图等,无法确定每组节理的具体数据,同时对离散点的分组效果有限。当下使用机器学习的聚类算法也存在选择的聚类数影响分组效果的不足。鉴于此,在MATLAB平台上开发了基于改进模糊聚类算法的节理产状聚类程序(JOCP)。JOCP考虑节理的倾向倾角,使用基于聚拢度的模糊聚类算法进行分组,将结果使用Xie-beni指数判断优劣性,最终生成节理分组的最优解。JOCP以原始坐标数据及目标聚类数为输入,以节理产状数据、聚类中心、聚类结果分布图以及有效性指标为输出。将程序用于大连某边坡千条节理数据的分析中,结果证明程序可提高分组确定性,达到分组效果客观准确的目的。此程序可为地质勘探,灾害预测等领域提供技术支持。

轻量级分组密码算法FBC的积分分析

FBC算法是由冯秀涛等人于2018年在中国密码学会举办的全国密码算法设计竞赛中提出的轻量级分组密码算法,包含FBC128-128、FBC128-256和FBC256-256三个版本,具有轻量化、安全性高和软硬件实现灵活等特点.本文基于比特可分性和MILP方法搜索FBC算法的积分区分器.首先,将FBC算法的轮函数拆分为S盒、复制和异或等基本运算,根据比特可分性在基本运算中的传播规律,构建线性不等式刻画比特可分性的传播;其次,通过将所得线性不等式组作为约束条件,构建MILP模型寻找积分区分器最高轮数的下界,并提出判断r轮积分区分器是否存在的算法;最终,结果表明FBC128-128/256和FBC256-256的积分区分器轮数可分别达到11轮和14轮,均优于现有积分分析结果.

唯密文场景下的分组密码算法识别方法

唯密文场景下的分组密码算法识别方法研究,旨在探讨在仅知道密文的情况下,如何有效地识别出所使用的分组密码算法,这一问题的研究对于提高加密系统的安全性具有重要意义。通过对随机序列随机性检测方法的研究,基于集成学习模型构建了识别模型,实现了唯密文场景下的分组密码算法识别技术,可以有效提取密文数据特征,经实验验证,识别效果优于现有方法。

基于分组的实用拜占庭容错共识算法

通过实验发现,实用拜占庭容错共识算法PBFT(practical byzantine fault tolerance)在区块链共识算法中会导致大量的信息广播,从而浪费通信资源并降低效率。为了解决这些问题,引入了一种在没有拜占庭节点的情况下,通过对节点进行分组共识,对原始PBFT进行优化的新方案。这种改进后的方法主要由分组和达成共识两个步骤构成。首先,将全部节点进行归类划分各组,实现分组共识;然后,在每个组内达成共识;最后,每个组的负责人进行总体共识,大大提高了达成共识的效率。与PBFT算法相比,提出的共识算法可以将达成共识的时间复杂度从O(N^(2))降低到O((N/2)^(2)),有效地减少了网络的通信消耗,平均延迟从18 s降低到了9 s,平均吞吐量由758 tps提升到了1040 tps。

基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法

针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最大化作为两个优化目标,进行双目标函数建模及理论分析;然后,设计基于NSGA-Ⅱ的LCNN结构优化框架,并在原始LCNN结构的深度卷积层之上增加基于NSGA-Ⅱ的自适应分组层,构建基于NSGA-Ⅱ的自适应多尺度的特征融合网络NSGA2-AMFFNetwork。在图像分类数据集上的实验结果显示,与手工设计的网络结构M_blockNet_v1相比,NSGA2-AMFFNetwork的平均精确度提升了1.2202个百分点,运行时间降低了41.07%。这表明所提优化算法能较好平衡LCNN的复杂度和精确度,同时还可为领域知识不足的普通用户提供更多性能表现均衡的网络结构选择方案。

积分故障分析下的Midori128密码算法安全性评估

为了研究Midori128密码算法针对积分故障攻击的安全性,建立积分区分器平衡位置、故障密文与轮密钥的关系,通过密钥搜索,可以恢复出算法的最后一轮密钥,进而利用密钥扩展算法恢复出主密钥。理论分析表明,利用3轮和4轮积分区分器进行积分故障攻击时,恢复出正确密钥的时间复杂度分别为2^(21)和2^(24)。采用准确性、成功率和耗费时间对倒数第4轮注入故障的攻击过程进行仿真,成功恢复出该算法的主密钥,并且针对不同明文分组和密钥进行对比实验。通过两组故障安全性分析方案可知,Midori128算法的轮函数易受到积分故障攻击,在算法运行时至少需要对倒数6轮进行故障检测等额外防护。

基于分组控制策略的风电场储能容量优化配置

为解决风电出力的波动性和不确定性问题,提出一种基于电池储能分组控制策略并计及其运行不平衡性的风电场电池储能容量优化配置方法。首先,在比较分析不同电池储能分组策略基础上,提出风储联合系统三电池组分组控制策略及充放电运行模式,并构建计及经济成本、衰减指标和寿命期限的多目标电池储能容量配置优化模型;然后,采用变分模态分解法处理风电数据,并通过非支配排序遗传算法与CRITIC-TOPSIS综合决策法联合求解获取最佳的电池储能容量配置方案;最后,通过与现有分组控制策略对比,验证该文所提出的三电池分组策略在改善电池储能充放电不平衡性以及减缓损耗方面的有效性,并对比不同目标和不同决策方法下的电池储能配置方案,结果表明该文提出的多目标优化模型与综合决策方法在延长电池使用寿命的同时保证经济性方面具有明显优势。

基于分组和信用分级的PBFT共识算法改进方案

针对联盟链的实用拜占庭容错(PBFT)共识算法通信复杂度高、主节点选择随机、支持的网络规模有限等问题,提出一种基于分组和信用分级的改进拜占庭容错(CBFT)算法优化大规模联盟链的节点结构。优化一致性过程,将网络节点按照对管理节点的响应速度划分为不同的共识集分别进行共识集内外共识,各共识集的管理节点携带共识集内的共识结果参与共识集外的全局共识,从而减少节点间的通信频率。在此基础上,提出信用分级机制,将节点划分为管理节点、候选节点、普通节点等3种类型,使信用值高的节点成为主节点的概率较高,减少恶意节点对系统的破坏,提高整个网络的效率。搭建基于该改进方案的仿真模拟与性能测试系统.实验结果表明,当网络节点数量为30个(4个分组)时,CBFT算法的吞吐量为PBFT的3.2倍,共识时延降低90.6%,通信开销减少53.2%,能够容忍的最大恶意节点数为PBFT算法的1.9倍,且随着节点数的增加提升更明显,符合大型联盟链的需求。