一类变系数椭圆型Dirichlet边值问题的差分外推格式

对于变系数椭圆型偏微分方程的Dirichlet边值问题,首先,应用泰勒展开建立五点差分格式,并证明差分格式解的存在唯一性;其次,应用极值原理得到差分格式解的先验估计式,进一步证明其收敛性和稳定性;再次,应用Richardson外推法,建立具有四阶精度的外推格式;最后,应用Gauss-Seidel迭代方法对算例进行求解,数值结果表明Richardson外推法极大地提高了数值解的精度。

基于双重差分法的DRG付费对中医医院的影响研究

目的:评估按疾病诊断相关分组(DRG)付费对中医医院住院患者例均总费用、费用结构、住院时长、出院人数及中医特色的影响。方法:以某中医类国家区域医疗中心为研究对象,使用双重差分回归模型(DID)分析付费改革政策实施前后医保患者(干预组)与非医保患者(对照组)的各项指标差异,通过平行趋势检验和安慰剂检验证实模型可靠性和稳定性。结果:例均住院总费用、病例数、住院天数、医疗服务收入占比、饮片收入占比等十一项指标的DID交互项系数显著(P<0.05),费用指标回归系数均小于0。饮片使用率、中医非药物疗法收入占比等四项指标DID交互项系数不显著(P>0.05)。结论:DRG付费政策显著降低付费病组例均总费用,其中耗材、医技费用下降显著,费用结构优化,中药饮片费用占比略微下降。应持续关注DRG付费对中医医院影响,进一步扩大样本范围,跟踪分析政策影响,全面评价DRG付费政策对我国中医医疗机构的影响。

智慧城市建设与城市数字经济发展——基于双重差分模型的实证分析

选取2011—2020年中国299个城市的面板数据,运用多期双重差分模型实证检验智慧城市试点政策对城市数字经济发展水平的影响。研究表明:智慧城市试点政策对城市数字经济发展水平有显著的促进作用,这一结论通过了倾向得分匹配、排除其他干扰政策和更换政策冲击时间等多种稳健性检验。机制分析表明:智慧城市建设通过提高信息基础设施和信息产业水平来促进城市数字经济发展。异质性分析显示:智慧城市试点政策在科教水平和行政级别较低的城市对数字经济发展的促进作用更大。

基于差分隐私的联邦学习方案

联邦学习的特点之一是进行训练的服务器并不直接接触数据,因此联邦学习本身就具有保护数据安全的特性。但是研究表明,联邦学习在本地数据训练和中心模型聚合等方面均存在隐私泄露的问题。差分隐私是一种加噪技术,通过加入适当噪声达到攻击者区分不出用户信息的目的。文中研究了一种基于本地和中心差分隐私的混合加噪算法(LCDP-FL),该算法能根据各个客户端不同权重、不同隐私需求,为这些客户端提供本地或混合差分隐私保护。而且我们证明该算法能够在尽可能减少计算开支的同时,为用户提供他们所需的隐私保障。在MNIST数据集和CIFAR-10数据集上对该算法进行了测试,并与本地差分隐私(LDP-FL)和中心差分隐私(CDP-FL)等算法进行对比,结果显示该混合算法在精确度、损失率和隐私安全方面均有改进,其算法性能最优。

自贸区设立、经济集聚与流通业发展--基于双重差分法和中介效应分析

在开放型经济新格局下,自贸区成为促进我国流通业高质量发展的重要制度创新成果,本文基于“自贸区设立”这一准自然实验,利用双重差分模型和中介效应模型分析自贸区设立对流通业发展的影响效应及作用机制。研究发现:自贸区设立显著促进了流通业发展,并且对外贸易水平可以强化这一效应;自贸区设立对流通业发展的影响存在异质性特征,东部和西部地区自贸区设立对流通业发展的提升作用更强;自贸区设立所形成的经济集聚效应是影响流通业发展的关键途径,其中介效应占总效应的32.53%。最后,提出相应政策建议。

L波段差分干涉SAR卫星严格回归轨道优化设计方法

相比于传统SAR卫星应用方向,我国第一代L波段差分干涉SAR卫星主要用于实现全球精准地表形变测量。为了达到重轨差分干涉优于5 cm的形变测量指标,首先需要解决卫星空间基准轨道高精度回归的工程难题。对此,本文提出一种严格回归轨道优化设计方法,通过地球重力场阶数需求分析建立卫星高阶动力学模型,将J4摄动下修正的太阳同步回归轨道参数作为优化算法初值,以卫星WGS-84坐标系位置、速度回归精度满足收敛阈值为目标,利用启发式多目标进化算法开展轨道参数寻优。仿真试验表明,寻优结果回归精度可达厘米级,优于既定工程指标,并且本文方法有效性和正确性已经过L波段差分干涉SAR卫星在轨验证。

基于GPU的大状态密码S盒差分性质评估方法

大状态的密码S盒能够为对称密码算法提供更好的混淆性,但对大状态S盒的性质评估开销巨大。为高效评估大状态密码S盒的差分性质,提出基于GPU并行计算的大状态密码S盒差分性质评估方法。该方法基于现有的差分均匀度计算方法,针对16比特S盒的差分均匀度和32比特S盒的差分性质,分别设计GPU并行方案,通过优化GPU并行粒度和负载均衡提高了核函数和GPU的执行效率,并缩短了计算时间。测试结果表明,相较于CPU方法和GPU并行方法,所提方法大幅降低了大状态S盒差分性质评估的计算时间,提高了对大状态S盒差分性质的评估效率:对16比特S盒差分均匀度的计算时间为0.3 min;对32比特S盒的单个输入差分的最大输出差分概率计算时间约5 min,对它的差分性质计算时间约2.6 h。

我国乡村振兴水平测度及政策效应差异性评估--基于广义双重差分模型

采用熵值法基于产业兴旺、生态宜居、乡风文明、治理有效和生活富裕5个维度共19个指标测度2014—2021年我国31个省(区、市)乡村振兴发展水平,在此基础上,采用控制双向固定效应的广义双重差分模型检验以2018年为实施年份的乡村振兴战略是否能够显著影响农民人均纯收入。结果表明:我国乡村振兴水平在2018年之后均有所增长,但乡村振兴发展不平衡不充分问题比较突出,存在显著的“东中部较高、西部较低”特征;广义差分模型回归结果显示我国乡村振兴政策显著有效,但异质性分析发现东部的乡村振兴政策效果明显优于西部。

面向微纳遥感星座构建的阻力差分控制方法

基于整星质量、功耗、体积和成本考虑,一些微纳卫星通常不加装推进系统。为满足这类微纳遥感卫星构建星座的要求,提出采用阻力差分控制(无动力控制)技术实现星座构建的方法。通过调整太阳翼迎风面积,利用星间阻力差增大或减小2颗卫星轨道半长轴之差,在不改变卫星飞行姿态、不影响有效载荷应用的情况下实现微纳遥感星座相位控制。利用20颗微纳遥感卫星构建星座对阻力差分控制方法进行验证,结果表明:将阻力差分控制技术应用于微纳遥感星座相位控制,能顺利完成微纳遥感卫星同一轨道面的等相位部署,并成功实现星座构建。

基于SAT的GRANULE算法不可能差分分析

基于布尔可满足性问题(SAT)的自动化搜索方法可以直接刻画与、或、非、异或等逻辑运算,从而建立更高效的搜索模型。为更高效地评估GRANULE算法抵抗不可能差分攻击的能力,首先,基于S盒差分分布表性质优化S盒差分性质刻画的SAT模型;其次,对GRANULE算法建立基于比特的不可能差分区分器的SAT模型,通过求解模型得到多条10轮GRANULE算法的不可能差分区分器;再次,针对不可能差分区分器,给出改进的SAT自动化验证方法并验证;最后,将得到的区分器往前和往后各扩展3轮,对GRANULE-64/80算法发起16轮的不可能差分攻击,通过该攻击可以恢复80比特主密钥,时间复杂度为251.8次16轮加密,数据复杂度为241.8个选择明文。与表现次优的对GRANULE算法不可能差分分析的方法相比,所得到的区分器轮数和密钥恢复攻击轮数都提高了3轮,且时间复杂度、数据复杂度都进一步下降。

知识产权战略与企业数字化转型--基于渐进双重差分模型的实证分析

知识产权示范城市作为国家知识产权战略实施的先行示范区发挥着重要作用,知识产权战略对企业数字化转型也有积极意义。基于2008—2021年沪深A股上市公司数据,使用渐进双重差分模型(DID)验证知识产权战略是否对企业数字化转型产生影响。结果表明,知识产权战略能够显著赋能企业数字化转型,通过平行趋势和动态效应检验、安慰剂检验和倾向得分匹配等多种稳健性检验后,结论依然成立;从作用机制来看,知识产权战略通过专利补贴促进效应和技术创新激励效应显著赋能企业数字化转型。

可实现双向自适应差分隐私的联邦学习方案

随着个人数据的爆发式增长,基于差分隐私的联邦学习模型可用于解决数据孤岛问题和保护用户数据隐私,参与者通过训练本地数据,将添加噪声后的参数共享到中心服务器进行聚合,实现分布式机器学习训练。此过程中存在两方面问题:①中心服务器广播参数的过程中数据信息仍未受到保护,有泄露用户隐私的风险;②对参数过度添加噪声会导致参数聚合质量降低,影响最终联邦学习的模型精度。为解决以上问题,提出了一种可实现双向自适应差分隐私的联邦学习方案(FedBADP),对客户端和中心服务器之间传输的梯度进行自适应加噪,在保护数据安全的同时不影响模型准确率。考虑到参与者硬件设备的性能限制,文中对其梯度进行采样以减少通信开销,并在客户端和中心服务器使用均方根传递加速模型的收敛提高模型精度。实验结果证明,文中提出的模型框架在保持较好准确率的同时,也增强了用户的隐私保护能力。

基于时空间联合去噪的改进差分进化算法

在工程问题的优化求解过程中,对个体的适应度评价可能会受到环境噪声的干扰,进而影响对种群进行合理的优胜劣汰操作,造成算法性能下降。为了对抗噪声环境的影响,提出了一种基于时空间联合去噪的改进差分进化算法(SEDADE)。根据适应度排名将种群划分成两个子种群,对评价较差个体组成的子种群用分布估计算法(EDA)进化,采用高斯分布建模解空间,利用解空间中多个个体噪声的随机性抵消噪声影响;对评价较好个体组成的子种群用差分进化算法(DE)进化,并且引入基于时间的停滞重采样机制去噪,提高收敛精度。对时空间混合进化得到的两个子种群进行基于概率选择的EDA信息利用操作,利用EDA搜索得到的全局信息引导DE的搜索方向,避免陷入局部最优。在实验中使用了被零均值高斯噪声干扰的基准函数,可以发现SEDADE相比其他算法更具有竞争性,此外通过消融实验验证了所提算法包含的3个机制的有效性和合理性。

SKINNY的差分故障攻击与ForkAE的密钥恢复攻击

作为LWC竞赛的候选算法之一,ForkAE是基于叉形密码结构的一系列轻量级认证加密算法,其中使用的加密原语为轻量级可调分组密码族SKINNY.本文首先给出了一种对SKINNY族内各算法进行差分故障攻击的方法.对于SKINNY-64-64和SKINNY-64-128,在算法倒数第三轮注入随机半字节故障,理论上平均通过2.32次随机半字节故障注入即可得知连续两轮共4个半字节的信息.通过对多个位置的信息获取,理论上平均通过9.23次随机半字节故障注入即可恢复单轮的64 bit轮密钥,结合密钥扩展算法即可恢复全部64 bit的主密钥.利用类似的方法攻击SKINNY-128-128和SKINNY-128-256,在算法倒数第三轮注入随机字节故障,理论上平均通过2.4次随机字节故障注入即可得知连续两轮共4个半字节的信息,平均通过9.56次随机字节故障注入即可恢复128 bit的主密钥.攻击SKINNY-64-192或SKINNY-128-384时需要额外对倒数第五轮进行攻击,分别需要18.52次随机半字节故障注入和19.18次随机字节故障注入.在对SKINNY完成的差分故障分析的基础上,本文给出了一种对ForkAE进行密钥恢复的方法,理论上仅需要1次对故障加密机的询问即可恢复ForkAE的主密钥.

基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正

标准差分进化自适应Metropolis(differential evolution adaptive Metropolis,DREAM)算法需进行多条马氏链并行计算,存在收敛效率低和计算成本高的问题。为此,提出一种基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正(multiple-try differential evolution adaptive Metropolis with“ZS”,MT-DREAM(ZS))框架。该框架在DREAM的基础上引入历史向量差分采样、斯诺克更新以及多次尝试Metropolis抽样,并利用Kriging模型代替有限元模型进行随机抽样,实现利用极少数并行链便可快速探索多维修正参数后验分布。利用固结钢板梁模型试验,比较了DREAM和MT-DREAM(ZS)的修正效果。结果表明:MT-DREAM(ZS)可实现马尔科夫链的快速收敛,其收敛效率较DREAM提升了3.42倍,且修正结果精度和稳定性有提升;Kriging模型可大幅度降低计算成本。所提框架为解决多参数不确定模型修正中的收敛效率低和计算成本高等问题提供了一种新思路。

一类低差分均匀度幂函数的差分谱

刻画了有限域Fpn上一类低差分均匀度幂函数f(x)=x 2的差分谱,其中p和n满足pn≡3(mod 4)和pn≠27.通过研究函数f(x)的差分方程,找到了使得差分方程f(x+1)-f(x)=b有两个解的充要条件并计算了Fpn中满足条件的b的个数,从而计算出了该函数的差分谱.

自适应双坐标系的差分进化算法求解混合变量优化问题

如何设计求解混合变量优化问题(Mixed-variable Optimization Problems,MVOPs)的相关算法,是计算机算法设计与分析领域中的一个重要研究方向.该问题的求解难点在于需同时优化连续型和离散型决策变量,目前进化算法(Evolutionary Algorithms,EAs)是求解该问题的一种有效手段.然而,现有的相关EAs忽略了问题变量之间的相关性,导致算法性能还存在一定不足.为此,本文从变量相关性角度出发,提出了一种自适应双坐标系的差分进化算法来求解MVOPs.首先,利用种群的协方差矩阵信息来构建特征坐标系,实现在特征坐标系下执行算法的相关操作,以松弛连续变量与离散变量之间的相关性;其次,为避免种群多样性丢失,仍保留了原坐标系,并设计了一种自适应策略来应用特征坐标系和原坐标系,以发挥双坐标系的优势;最后,为提高离散变量的优化效果,专门设计了一种基于离散变量相关性的局部搜索策略,以增强算法的整体性能.为验证本文方法性能,在一套包含28个测试函数的通用测试集上进行了大量实验,与5种求解MVOPs的知名EAs进行了对比,结果表明本文方法有更好性能.此外,在一个实际MVOP上,即焊接梁设计问题,本文方法能取得目前已知最好解.本文方法为计算机算法设计和分析领域的相关工作提供了新的思路.

基于本地差分隐私的异步横向联邦安全梯度聚合方案

联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题。然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成。然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题。针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL)。用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA)。最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升。

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

共模抑制的渐变结构高速差分电路设计

本文构建了一种拐角分段阻抗控制的渐变结构高速电路差分线,采用了HFSS三维电磁仿真软件对差分信号进行了建模分析。对混模S参数的仿真分析结果表明:对比平行结构的差分信号设计方式,所提出的添加GND孔渐变结构差分信号在10 GHz范围内差模转差模增大了58.7%,差模转共模减小了38.3%。通过对实物测试显示:添加GND孔渐变结构差分线的S_(d2d1)参数和S_(c2d1)仿真结果和实测结果具有很好的一致性,差分电路差模转共模得到了有效地抑制,对应的差分信号传输效率得到了提升。电场分布表明:渐变结构设计方法极大改善了差分电路转角位置电场分布,避免了差分电路传输线间电场聚集,使差分信号共模噪声和反射损耗减小,实现了高速差分信号传输的连续性。