嵌入式领域ECC专用指令处理器的研究

与其他公钥密码算法相比,椭圆曲线密码算法(Elliptic Curve Cryptography,ECC)具有抗攻击能力强、计算量小以及处理速度快等优点,已成为下一代公钥密码体制的标准.随着ECC在嵌入式领域的应用日益广泛,如何提高其执行效率成为目前研究的热点问题.文中提出了一套通用的专用指令处理器(Application Specific Instruction Processor,ASIP)的设计验证方案,并将该方案应用于ECC,从而大幅提升其在硬件资源受限的嵌入式环境中的执行效率.首先借鉴并实现了OpenSSL公开的ECC软件优化方案,并结合处理器平台的特点对大整数乘法运算和多项式平方运算进行了进一步优化.其次对优化后的算法进行基本指令块(Basic Instruction Block,BIB)的划分并转化为数据流图(Data Flow Graph,DFG),在DFG图中依照专用指令设计规则引入近似最优解方法查找可优化指令块.对该类指令块设计相应的专用指令,以实现处理器原有基础指令集架构的扩展.再次基于电子系统级(Electronic System Level,ESL)设计方法依次设计并仿真验证ECC_ASIP的系统级模型和Verilog寄存器传输级(Register Transfer Level,RTL)模型.最后将验证通过的RTL级处理器模型进行综合、布局布线,转换成相对应的门级电路并统计模型使用的硬件资源信息,烧写到FPGA(Field-Programmable Gate Array)平台完成ECC_ASIP的移植操作和性能验证.与ARM11处理器平台下算法实现的性能表现进行对比,实验结果显示,ECC_ASIP牺牲了9.23x%的硬件扩展资源,将算法实现的运算速度提高了2.74x倍,指令代码存储空间减少了59.36x%.

基于深度卷积神经网络的无序蛋白质功能模体的识别

针对目前实验方法识别天然无序蛋白质中的功能模体耗时费力、难度大,而传统计算机辅助识别方法过于依赖人工挑选特征且准确度低等问题,提出一种利用深度卷积神经网络预测功能模体位置的方法;该方法直接将蛋白质序列作为输入,通过计算对应的位置特异性打分矩阵和3组氨基酸指数特征,将序列映射到数值矩阵中,模型自行抽取特征并自动识别功能模体的隐性序列模式来进行预测。结果表明:当使用相同数据集进行训练和测试时,本文中提出的方法的性能明显优于其他传统的识别算法,在验证集上的感受性曲线下的面积(AUC)值达到0.708,在测试集上的AUC值达到0.760,说明深度卷积神经网络能够有效地识别功能模体的隐性序列模式;该方法也可以用于其他聚集型蛋白质功能位点的识别。

移动计算环境下基于动态上下文的个性化Mashup服务推荐

移动互联网的快速发展和智能终端数量的迅速增长使得Internet服务更加密切地融入到人们的生活中,面向非专业用户的Mashup服务在移动计算环境下有着更广泛、迫切的需求,同时,用户行为过程中的上下文动态不确定性、用户行为模式复杂性和个性化特征等因素对传统Mashup技术提出了挑战.针对目前Mashup技术和研究中存在的问题,本文将关注点从离散的服务推荐扩展到Mashup构造与运行过程,提出一种新的基于迭代式自主构造的Mashup服务组合和运行模式,主要思想是对大量离散、孤立的历史执行轨迹进行挖掘处理,建立上下文相关和偏好相关的用户行为选择概率模型,为构造优化的个性化Mashup组合方案提供支持.分析和模拟实验表明,面对移动环境上下文动态性和普适性特点,本文方法能够有效简化Mashup构造过程中用户参与的复杂性,减少对用户专业知识的依赖;同时,在用户行为模式预测和Mashup服务构造与推荐方面能够获得比其他服务推荐或组合方法更好的效果.