周期伪随机序列的复杂度及应用

来源 :西安建筑科技大学 | 被引量 : 0次 | 上传用户:prettyxu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
周期伪随机序列在流密码、扩频通信、雷达导航、全球定位等领域中都有着极为重要的应用。作为流密码的密钥流,周期伪随机序列的p-adic复杂度和线性复杂度是衡量其安全性的重要指标。本文主要研究周期伪随机序列的4-adic复杂度和线性复杂度,包括周期为2p2的四元序列的线性复杂度,4-adic复杂度,对称4-adic复杂度,及周期为pq的二元序列的线性复杂度。接着研究周期伪随机序列的应用。主要结果如下。首先,基于广义分圆理论,通过计算序列生成多项式的零点个数,确定了一类周期为2p2的四元广义分圆序列的极小多项式和线性复杂度。结果表明,该序列的线性复杂度大于其周期的一半,能够有效地抵抗Berlekamp-Massey(B-M)算法的攻击,是密码学意义上一类良好的周期伪随机序列。进一步,证明了该类序列的4-adic复杂度的上界及对称4-adic复杂度。结果表明,这类序列的4-adic复杂度的最小值为log4((42p2-1)/15),且Φ4(s∞)=Φ4(s∞),大于其周期的一半,即这类序列有高的4-adic复杂度,可以有效地抵抗有理逼近算法的攻击。其次,研究双素数剩余类环Zpq上的广义分圆理论和中国剩余定理,对双素数剩余类环Zpq作分割,构造了一类新的周期为pq的八阶二元广义分圆序列。利用有限域上的特征和、多项式理论,在xpq-1的分裂域上,得到了该序列在不同情况下的极小多项式及线性复杂度。结果表明,该序列的线性复杂度大于其周期的一半,能够有效的抵抗B-M算法的攻击,是一类良好的周期伪随机序列。最后,研究了周期伪随机序列的应用。首先可以作为流密码中的密钥流,其次研究了伪随机序列在Snow族算法中的应用,并对算法做了简单的推广。
其他文献
在“快时尚”的时代背景下,基于深度学习的服装搭配技术成为个性化时尚设计、时尚检索等研究领域的热门。由于不同服装的颜色深浅、纹理图案等关键特征均有较大差异,同时不同用户群体对服装款式要求迥异,现有的基于深度学习的服装搭配技术存在服装特征表示不够完整、多模态特征融合相关性低、套装的匹配度评估不合理和互补单品匹配度差、推荐效率不高等问题。本文围绕服装搭配推荐算法的研究开展了如下工作:1.实现了基于多模态
学位
在我国当前城市人口老龄化日趋严峻、居家养老作为我国养老模式的基础的形势下,城市社区中如何帮扶老年人解决养老难已迫在眉睫。经过养老服务事业的多年发展,越来越多社区中悄然发展出的社区嵌入式微型养老服务设施,能为老人提供适宜的专业化服务,为解决社区日渐增长的养老需求提供了行之有效的思路。西安市目前在社区嵌入式微型养老服务设施规范化管理、设计、运营等方面尚处在探索阶段。目前已投入使用的西安市社区嵌入式微型
学位
随着电商的飞速发展,服装图像数据呈现爆炸式增长。在海量服装图像中,高效、准确地检索出目标服装是一个极具商业价值和学术意义的课题。传统的服装检索方法效率低、误差大,不利于推广。随着人工智能的发展,基于深度学习的服装图像检索再次成为热门的研究方向。本文着重研究基于残差网络的特征提取方法和距离度量算法。本文的主要研究内容如下:(1)提出了一种全新的基于膨胀卷积残差网络的服装特征提取模型(Dilated
学位
随着人工智能技术与深度学习的发展,情感识别作为人机交互领域的一个重要部分,逐渐成为研究的热点,展开深入研究旨在实现对人类情感具有分析、理解和学习能力的人机系统在情感的交互中更加具有人性化和智能化。本文基于目前计算机领域的相关研究成果,提出一种基于多阶段混合融合的维度情感识别方法,在IEMOCAP和MSPIN两个公开数据集上进行单模态、双模态和多模态实验,并与目前先进的基线方法对比。具体工作如下:(
学位
Kubernetes是如今最具影响力的云平台容器管理工具之一,虽然Kubernetes受到了广泛的应用和认可,但其原始的伸缩策略在面对如今多变的需求和复杂环境时显得相对被动,该策略仍然存在一定的缺陷。针对服务器负载数据复杂的特性和Kubernetes的响应式伸缩策略相对被动的问题,本文提出一种基于自适应加噪的集合经验模态分解(CEEMDAN)、通道注意力机制(SENet)和时间卷积神经网络(TCN
学位
多孔介质广泛存在于自然和工程领域,其内部的输运机理已成为国内外研究的热点课题之一。由于多孔介质内部孔隙结构的复杂性和随机性,探索气体输运过程时往往忽略了内部孔隙或通道的表面形貌。因此本文拟基于分形几何理论与蒙特卡罗方法,重点模拟具有粗糙形貌的多孔介质中气体输运的详细过程,分析多孔介质结构参数,特别是孔隙表面粗糙度对气体输运特性的详细影响机理。具体研究内容如下:(1)多孔介质模型构建:综合分析多孔介
学位
纺织工业在中国工业中占有相当大的比重,其产品广泛应用于服装,建筑,甚至航空航天。在纺织工业中,产品的表面质量是影响其价格和等级评估的重要因素。传统的检测方法使用人工来检测表面缺陷,不仅速度慢,而且不能保证检测效果的一致性。近年来,随着深度学习在图像各领域的应用取得了成功,为织物疵点的高效、准确检测提供了新方法。语义分割网络可以捕获丰富的上下文信息,对于小目标图像可以进行相对精确、高效的分割,适用于
学位
服装图像风格迁移是把风格转换到服装内容图像中,并且保持服装原有结构和轮廓形状的不变,展示出迁移的风格元素(如纹理、颜色、亮度、材质、图案)。整个服装图像进行风格迁移一般会导致迁移后图像的纹理发生扭曲和形变、颜色变化、轮廓模糊,为了得到更加精细的服装纹理、清晰的服装轮廓以及提供个性化的服装风格定制,本文展开了一项具有重要研究意义和实际应用价值的研究:基于深度学习的局部服装图像风格迁移。论文中提出了三
学位
近些年我国经济和文化的迅速发展,大众生活水平的提升,人们从开始对物质追求逐渐转向对文化、精神层面的追求和提升,博物馆作为一个国家、民族软实力的象征,在其储存、展示文物的基本功能背后,更是展示了一座城市的历史甚至国家文化的精神面貌,而博物馆文创产品是博物馆文化的一种延伸,也是博物馆藏品背后文化内涵的延伸与精炼表达,因为蕴含特色文化和集实用性、创意性与一身,所以更能被大众所接受,让其背后的文化更好地被
学位
新冠肺炎疫情的爆发给人们的生产和生活造成了巨大的影响,研制相关药物和预测疫情发展趋势对疫情的控制尤为重要,这其中涉及到药物设计和传染病传染机制研究两个方面。药物活性与药物分子属性密切相关,有效的评分函数可以增强疾病致病机理的理解,并且传染病内在机制的了解能够有助于药物的有效开发。本论文研究了蛋白质与配体相互作用过程中评估药物分子属性的评分函数的最新研究进展,并结合拓扑学和机器学习算法分析了药物分子
学位