基于格的数字签名方案的研究与设计

来源 :黑龙江大学 | 被引量 : 0次 | 上传用户:xdq2269586
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
量子计算机的发展将带来严重的安全问题,传统的公钥密码体制会遭受巨大威胁。格密码是后量子时代最有发展前途的密码算法之一,与公钥密码学的研究热点数字签名相结合,以格上困难问题为归约困难问题的方式进行方案的设计,将具有重要的理论研究价值和意义。现已提出的基于格的数字签名方案存在种类较少、密钥长度较长的不足。鉴于此,本文从种类和密钥长度两方面着手,采用不同的底层算法,提出了两类签名方案,具体如下:
  (1)传统的基于证书构造的数字签名方案需要占用较大的存储空间,相比之下,基于身份构造的数字签名方案需要的存储空间更小。对此,本文提出了一个格上基于身份的数字签名方案,采用双峰高斯分布来实现拒绝采样以降低拒绝率。在安全性证明方面,其安全性可规约至格上最小整数解问题。与其他签名方案的比较结果表明,该方案的密钥长度更小,在实际应用环境下的优势更明显。
  (2)代理签名能够实现签名者签名权利的转移,通过授权由代理签名者执行最后的签名操作。本文提出了基于格的代理签名方案,采用固定维数的格基委派算法来控制密钥的长度。在可验证性、可认证性和不可伪造性等多个方面进行了分析与证明。与其他方案的分析比较表明,本文提出的方案密钥长度更小,方案的完备性更好,在实际应用方面的分析表明本方案具有广阔的应用前景。
其他文献
人工智能已经成为当今社会的热点话题之一,这主要归功于深度学习的迅速发展,而卷积神经网络(Convolutional Neural Networks,CNN)是深度学习的重要模型。CNN主要被应用于计算机视觉领域,并在该领域取得了许多优异的成果。大多数CNN都是基于实数表示的,而很少是基于复数表示的。最近研究表明,基于复数表示的网络比基于实数表示的网络具有更好的表达能力,但现有的复数CNN模型存在一
学位
近年来,深度学习凭借其优异的性能在各个领域深受欢迎,以卷积神经网络(Convolutional Neural Network,CNN)、残差神经网络(Residual Networks,ResNet)和密集连接网络(Densely Connected Convolutional Networks,Dense Net)为代表的深度学习网络模型在图像识别领域取得了良好的识别效果。在传统的深度学习中,深
学位
遥感图像成像时,会受到天气、相机运动和大气扰动等因素影响,导致所获得的遥感图像退化,存在一定程度的模糊和噪声。图像复原是对存在模糊和噪声的退化图像复原,从而得到接近原始理想图像的一种方法。遥感图像的降质过程复杂,建立精准的遥感图像退化模型很困难,因此研究遥感图像盲复原算法非常重要。针对遥感图像盲复原时模糊核估计不准确,且复原图像存在振铃效应的问题,本文在图像先验约束的基础上,利用图像盲复原理论研究
学位
最近,高光谱成像技术获得了极大关注,尤其是高光谱图像的分类作为高光谱处理的重要内容更是研究的热点。高光谱图像含有丰富的信息,这一特性使高光谱图像广泛应用于地物分类,而高光谱图像的分类往往仅使用光谱信息,这就很容易造成“同物异谱”或“异物同谱”现象,导致分类不准确;高光谱图像含有丰富的空间上下文信息,所以将光谱信息和空间信息结合成为新的研究热点。为了获得更精确的高光谱图像分类结果,完善现有的分类方法
学位
随着社会的快速发展,人们对信息传输速率要求越来越高,这使得有限的频谱资源变得更加紧张,多进制正交幅度调制(MQAM)具有较高的频谱资源利用率,广泛应用于自适应调制编码技术等领域,可以大大缓解频谱资源紧张的问题。在自适应调制编码技术的应用中,为了减小信令开销以提高传输效率,往往会在接收端进行自动调制方式识别(AMC),所以MQAM调制信号识别具有重要研究意义。近年来,卷积神经网络(CNN)等深度学习
随着汽车领域的不断发展和科技的进步,智能汽车、无人驾驶等技术成为当下的研究热点。车辆识别作为无人驾驶领域的关键技术,迅速成为一个热门研究方向。传统的车辆识别方法多依赖于图像数据,而图像数据作为3D空间的投影,缺少对三维物理空间的结构描述。激光雷达可快速采集空间物体的表面坐标,但由于物体遮挡以及雷达线性扫描原理,造成点云数据具有稀疏性和无序性,使基于点云数据的车辆识别存在挑战性。本文针对上述问题,研
学位
对于基于高光谱图像的应用而言,在不降低性能的前提下,选择信息量大且具代表性的波段是大数据环境下一项具有挑战性的任务。波段选择是一种直接有效的降维方法,但是大部分方法忽略所选取波段的有序性与相关性,以及只根据波段排序选择所需的聚类中心数来构造波段子集。此外,对于许多波段选择方法来说,只考虑波段的冗余性会导致有价值的波段丢失。针对上述问题,本文首先研究了子空间划分策略,该策略基于相邻波段具有高冗余的特
目前,以三维激光扫描仪为代表的硬件系统研究相对完善,点云数据的后处理研究还有很大的不足。不论使用何种设备、何种方式采集到的点云数据,都或多或少的存在冗余点。除此之外,点云数据具有栅格性、海量性等特点,采集到的点云数据一般都是吉(GB)级别,甚至太(TB)级别,所以点云数据的存储和处理等操作对计算机硬件提出了很高要求,因此本文针对点云滤波与压缩中的关键技术进行研究并提出相应的改进将很有意义。本文将点
学位
在人工智能大数据的时代背景下,图像信息已经成为互联网信息交流主要媒介,所以对图像识别技术进行深入研究,具有十分重要的意义。传统的图像识别方法需要人工设计特征,在图像识别效率和识别准确率两方面已经无法满足人们的需求。深度学习方法摒弃了传统的人工提取特征的方式,可以自动的从数据集中进行学习,提高了图像识别的效率。生成对抗网络借鉴了博弈论思想,在模型中引入了对抗机制,因其强大的生成能力,备受广大研究学者
学位
随着计算机技术及人工智能的迅速发展,人体姿态识别被广泛应用于人机交互、游戏娱乐和生物特征识别等多个生活领域。但在实际研究中,因环境、背景、光照等问题导致最终的识别精度不高,Kinect获取的深度图像和骨架信息具有颜色无关性,对光照不敏感,克服了普通光学图像的缺点。因此本文采用Kinect2.0构建了实验所需的人体身份及姿态图像库,采集了彩色、深度以及骨架信息三种数据类型。提出了一种基于关键关节点坐