【摘 要】
：
在基于属性的签名中,签名者的身份是由一系列属性组成的集合来表示且满足匿名性,但同时签名者也可以利用这一特性滥用签名。提出了一个可追踪身份的门限属性签名方案,它利用PKG生成的追踪密钥和比特加密的非交互证据不可区分证明,实现了属性签名的可追踪性和不可联系性。方案的安全性基于计算性Diffie-Hellman假设,与现有方案相比,公钥长度、私钥长度和签名运算量明显减少,适用于通信网络带宽受限的环境。
【机 构】
：
武警工程大学电子技术系网络与信息安全武警部队重点实验室,武警工程大学电子技术系网络与信息安全研究所
论文部分内容阅读
在基于属性的签名中,签名者的身份是由一系列属性组成的集合来表示且满足匿名性,但同时签名者也可以利用这一特性滥用签名。提出了一个可追踪身份的门限属性签名方案,它利用PKG生成的追踪密钥和比特加密的非交互证据不可区分证明,实现了属性签名的可追踪性和不可联系性。方案的安全性基于计算性Diffie-Hellman假设,与现有方案相比,公钥长度、私钥长度和签名运算量明显减少,适用于通信网络带宽受限的环境。
其他文献
针对传统窗宽固定不变的Mean-Shift跟踪算法不能实时地适应目标尺寸大小变化这一问题,提出了一种基于目标相似度辅助决策的带宽自适应跟踪算法。首先利用目标与背景的特征显著性,提高跟踪算法空间定位准确性;然后利用局部穷搜索的方法,计算目标模型与每一帧目标跟踪中心点附近一定区域的相似性;最后通过统计分析前后帧相似像素点数目变化,确定目标尺度变化情况,从而建立一种自适应更新带宽准则,提高算法对目标尺度
针对e-Learning学习资源本体异构问题,提出一种基于子图近似同构的本体匹配方法。该方法对现有本体匹配方法进行扩展,综合编辑距离、层次关系等特征,计算本体的结构级相似性,以点、边有序交替匹配来判断实体的有向图近似同构问题,实现本体匹配判定。演示算法处理过程,给出算法时间复杂度理论分析,说明其有效性。
针对多尺度边缘检测中如何有效地将不同尺度上的边缘信息相融合问题,提出了一种新的多尺度边缘跟踪算法。该方法首先获得输入图像的多尺度边缘图像和多尺度梯度方向图,然后根据相邻尺度间对应边缘点的相似特征,进行由大尺度到小尺度的逐层边缘跟踪,将不同尺度上的边缘信息融合,最后通过对获得的跟踪边缘图像的细化处理得到最终边缘图像。实验结果表明,该融合算法具有边缘检测完整、定位准确、伪边缘点少等优点,并且具有较高的
为了减少非限定环境下干扰对人脸验证的影响,提出一种基于视觉条件评估的自适应人脸验证算法。该算法首先把输入的一对人脸图像分割成多个人脸区域;然后采用支持向量回归机方法评估每个区域上图像对的视觉条件并选出可靠区域;最后联合多特征融合、度量学习和支持向量机等技术在所选区域上执行分类验证该对人脸。实验结果表明,根据人脸图像间的视觉条件自适应地选择人脸区域,可以有效地减少复杂干扰的影响,并能显著提高非限定环
针对传统匹配算法得到的初始视差图不精确的问题,提出一种基于均值偏移和区域映射的视差图优化算法。该算法首先采用均值偏移算法对视差图进行区域分割,提取由误匹配所导致的黑洞区域;将左原始图像的分割区域映射到视差图中,从而对视差图进行每个区域内的平面拟合,去除误匹配点和像素跳跃点;结合标定数据得到三维场景的深度信息和三维坐标,最终实现三维重建。通过对图割算法及四种经典匹配算法进行实验,结果显示本算法能显著
Hadoop原有的作业调度算法在任务级调度阶段均采用简单考虑数据本地性的任务分配策略,并不能保证良好的数据本地性,而相应的改进算法改进目标不一,也不完全适用于所有作业调度场合。针对以上问题,结合数据预取理念提出一种基于资源预取的作业调度算法。通过估算节点上正在运行任务的剩余执行时间,并与传输一个数据块所需时间进行比较,预选出待预取的候选节点;并从当前正在运行作业的未分配任务中选取非本地map任务作
针对目标函数是局部Lipschitz函数,其可行域由一组等式约束光滑凸函数组成的非光滑最优化问题,通过引进光滑逼近技术将目标函数由非光滑函数转换成相应的光滑函数,进而构造一类基于拉格朗日乘子理论的神经网络,以寻找满足约束条件的最优解。证明了神经网络的平衡点集合是原始非光滑最优化问题关键点集合的一个子集;当原始问题的目标函数是凸函数时,最小点集合与神经网络的平衡点集合是一致的。通过仿真实验验证了理论
对于当前多种解决平移抖动的运动估计算法存在精度和效率难以兼顾,且在较大搜索窗口下易陷入局部最优,不适于大平移抖动图像稳定的问题,提出一种新的稳像算法。该算法采用菱形法匹配,大模板改进为六边形并对搜索域分区后排序优选,采用最多样本统计法提取全局运动矢量,采用自适应均值滤波实施补偿。通过算例验证,结果表明该法较穷尽法、三步法、四步法和传统菱形法具有更高的搜索效率;自适应滤波补偿相对于固定尺寸滤波更能兼
为了适应互联网的快速发展,实现云制造环境下供应链各个节点企业的快速组合,将云制造供应链与蝙蝠算法相结合,建立了供应链选择的三维结构模型。从云制造的角度对供应链节点进行选择,重点研究了多目标云制造供应链选择模型,应用蝙蝠算法对模型进行量化求解。在众多种组合中快速找到了整体最优的云制造供应链,证明了蝙蝠算法在云制造海量数据选择中的有效性,对供应链在云制造环境下的进一步发展具有一定的指导意义。
探究当耦合强度不是常数而是随机变化时,两个不同复杂网络是否能够达到同步。假设耦合强度满足正态分布,在随机耦合强度的数学期望和网络拓扑结构分别已知和未知的情况下,设计合适的非线性自适应控制器使得两个网络获得同步。与假定耦合强度是一个确定值的研究成果相比,该结论更具有一般性。数值仿真表明了该方法的可行性和有效性。