【摘 要】
：
基于属性签名是一种密码学原语,具有细粒度访问控制机制和强隐私性。近些年,受到了广泛的关注,并有越来越多的相关研究被提出。但是计算开销大、效率低是基于属性签名方案的一大缺点,无法满足一些对实时性要求较高或者计算能力受限制的应用场景。为了解决基于属性签名计算开销大的问题,目前学术界有两种思路:第一种是优化算法,但效果有限。第二种是将计算开销大的部分外包给第三方进行计算。多线性映射是双线性对概念的推广和
论文部分内容阅读
基于属性签名是一种密码学原语,具有细粒度访问控制机制和强隐私性。近些年,受到了广泛的关注,并有越来越多的相关研究被提出。但是计算开销大、效率低是基于属性签名方案的一大缺点,无法满足一些对实时性要求较高或者计算能力受限制的应用场景。为了解决基于属性签名计算开销大的问题,目前学术界有两种思路:第一种是优化算法,但效果有限。第二种是将计算开销大的部分外包给第三方进行计算。多线性映射是双线性对概念的推广和延伸,其功能强大,在构造支持任意布尔电路结构的基于属性的密码学,有着得天独厚的优势。本文使用多线性映射作为工具研究基于属性签名,在算法优化和签名外包两个方面取得进展,主要贡献如下:（1）针对Tang等人的方案存在安全性不高、计算开销大等问题,提出了更高效、更安全、签名策略更通用的基于多线性映射的属性签名方案。仿真实验表明,与Tang等人的方案进行相比,我们方案公共参数和主私钥的大小减少至其12.55%,密钥的大小和密钥生成时间减少至其78.56%,签名和验证的时间开销分别缩短至其37.84%和12.86%。（2）提出可外包基于属性签名的“完美隐私性”概念,克服原有“隐私性”概念没有考虑防止签名云服务提供商对隐私性进行攻击的缺点,并使用多线性映射构造一个实现完美隐私性的可外包基于属性签名方案。
其他文献
自1982年德国数学家Wille提出形式概念分析以来,该理论已经成为有效的知识发现工具,并且被广泛应用于机器学习、模式识别及数据挖掘等领域.为了拓展经典概念格模型的应用范围,许多扩展模型被提出,包括模糊概念格、变精度概念格、多粒度概念格等.基于不同的模型可以处理不同的问题,包括但不限于概念知识获取、属性约简、决策规则等.矩阵视角下,研究属性约简不仅可以获取更加简洁的知识,而且时间效率高,有利于决策
特征选择作为重要的数据预处理手段,有效地改善了模型的训练时间与学习精度。然而随着大数据时代数据产生与收集速度的急剧提升,传统特征选择算法面临着严峻挑战:（1）特征空间存在高维性的同时,通常伴随着未知性与演化性;（2）标记类别之间往往不是相互独立的,通常存在复杂的层次结构关系。这导致传统的特征选择算法表现不佳,甚至无法应对现实的应用环境。为此本文针对流特征下,充分挖掘和利用类别的层次结构进行特征选择
腰椎间盘退变诊断对预防腰椎疾病意义重大,但目前对其诊断主要依赖于影像医师的主观评价,易因个人经验不足产生误判。本文基于核磁共振（NMR,Nuclear Magnetic Resonance）检测的椎间盘代谢组学数据,应用机器学习方法建立自动识别腰椎间盘退变（LDD,lumbar disc degeneration）等级的计算机辅助诊断方法,为影像医师提供参考。首先,本文对Spearman相关分析、
青少年处于人格塑造关键期,易产生强烈相对剥夺感,若得不到及时的宣泄与指导,则容易对个人、家庭乃至社会产生不良影响。目前较少研究关注青少年的父母关爱相对剥夺感,本论文旨在通过三个研究对其进行初步的探讨。研究一,经过理论维度构建、深度访谈（74名被试）、项目编制、试测（30名被试）、初测（600名被试）和复测（863名被试）等一序列严格的程序,编制《青少年父母关爱相对剥夺感量表》,结果发现:所编量表信
随着信息技术的发展和信息系统的不断更新,处理复杂而庞大的动态数据面临着严重的计算效率低的问题。动态计算为解决这一问题提供了有效途径。在完备的信息系统中,大多数近似动态更新方法主要是针对经典粗糙集及其扩展模型。而在多粒度的环境下,目前的研究方法较少且时间效率不高。此外,在许多的实际应用中,需要处理的数据不是单一的,而是数值型和符号型相混合的复杂数据。同时,信息系统往往不一定是完备的信息系统（即数据会
加强课程思政教育体系建设,是高职院校适应新时期课程思政建设新要求、全面落实立德树人根本任务的必然要求和重要举措。通过对课程思政教育体系的概念界定,结合当前高职院校课程思政建设现状,从构建多层次多维度目标体系、分层分类分段内容及实施体系、多元化多样化评价体系、多方协同推进保障体系等方面入手,有针对性地提出了构建高职院校课程思政教育体系的对策与建议。
物联网技术加速了“万物互联时代”的到来,传统的工业控制系统与信息网络系统的结合,提高了工厂生产效率和增强了工业控制系统管理机制,但同时也带来了安全隐患,暴露在互联网中的工业内网很容易遭受“五花八门”的黑客攻击。此外,随着IPv6协议不断发展,未来将广泛应用于工业控制系统领域中,新的技术融合可能会带来诸多新的安全问题。然而,在传统的入侵检测系统中,异常检测存在较高的误报率,误用检测存在较高的漏报率,
手指在日常生活和工作中与外界环境接触的最多,因此容易受外伤,往往影响手指的正常运动,此外神经系统疾病、脑卒中等也会造成手指运动功能的缺失。经过手术或治疗后,需对其康复程度进行测评,传统的方法多基于手工测量其运动范围,然后根据数值进行伤情判定,进而在屈伸这一平面制定单个手指的康复训练方案。这些方法大多只关注单个手指独立运动的范围,缺乏对相邻指间约束关系的考虑,且没有对其建立可视化模型;同时获取的测评
随着计算机科学与技术不断发展,我们在生活中面对着各式各样的数据。其中许多数据是同时被多个标记所描述的,这样的数据被称为多标记数据,也是多标记学习任务的研究对象。多标记学习是根据大量已有的多标记数据建立一个分类模型。经过训练,模型能够给未知的数据打上一组标记。多标记学习在许多现实场景中发挥着作用,如图像识别、文本分类、音频识别等等。然而多标记数据往往拥有大量的特征,特征的高维性易导致“维数灾难”。维
在当今信息化时代,许多数据集是动态变化的,而对于动态变化下数据集的处理在人工智能中占有重要地位.关于动态变化下数据集的处理,许多学者提出了很多有效而快速的方法,增量计算便是其中之一.另外在数据集的处理过程中,将信息粒化从而建立数学模型,利用数学理论方法进行分析研究也是常用的策略之一.常见的粒化方式有两种:基于单粒度数据建模和基于多粒度数据建模.在基于多粒度数据建模方面,钱宇华等提出的多粒度粗糙集模