【摘 要】
：
传统密码体制的权限较为集中,只有掌握密码的个人或实体才能进行相应的密码操作。门限密码可以将这些权限分散到多个参与者之间,只有达到门限值的参与者集合才能完成相应的密码操作,这样可以避免单一参与者被攻击或失误的风险,提高密码系统的安全性和可信度。随着区块链的广泛应用和普及,门限密码技术在商业应用及学术研究中引起了广泛的探讨和研究,该技术的应用范围已经从最初的加密电子货币扩展到了物联网、金融、医疗等多个
论文部分内容阅读
传统密码体制的权限较为集中,只有掌握密码的个人或实体才能进行相应的密码操作。门限密码可以将这些权限分散到多个参与者之间,只有达到门限值的参与者集合才能完成相应的密码操作,这样可以避免单一参与者被攻击或失误的风险,提高密码系统的安全性和可信度。随着区块链的广泛应用和普及,门限密码技术在商业应用及学术研究中引起了广泛的探讨和研究,该技术的应用范围已经从最初的加密电子货币扩展到了物联网、金融、医疗等多个领域,但在实际应用中,它也面临着新的挑战。区块链的共识机制以效率为代价为整个系统提供了必要的安全性,每个节点必须处理每一笔交易,这严重限制了系统的处理能力,并且容易造成网络拥堵。另外,区块链的安全性是由其数据层以密码学为基础所确保的,以目前的计算机算力,无法攻破区块链的安全机制。然而,超级量子计算机的出现将会破解目前的大多数公钥密码算法,因此使用传统公钥密码体制的区块链系统将不再具备安全性。针对区块链环境中存在的计算效率低、容易网络拥堵和无法抵御量子计算攻击等问题,本论文开展面向区块链环境的门限签名方案和门限签密方案的研究。本论文主要内容请见下面描述。（1）提出一种基于区块链的门限ECDSA方案（Threshold Elliptic Curve Digital Signature Algorithm for Blockchain,BC-TECS）。该方案可不借助第三方可信中心的情况下生成用户的公私钥,适合用在区块链环境;使用共享密钥验证技术确保参与者的诚实性;采用椭圆曲线密码体制达到更短密钥实现较高安全性的效果;在被改变共享密钥的情况下对用户进行增加和删除,满足区块链流动性强的特点。该方案具有存在性不可伪造和较高运行效率的特性。论文中给出该方案实例在传统比特币区块链环境下的运行过程。（2）提出一种基于区块链的格门限签密方案（Lattice Threshold Signcryption for Blockchain,BC-LTSC）。该方案很好解决了区块链环境中量子计算攻击问题,能确保有效用户隐私。在非齐次小整数解（Inhomogeneous Small Integer Solution,ISIS）问题和带错误学习（Learning with Errors,LWE）问题的困难假设下,该方案满足不可伪造性、机密性和后量子安全性,而且具有较高的运行效率和较低的通信成本。论文中给出该方案实例在谕言机数据传输模型下的运行过程。综上所述,本论文提出的两种基于区块链的门限密码方案,能够解决区块链技术中存在的问题,提高密码系统的安全性和可信度,具有重要的理论和应用价值。
其他文献
生物特征识别在信息安全领域发挥着重要作用,掌纹识别作为一种新型生物特征识别方式,具有低失真、非侵入性和高唯一性等优势。传统掌纹研究大多使用自然光成像系统以灰度格式获取,识别精度很难进一步提升。为了获得更多的身份鉴别信息,利用多光谱掌纹图像代替自然光掌纹图像,根据不同波长的光谱对皮肤的吸收和反射率不同,捕获每个波段中特定和互补的掌纹特征。因此,本文探讨了基于多光谱图像的掌纹融合识别方法。1.针对传统
随着智能物联网时代的来临,边缘计算作为一种新的计算方式,凭借其超低时延和超高可靠性的优势被应用于各个领域。然而,传统的CPU和GPU平台无法满足边缘计算实时和功耗的需求,急需高效低功耗的平台对应用进行加速。因此,本文设计并实现了基于异构多核FPGA平台的加速器,并对设计空间进行探索与寻优,以满足上述的需求。本文的主要研究工作如下:1.卷积运算中普遍存在数据读写依赖,导致执行过程无法完全并行,而串行
喉癌作为头颈部常见的癌症,其早期症状通常不明显,当其开始影响患者的生活质量时,往往已经发展到了中晚期。因此,尽早发现可疑病变,有利于病情的及时确诊和后续治疗方案的确定。目前,在喉部检查过程中广泛采用的是内镜白光成像技术,其对于发生在粘膜浅层的病变敏感度较低,窄带成像技术由于能够清晰显示粘膜浅层的微小病变,成为发现早期癌变的有力工具。但这种成像技术依赖于特定设备以及检查医师的操作,视觉感知的微妙差异
极限学习机（Extreme Learning Machine,ELM）是一种训练单层前馈神经网络（Single-hidden Layer Feedforward Neural Networks,SLFNs）的机器学习方法,对于解决分类和回归问题具有明显的优势。ELM是对反向传播算法（Backward Propagation,BP）的改进,不仅有效地克服了BP算法存在的训练速度慢的缺点,而且具有很好
随着5G时代的到来,快速和安全的云端数据共享正吸引着越来越多的关注。关键字搜索以其可以识别用户和搜索密文而无需解密在数据共享中起着重要的作用。然而,现有的可搜索算法有许多局限性,如强大的中心权限、匹配进程只在云服务器上执行、容易造成中心损坏和单点故障等问题,使得关键词搜索的公平性仍然是一个挑战。此外,随着互联网的不断发展和生活水平的逐步提高,对数据分享的安全性要求以不再是特殊机构的专属,而现有的研
视觉目标跟踪是近年十分热门的研究方向之一,由于遮挡、光照变化、快速运动等挑战,要实现快速、准确且鲁棒的跟踪仍是一项艰巨的任务。基于深度学习的视觉跟踪算法受到了研究人员的广泛关注,并且已经产生了大量优秀的算法。但该领域仍然存在一定的发展空间,待解决的问题包含以下两个方面:首先,大多数目标跟踪使用的特征是利用现有主干网络提取到的单一特征,未关注到利于跟踪任务的关键特征,难以充分发挥网络的非线性建模能力
深度学习作为目前的热门研究内容,其在多学科交叉领域有着广泛应用。随着遥感技术的迅速发展,如何从遥感影像中快速准确地提取出其中的地物等信息,是目前遥感领域的热门话题。道路作为交通的重要组成部分,是遥感影像中一种重要的地物标志,在社会的各个领域都有着巨大应用,包括城市规划、交通管理、军事应用等方面。因此,从遥感影像中快速准确提取出其中的道路信息具有重要的研究意义。本文围绕遥感图像道路提取任务,以卷积神
CT（Computed Tomography）技术能够无损地检测到被测物体的内部结构。从发明至今,发展迅速,已经被广泛应用于医疗、工业以及安检等领域,扮演着至关重要的角色。由于技术的限制,在实际应用中,原本被扫描物体并不存在而在图像上却出现的各种形态的影像,这被称之为伪影（Artifact）。伪影的存在会导致重建图像中的某些结构被遮挡或边界模糊,重建图像的空间分辨率会受到极大影响,继而影响对被测物