混合环境下的量子安全多方求和研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:xiao_zhuang_lin
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
随着量子密码学的不断发展,经典密码学的重要子领域——经典安全多方计算的研究也拓展到了量子领域,也就是量子安全多方计算。二者最大的不同之处在于经典安全多方计算的安全性依赖于计算复杂度,例如大整数素因子分解或者离散对数计算,而量子安全多方计算的安全性则是建立在不确定性原理、量子不可克隆定理等量子力学基本原理上,导致量子安全多方计算具有更强的安全性和更广泛的应用空间。作为量子安全多方计算的一个分支,量子安全多方求和允许多个参与者在不泄露自己秘密值的情况下计算多个参与者秘密值的和。为了解决现有量子安全多方求和协议中安全性和实用性不足的问题,本文首先提出了一个理想环境下的量子安全多方求和协议,随后提出了两个联合噪声下的量子安全多方求和协议。本文主要的研究内容如下:1.针对现有的使用诱骗粒子的量子安全多方求和协议都是从固定的基中选择诱骗粒子的问题,本文提出了一个使用随机量子态作为诱骗粒子的量子安全多方求和协议。在此协议中,服务器使用的诱骗粒子均为随机量子态,窃听者在截获到这种量子态后无法通过常规的测量基来测量得到正确的结果。安全性分析表明此协议可以抵抗外部攻击和内部攻击,其中内部攻击包括半诚实的第三方(TP)攻击。性能比较分析表明本协议的综合性能明显优于其它相似的协议。最后,IBM的量子云平台上的仿真实验证明了协议的正确性。2.鉴于目前大多数量子安全多方求和协议都只在理想环境下讨论,本文提出了两种在联合酉噪声环境下的量子安全多方求和协议。两种协议利用辅助粒子来构建无退相干子空间(Decoherence Free Subspace),以此来抵抗两种不同的联合酉噪声,分别是旋转酉噪声和退相位酉噪声。同时两种协议利用基于测量的量子计算模型来计算求和值,每个参与者只需要对服务器发来的粒子执行酉运算和单光子测量即可完成对隐私数据的输入。性能分析表明两种协议在总体性能上优于其他相似的量子安全多方求和协议。安全性分析表明本文提出的两种协议均可以抵抗外部攻击和内部攻击。最后,仿真实验进一步证明了提出协议的正确性。
其他文献
伴随着互联网的崛起,图像和视频在信息传播中起着不可忽视的作用。随之而来的就是各种图像和视频篡改软件,数字图像取证的一个重要方向就是对篡改图像的检测,以前大多数的方法集中在检测篡改图像分类上,很少有方法定位图像的篡改区域,目前大多数的图像篡改区域定位检测存在精确率不高的问题。此外,近几年由于深度学习的火热,出现了AI换脸技术,这些换脸技术能达到以假乱真,肉眼无法分辨的效果,也因此带来不小的社会安全问
空间数据中继网络(Space Data Relay Network,SDRN)凭借其覆盖范围广,可持续传输能力强等特点,为众多低、中轨用户卫星以及深空探测器提供数据跟踪、测控和中继服务。空间数据中继网络中的任务调度是指根据用户卫星的任务请求和数据中继卫星的有效载荷,科学合理地分配中继资源,以完成任务数据的传输。近年来,随着大量的卫星发射成功,不断增长的空间任务与有限的中继资源之间的矛盾愈加凸显,给
当前室外定位技术对人们的应用价值越来越突出,例如室外导航、无人驾驶等都需要位置信息。然而,在室内环境中,由于建筑物对卫星信号的遮挡,在室外应用较多的卫星定位系统的性能大大降低。此外,在非视距(Non-Line-of-Sight,NLOS)的传播环境中,应用较多的直达波定位算法的精度大打折扣。鉴于此,研究室内NLOS环境下的定位技术显得非常必要。为实现这个目标,本文将NLOS传播路径信息作为有利条件
随着城市人口和车辆数量的逐年增加,交通治理和规划越来越引起重视,合理的交通规划、公共交通布局可以减少城市拥堵,降低交通安全隐患。为了优化城市交通管理效率和提升市民出行体验,基于网格的城市交通流量预测方法被广泛应用于智能交通系统(Intelligent Transportation System,ITS)中。然而,现有的预测工作面临着许多问题,由于交通流量变化的随机性、在时间和空间关联上的高度非线性
2020年10月,党中央国务院印发《深化新时代教育评价改革总体方案》,体现了提高教学质量在教育强国战略中的重要地位。学生是教育的接收者,对教学质量有着清晰的感受。挖掘学生教学评价中的情感倾向可以反映真实的教学情况,帮助改善教学。为此,针对当前学生教学评价领域存在的主要问题,本文利用深度学习方法对学生教学评价文本进行情感分析研究,提出了两种深度学习模型分别用于学生教学评价的方面级别情感分析和跨领域情
图像的构成一般是复杂多样的,包含着各种各样的结构特征,如平坦区域、斜坡区域、角状结构、流状结构、褶皱和纹理等,其中有很多结构特征与噪声一样属于图像中的高频信息,权衡噪声的去除与结构特征的保持是图像复原研究的重点。本文以具有复杂结构的图像作为研究对象,利用分数阶微积分、结构张量、微分几何方法等理论,首先研究了如何去表征图像不同的结构特征,然后在此基础上研究了新的基于变分与偏微分方程的图像复原框架,具
区块链作为一种新兴技术,因其具备可溯源、防篡改、去中心化的特性,在金融、医疗、征信等领域得到了广泛专注。相对于其他区块链系统而言,超级账本的模块化设计支持可插拔的共识模块,用户可以根据需要选择共识算法。Raft共识作为一种高效分布式共识算法,可以与超级账本完美契合,极大地提升Hyperledger Fabric区块链的交易效率,尤其适用于数据上链效率要求较高的应用场景。然而,Raft共识仅支持崩溃
近年来,随着无人驾驶、虚拟现实、在线游戏等新型业务的不断涌现,给传输能力有限的通信骨干网带来了严峻的挑战。基于正交频分复用技术的弹性光网有着更灵活的频谱资源分配方式,可以有力缓解当前网络频谱资源使用紧张问题。与此同时,为了解决网络存在的结构僵化、可扩展性差等问题,网络虚拟化作为关键技术被提出。网络虚拟化允许多个相互分离且异构的虚拟网络共享底层物理网络资源,极大地提高了网络的灵活性和频谱资源使用效率
遥感图像分类在许多应用中起到关键作用,其中包括地理图像检索、植被制图、土地覆盖的确定、自然灾害检测、环境检测、城市规划、地理空间物体检测等研究。高遥感图像分类准确率是上述应用的首要任务。在高光谱遥的遥感图像中,当训练样本数目有限时,分类准确率随着图像波段数目的增加先增加,在达到一定极值后,分类准确率随着波段数目的增加而下降。在数据不平衡或数据量较少的情况下,神经网络很难学习到图像的表征。样本的获取
在图像领域中,基于深度学习的算法已经在分类任务上超越了人类的识别水平。但当训练样本稀少时,基于深度学习的图像分类技术往往会让模型处于过拟合而性能表现不佳,无法达到预期的分类效果。为了解决这个问题,小样本学习成为当前的研究热点。小样本学习可以快速地从少量的数据样本中学习到关键的知识以胜任新的任务,除了解决数据稀疏情景下的深度学习问题,还对探索人工智能技术具有非常重要的意义。但在面对数据类型漂移时,当