5G车载网络电力注入的大数据匿名批量验证

来源 :计算机应用与软件 | 被引量 : 0次 | 上传用户:signet886
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
为了解决5G车载网络电力注入系统在确保数据安全性和隐私保护时产生更高计算开销和传输开销的问题,提出一种基于超高效无证书聚合签名(Certificateless aggregate signature, CL-AS)算法的5G车载网络电力注入的大数据匿名批量验证方法。基于椭圆曲线密码体制设计超高效的CL-AS算法来解决证书管理问题和较高的系统开销,引入不依赖签名数量仅需验证者执行两个标量乘法运算的批量验证方法来加快验证速度和提高效率。实验表明,该方法在计算开销和通信开销方面性能均优于现有方法。
其他文献
常规非局部均值算法易受噪声对图像的自相似度计算精度的影响,去噪结果对原始图像的边缘细节信息损伤较多。采用改进的Facet算子提取图像的边缘特征,根据图像内部像素分布情况,在不同的区域采用不同的自相似度计算方法,设置一种变尺寸的搜索窗口,最大限度地搜寻相似性邻域,降低噪声对自相似度计算精度的影响,有效保持图像边缘信息。数据测试结果表明,改进的非局部均值滤波算法能够有效保持边缘纹理信息,去噪效果要优于
不平衡数据集是指在数据集中,某一类样本的数量远大于其他类样本的数量,其会影响分类结果,使基本分类器偏向多数类。合成少数样本过采样技术(SMOTE)是处理数据不平衡问题的一种经典过采样方法,以两个少数样本对应的线段为端点生成一个合成样本。提出一种基于SMOTE的少数群体过采样方法,改进生成新样本的方式,在合成样本的过程中参考两个以上的少数类样本,增加合成样本的多样性。实验结果表明,在不同的基本分类器
嵌入式RISC-V处理器交叉开发生成高质量目标代码的关键是GCC的移植与优化。分析GCC的基本结构和RISC-V体系结构的数据与指令特点,建立GCC后端移植机制,采用机器描述方法,生成32位riscv-none-embed-gcc编译器,实现RISC-V处理器的GCC移植,设计强度削弱的窥孔优化方法解决中间代码生成过程中CPU计算代价高的问题。验证与测试结果表明编译器编译正确并具有通用功能,优化后