6、TMAC:双密钥CBC消息认证码

TMAC:双密钥CBC消息认证码

1 引言

1.1 背景

CBC MAC是一种基于分组密码生成消息认证码(MAC)的知名方法。对于固定长度为mn(n为底层分组密码E的块长度)的消息,CBC MAC的安全性已得到证明。然而,当消息长度可变时,CBC MAC并不安全。

为解决可变长度消息的问题,RACE项目开发了加密MAC(EMAC)。EMAC通过使用新密钥K2对CBC MAC值再次加密得到,即 EMACEK1 ,EK2(M) = EK2(CBCEK1(M)) 。当消息长度是n的倍数时,EMAC被证明是安全的。

处理任意长度消息的简单方法是在消息M后添加最小的 10i 填充,使长度成为n的倍数。但这种方法存在两个问题:一是当消息长度已经是n的倍数时,底层分组密码E会多调用一次;二是需要为两个密钥K1和K2进行两次密钥调度。

Black和Rogaway提出了FCBC和XCBC来解决上述问题。FCBC需要三个分组密码密钥K1、K2、K3,根据消息长度是否为n的倍数,使用K2或K3对最后一个块进行加密。XCBC在FCBC的基础上,将最后一个块的加密替换为在加密前与K2或K3进行异或操作。XCBC的密钥长度总共为(k + 2n)位,其中k是底层分组密码E的密钥长度。

1.2 贡献

本文提出了TMAC(双密钥CBC消息认证码),它是XCBC的改进版本。TMAC只需要两个密钥,而XCBC需要三个密钥。具体来说,TMAC只需要(k + n)位密钥,而XCBC需要(k + 2n)位密钥。

与XCBC类似,TMAC的定义域为

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值