28、基于虚拟化的非可信操作系统密码保护方案

基于虚拟化的非可信操作系统密码保护方案

1. 密码保护机制概述

在非可信操作系统中,为了抵御恶意软件对密码的攻击,采用了一种基于虚拟化的密码保护机制。该机制的安全性依赖于管理程序(hypervisor)的安全性以及用户的配合。

1.1 证书验证与使用

在SSL连接过程中,会对服务器证书链进行验证。验证时,检查证书是否过期,以及Cert0的主题名称是否与给定的服务器主机名(域名)匹配。若所有证书都通过检查,KGuard会将Cert0作为服务器的公钥,并使用它来加密当前SSL连接中的预主密钥。

管理程序会计算已验证证书链中每个证书的HMAC值,若证书链通过所有检查,则将这些值返回给访客系统。浏览器会将带有HMAC标签的证书插入到可信证书存储库中,这样在用户未来登录时再次使用该证书时,可节省管理程序的验证时间。需要注意的是,一旦用户信任了根证书,新的网站证书就会被接受。

1.2 安全分析

此密码保护机制的安全性依赖于管理程序的安全以及用户的配合。在满足这两个条件的情况下,用户 - 管理程序通道确保只有当KGuard处于拦截击键的位置时,才会输入密码,真实密码会保存在管理程序空间中。虚拟化技术实现的管理程序与访客空间隔离,可防止访客系统访问密码。当浏览器运行SSL连接提交密码时,所有加密操作都由管理程序执行,浏览器和访客操作系统只能获取密码的密文。

2. 系统实现

2.1 KGuard在管理程序中的实现

在配备Intel(R) Core(TM) i7 CPU - 860 @2.80GHz处理器和4GB主内存的台式机上,基于Xen 4.1.0构建了KGua

六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
评论
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