46、整数格与子集和密码系统破解

整数格与子集和密码系统破解

1. 整数格基础与相关定理

在整数格的研究中,有几个关键的定理和引理。首先,在某些例子里,最终得到的向量 (b_1) 实际上是最短向量,但定理仅保证计算出的基中第一个向量的范数最多是最短向量范数的 (2^{(\ell - 1)/2}) 倍,其中 (\ell) 是格的维度。

1.1 引理 13.14

设 (L \subseteq R^n) 是一个 (n) 维格,具有约化基 (b_1, \cdots, b_n) 以及对应的 Gram - Schmidt 正交化(GSO)基 (b_1^ , \cdots, b_n^ ),则有 (\lambda_n(L) \leq \sqrt{n} \max{|b_1^ |, \cdots, |b_n^ |})。
证明过程如下:
设 (M) 为上述最大值。根据算法步骤 6,对于任意 (j < i \leq n),(b_i) 在 (b_j^ ) 上的投影长度最多为 (|b_j^ |/2 \leq M/2),且 (|b_i| = |b_i^ | \leq M)。所以 (|b_i|^2 \leq \sum_{1\leq j < i} |b_j^ |^2/4 + |b_i^*|^2 \leq ((n - 1)/4 + 1)M^2 < nM^2)。由于 (b_1, \cdots, b_n) 是 (L) 的基,可得 (\lambda_n(L) \leq \max{|b_1|, \cdots, |b_n|} \leq \sqrt{n}M)。

1.2 基约化的成本估计

定理 13.15 表明,算法 13.13 能正确计算 (L \subseteq Z^n) 的约化基,并且在多项式时间内运行。若给定 (L) 的每个生成元的范数的比特长度最多为 (m),则该算法使用 (O(n^4m)) 次对整数的算术运算,这些整数的比特长度为 (O(nm))。

为了估计算术运算的次数,关键在于界定步骤 7 - 10 中发生交换的次数。这里引入一个值 (D),它始终是正整数,初始时较小,并且在算法中除了每次交换步骤会至少减少到原来的 (3/4) 外,其余情况保持不变,所以交换步骤的次数有限。

1.3 相关引理

  • 引理 13.16 :
    • 考虑步骤 6 中 (1 \leq j < i \leq \ell) 的一次执行。设 (B, B^ \in Q^{\ell\times n}),(M \in Q^{\ell\times \ell}) 和 (C, C^ \in Q^{\ell\times n}),(N \in Q^{\ell\times \ell}) 分别是替换前后 (b_k),(b_k^ ),(\mu_{kh}) 的矩阵,(E = (e_{kh}) \in Z^{\ell\times \ell}) 是一个矩阵,满足 (e_{kk} = 1) 对所有 (k) 成立,(e_{ij} = -\lceil\mu_{ij}\rceil),其余 (e_{kh} = 0),则 (C = EB),(C^ = B^*),(N = EM)。
    • 在每次执行步骤 6 之前,有不变式 (|\mu_{ih}| \leq 1/2) 对于 (j < h < i) 成立。
    • Gram - Schmidt 正交基 (b_1^ , \cdots, b_{\ell}^ ) 在步骤 6 中不变,并且在步骤 5 - 6 的循环之后,对于 (1 \leq h < i) 有 (|\mu_{ih}| \leq 1/2)。
  • 引理 13.17 :假设在步骤 8 中交换 (b_{i - 1}) 和 (b_i),分别用 (c_1, \cdots, c_{\ell}) 和 (c_1^ , \cdots, c_{\ell}^ ) 表示交换后向量及其 Gram - Schmidt 正交基的值,则:
    • 对于 (k \in {1, \cdots, \ell} \setminus {i - 1, i}),(c_k^ = b_k^ )。
    • (|c_{i - 1}^ |^2 < \frac{3}{4}|b_{i - 1}^ |^2)。
    • (|c_i^ | \leq |b_{i - 1}^ | )。
  • 引理 13.18 :在步骤 4 - 10 的每次迭代开始时,有以下不变式成立:
    • (|\mu_{kh}| \leq \frac{1}{2}) 对于 (1 \leq h < k < i)。
    • (|b_{k - 1}^ |^2 \leq 2|b_k^ |^2) 对于 (1 \leq k < i)。
  • 引理 13.19 :对于 (1 \leq k \leq \ell),有 (d_k = \prod_{1\leq h \leq k} |b_h^*|^2 > 0)。
  • 引理 13.20 :
    • 在步骤 5 - 6 中,所有的 (d_k) 都不改变。
    • 如果在步骤 7 - 10 中交换 (b_{i - 1}) 和 (b_i),用 (d_k^ ) 表示 (d_k) 的新值,对于任意 (k),则当 (k \neq i - 1) 时 (d_k^ = d_k),且 (d_{i - 1}^* \leq \frac{3}{4}d_{i - 1})。

1.4 算法复杂度分析

通过引入循环变量 (D = \prod_{1\leq k < \ell} d_k),可以对算术运算的次数进行界定。步骤 1 - 3 需要 (O(n^3)) 次 (Z) 中的运算。步骤 6 的一次执行相当于计算矩阵乘积 (EB) 和 (EM),成本为 (O(n)) 次运算,所以步骤 5 - 6 循环中 (Z) 里的运算次数为 (O(\ell n))。若在步骤 7 - 10 发生交换,只有 (b_{i - 1}^ ),(b_i^ ) 以及过渡矩阵 (M) 的第 (i - 1) 和 (i) 行与列会改变,更新这些元素需要 (O(n)) 次运算,且被步骤 5 - 6 的成本所主导。

初始时 (D) 的值 (D_0) 满足 (D_0 = |a_1^ |^{\ell - 1}|a_2^ |^{\ell - 2} \cdots |a_{\ell - 1}^ | \leq |a_1|^{\ell - 1}|a_2|^{\ell - 2} \cdots |a_{\ell - 1}| \leq R^{\ell(\ell - 1)/2})。根据引理 13.20,(D) 在步骤 5 - 6 不变,在步骤 7 - 10 发生交换时至少减少到原来的 (3/4),所以交换步骤的次数被 (log_{4/3} D_0 \in O(\ell^2m)) 所界定。最终,步骤 4 - 10 循环的总迭代次数为 (e + e^ = 2e + \ell - 1 \in O(\ell^2m)),因此 (Z) 中总的运算次数为 (O(\ell^3nm) \subseteq O(n^4m))。

1.5 算法 13.13 示例

以下表格展示了算法 13.13 在一个三维格上的运行过程,包括基向量、相关参数、Gram 行列式 (d_k) 及其乘积 (D) 的值:
|步骤| (\begin{pmatrix} b_1 \ b_2 \ b_3 \end{pmatrix}) | (\begin{pmatrix} \mu_{21} \ \mu_{31} \ \mu_{32} \end{pmatrix}) | (\begin{pmatrix} |b_1^ |^2 \ |b_2^ |^2 \ |b_3^*|^2 \end{pmatrix}) | (d_1, d_2) | (D) | 操作 |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 4 | (\begin{pmatrix} 1 \ 1 \ 1 \ -1 \ 0 \ 2 \ 3 \ 5 \ 6 \end{pmatrix}) | (\begin{pmatrix} \frac{1}{3} \ \frac{14}{3} \ \frac{13}{14} \end{pmatrix}) | (\begin{pmatrix} 3 \ \frac{14}{3} \ \frac{9}{14} \end{pmatrix}) | 3, 14 | 42 | rep(3, 2) |
| 4 | (\begin{pmatrix} 1 \ 1 \ 1 \ -1 \ 0 \ 2 \ 4 \ 5 \ 4 \end{pmatrix}) | (\begin{pmatrix} \frac{1}{3} \ \frac{13}{3} \ -\frac{1}{14} \end{pmatrix}) | (\begin{pmatrix} 3 \ \frac{14}{3} \ \frac{9}{14} \end{pmatrix}) | 3, 14 | 42 | rep(3, 1) |
| 5 | (\begin{pmatrix} 1 \ 1 \ 1 \ -1 \ 0 \ 2 \ 0 \ 1 \ 0 \end{pmatrix}) | (\begin{pmatrix} \frac{1}{3} \ \frac{1}{3} \ -\frac{1}{14} \end{pmatrix}) | (\begin{pmatrix} 3 \ \frac{14}{3} \ \frac{9}{14} \end{pmatrix}) | 3, 14 | 42 | ex(3, 2) |
| 5 | (\begin{pmatrix} 1 \ 1 \ 1 \ 0 \ 1 \ 0 \ -1 \ 0 \ 2 \end{pmatrix}) | (\begin{pmatrix} \frac{1}{3} \ \frac{1}{3} \ -\frac{1}{2} \end{pmatrix}) | (\begin{pmatrix} 3 \ 2 \ \frac{9}{2} \end{pmatrix}) | 3, 2 | 6 | ex(2, 1) |
| 4 | (\begin{pmatrix} 0 \ 1 \ 0 \ 1 \ 1 \ 1 \ -1 \ 0 \ 2 \end{pmatrix}) | (\begin{pmatrix} 1 \ 0 \ \frac{1}{2} \end{pmatrix}) | (\begin{pmatrix} 1 \ 2 \ \frac{9}{2} \end{pmatrix}) | 1, 2 | 2 | rep(2, 1) |
| 6 | (\begin{pmatrix} 0 \ 1 \ 0 \ 1 \ 0 \ 1 \ -1 \ 0 \ 2 \end{pmatrix}) | (\begin{pmatrix} 0 \ 0 \ \frac{1}{2} \end{pmatrix}) | (\begin{pmatrix} 1 \ 2 \ \frac{9}{2} \end{pmatrix}) | 1, 2 | 2 | |

其中,(d_1 = |b_1^ |^2),(d_2 = |b_1^ |^2|b_2^ |^2),(D = d_1d_2),且 ((\det L)^2 = d_3 = |b_1^ |^2|b_2^ |^2|b_3^ |^2 = 9) 始终成立。“操作”列中,(rep(i, j)) 表示用 (b_i - \lceil\mu_{ij}\rceil b_j) 替换 (b_i),(ex(i, i - 1)) 表示交换 (b_i) 和 (b_{i - 1})。

1.6 推论 13.21

给定线性无关的向量 (a_1, \cdots, a_{\ell} \in Z^n),其范数的比特长度最多为 (m),基约化算法 13.13 能计算出 (L = \sum_{1\leq i \leq \ell} Z a_i) 的约化基 (b_1, \cdots, b_{\ell})。此外,(b_1) 是 (L) 中的一个“短”非零向量,满足 (|b_1| \leq 2^{(\ell - 1)/2}\lambda_1(L) = 2^{(\ell - 1)/2} \min{|y|: 0 \neq y \in L})。该算法使用 (O(n^6m^3)) 次比特运算。

若每个 (a_i) 的每个元素最多有 (k) 位,则 (m \leq (\log_2 n)/2 + k),输入大小 (N) 最多为 (N \approx n^2k),算法的运行时间变为 (O^{\sim}(n^2N^2))。在实际应用中,每个 (a_i) 通常是“稀疏”的,长度约为 (n + k) 而非 (nk)。

2. 子集和密码系统

2.1 子集和问题

子集和问题(或背包问题)是要判断给定 (t_0, t_1, \cdots, t_n \in N),是否存在 (x_1, \cdots, x_n \in {0, 1}) 使得 (t_0 = \sum_{1\leq i \leq n} t_i x_i)。例如,输入 ((1215, 366, 385, 392, 401, 422, 437)) 就是问是否存在 (x_1, \cdots, x_6 \in {0, 1}) 使得 (366x_1 + 385x_2 + 392x_3 + 401x_4 + 422x_5 + 437x_6 = 1215)。这个问题是 NP - 完全的。

2.2 子集和密码系统原理

Diffie 和 Hellman 发明公钥密码学后,Merkle 和 Hellman 提出了基于子集和问题的公钥加密方案。该系统的计算量比其他系统(如 RSA)小,吞吐量更高。其原理是 Bob 公布公钥 (t_1, \cdots, t_n),Alice 想秘密发送 (n) 位 (x_1, \cdots, x_n) 时,将其编码为 (t_0 = \sum_{1\leq i \leq n} t_i x_i) 并发送 (t_0)。

为了使解码在有秘密知识时容易,而在没有秘密时困难,使用了特殊的“超递增”序列 (s_1 \ll s_2 \ll \cdots \ll s_n) 作为求和项。例如 (s_i = 2^{i - 1}) 时,解 ((x_1, \cdots, x_n)) 就是 (s_0) 的二进制表示。一般来说,只要 (s_i > \sum_{1\leq j < i} s_j) 对所有 (i) 成立,解就是唯一且容易计算的。然后将 (s_i) 乘以一个随机数 (r) 模另一个随机数 (m > \sum_{1\leq i \leq n} s_i)(且 (\gcd(r, m) = 1))得到公钥 (t_i),即 (t_i = r s_i \pmod{m})。Bob 的私钥 (sk = (r, m)) 允许他将 (t_0) 乘以 (r^{-1} \pmod{m}) 后解决一个简单的子集和问题。

2.3 子集和问题与短向量问题的联系

以示例 13.23 为例,考虑由矩阵 (\begin{pmatrix} 1215 & 0 & 0 & 0 & 0 & 0 & 0 \ -366 & 1 & 0 & 0 & 0 & 0 & 0 \ -385 & 0 & 1 & 0 & 0 & 0 & 0 \ -392 & 0 & 0 & 1 & 0 & 0 & 0 \ -401 & 0 & 0 & 0 & 1 & 0 & 0 \ -422 & 0 & 0 & 0 & 0 & 1 & 0 \ -437 & 0 & 0 & 0 & 0 & 0 & 1 \end{pmatrix}) 的行生成的格 (L \subseteq Z^7)。算法 13.13 计算出短向量 (y = (0, 0, 0, 1, 1, 1, 0) \in L),且 (1215 = 366\times0 + 385\times0 + 392\times1 + 401\times1 + 422\times1 + 437\times0)。设 (a_i) 为第 (i) 行向量,(x_0 = 1),(x = (0, 0, 1, 1, 1, 0) \in {0, 1}^6) 为解向量,则 (y = \sum_{0\leq i \leq 6} a_i x_i),说明基约化可以解决这个特定的子集和问题。

2.4 算法 13.26:子集和的短向量算法

输入: 正整数 t0, t1, ..., tn。
输出: (x1, ..., xn) ∈ Zn 或 “failure”。
1. 令 M = ⌈2n/2n1/2⌉ + 1。
2. 如果 t0 < ∑(1≤i≤n) ti/2,则 t0 ← ∑(1≤i≤n) ti - t0。
3. 对于 0 ≤ i ≤ n,令 ai ∈ Zn+1 为矩阵
   ⎛
   ⎜
   ⎜
   ⎜
   ⎜
   ⎜
   ⎝
      t0M  0  0  ···  0
     -t1M  1  0  ···  0
     -t2M  0  1  ···  0
    ...  ...  ...  ...  ...
     -tnM  0  0  ···  1
   ⎞
   ⎟
   ⎟
   ⎟
   ⎟
   ⎟
   ⎠
   的第 i 行。
4. 令 L ⊆ Zn+1 为由 a0, ..., an 生成的格。运行基约化算法 13.13 得到一个短非零向量 y = (y0, ..., yn) ∈ L。
5. 如果 y0 = 0 且存在某个 δ ∈ ±1 使得 δy ∈ {0, 1}n+1,则
      x ←
      ⎧
      ⎨
      ⎩
         (1 - δy1, ..., 1 - δyn) 如果步骤 2 中的条件对于输入 t 成立,
         (δy1, ..., δyn)  否则。
   否则返回 “failure”。
6. 返回 x。

该算法的思路是计算格 (L) 的约化基,期望得到的短向量本质上是 (z = a_0 + \sum_{1\leq i \leq n} x_i a_i = (0, x_1, \cdots, x_n) \in L),其中 ((x_1, \cdots, x_n)) 是子集和问题的解,且 (|z| \leq \sqrt{n}),与 (t_i M) 相比很小。

2.5 定理 13.27

设 (\epsilon > 0),(n \geq 4),(C \geq \epsilon^{-1} 2^{n(n + \log_2 n + 5)/2}) 为整数,考虑输入 (t = (t_0, t_1, \cdots, t_n) \in E) 到算法 13.26,其中 ((t_1, \cdots, t_n)) 在 (T = {1, \cdots, C}^n) 中均匀随机选取。则算法以至少 (1 - \epsilon) 的概率正确返回子集和问题 (t) 的解 (x)。

证明过程如下:
- 定义 (E^ = {t \in E : t_0 \geq \sum_{1\leq i \leq n} t_i/2}),步骤 2 将输入 (t \in E \setminus E^ ) 转换为 (E^ ) 中的输入并保持可解性。
- 对于 (t \in E),固定一个解 (x),则 (z = (0, x_1, \cdots, x_n) = a_0 + \sum_{1\leq i \leq n} x_i a_i \in L),且 (0 < |z| \leq n^{1/2}),所以 (\pm z) 是 (L) 中的两个“短”向量。由推论 13.21 可知,步骤 4 的输出 (y) 满足 (|y| \leq 2^{n/2} \lambda_1(L) \leq 2^{n/2} n^{1/2} < M)。
- 考虑子格 (K = {v = (v_0, \cdots, v_n) \in L : v_0 = 0}),对于任意 (v = \sum_{0\leq i \leq n} r_i a_i \in L),有 (v_0 = M \cdot (r_0 t_0 - \sum_{1\leq i \leq n} r_i t_i))。若 (v_0 \neq 0),则 (|v| \geq |v_0| \geq M),由此可得 (y_0 = 0) 且 (y \in K)。
- 定义 (F = {(v, t) \in Z^{n + 1} \times E^
: v \in K_t \setminus Z(0, x_t), |v| \leq M, (t_1, \cdots, t_n) \in T}),通过一系列推导可得 (#F \leq \epsilon C^n),从而得出算法返回“failure”的概率 (p \leq #\pi_2(F) / C^n \leq #F / C^n \leq \epsilon)。

2.6 子集和问题的密度

子集和问题 (t = (t_0, \cdots, t_n)) 的密度定义为 (\delta(t) = \frac{n}{\log_2(\max_{1\leq i \leq n} t_i)})(假设存在 (i) 使得 (t_i \geq 2))。子集和密码系统将 (n) 位 (x_1, \cdots, x_n) 加密为单个数字 (t_0 = \sum_{1\leq i \leq n} t_i x_i),其比特长度平均约为 (\max_{1\leq i \leq n}{\log_2 t_i}),所以 (\delta(t)) 大致是信息率 (\frac{明文长度}{密文长度})。

当 (\epsilon) 为常数时,定理 13.27 和条件 (C \geq 2^{(1/2 + \gamma)n^2})(对于足够大的 (n))表明,算法 13.26 几乎能解决所有密度 (\delta(t) \leq \frac{2}{n}) 的子集和问题。在实践中,该算法表现更好,似乎能解决大多数密度 (\delta(t) < 0.9408) 的子集和问题。Merkle 和 Hellman 最初的提议中,建议 (n = 100),(m) 为 200 位,密度为 0.5。上述子集和攻击针对的是低密度子集和问题,对于一般的子集和问题,由于其是 NP - 完全的,攻击效果不佳。

2.7 示例 13.31

对于 (n = 6) 和 (\epsilon = 1/10),可以取 (C = 36238786559)。运行 100 个例子,其中 ((t_1, \cdots, t_6)) 在 (T = {1, \cdots, C}^6) 中随机选取,(x) 在 ({0, 1}^6 \setminus {(0, \cdots, 0)}) 中随机选取,算法在所有情况下都返回了 (x)。

综上所述,整数格的基约化算法在解决子集和问题以及破解子集和密码系统中具有重要作用,通过将子集和问题转化为短向量问题,并利用格的性质和算法的复杂度分析,为密码分析提供了有效的方法。但需要注意的是,该方法主要适用于低密度子集和问题,对于一般的子集和问题仍然面临挑战。

3. 整数格与子集和密码系统破解的流程总结

3.1 基约化算法流程

以下是基约化算法的主要流程:
1. 初始化 :输入线性无关的向量 (a_1, \cdots, a_{\ell} \in Z^n),其范数的比特长度最多为 (m)。
2. 步骤 1 - 3 :进行一些初始的计算,需要 (O(n^3)) 次 (Z) 中的运算。
3. 步骤 5 - 6 循环 :每次执行步骤 6 相当于计算矩阵乘积 (EB) 和 (EM),成本为 (O(n)) 次运算,此循环中 (Z) 里的运算次数为 (O(\ell n))。
4. 步骤 7 - 10 :若发生交换,只有 (b_{i - 1}^ ),(b_i^ ) 以及过渡矩阵 (M) 的第 (i - 1) 和 (i) 行与列会改变,更新这些元素需要 (O(n)) 次运算,且被步骤 5 - 6 的成本所主导。通过引入循环变量 (D = \prod_{1\leq k < \ell} d_k) 来界定交换步骤的次数,交换步骤的次数被 (log_{4/3} D_0 \in O(\ell^2m)) 所界定。
5. 输出 :最终得到约化基 (b_1, \cdots, b_{\ell}),该算法使用 (O(n^6m^3)) 次比特运算。

3.2 子集和问题求解流程

对于子集和问题,使用算法 13.26 的流程如下:

graph TD;
    A[输入正整数 t0, t1, ..., tn] --> B[计算 M = ⌈2n/2n1/2⌉ + 1];
    B --> C{判断 t0 < ∑(1≤i≤n) ti/2};
    C -- 是 --> D[t0 ← ∑(1≤i≤n) ti - t0];
    C -- 否 --> E[保持 t0 不变];
    D --> F[生成矩阵及向量 ai];
    E --> F[生成矩阵及向量 ai];
    F --> G[生成格 L 并运行基约化算法 13.13 得到短非零向量 y];
    G --> H{判断 y0 = 0 且存在 δ ∈ ±1 使得 δy ∈ {0, 1}n+1};
    H -- 是 --> I{判断步骤 2 条件是否成立};
    I -- 是 --> J[x ← (1 - δy1, ..., 1 - δyn)];
    I -- 否 --> K[x ← (δy1, ..., δyn)];
    J --> L[返回 x];
    K --> L[返回 x];
    H -- 否 --> M[返回 “failure”];

4. 实际应用与注意事项

4.1 实际应用场景

  • 密码分析 :在密码学领域,对于基于子集和问题的密码系统,如 Merkle - Hellman 公钥加密方案,基约化算法可以用于破解密码。通过将子集和问题转化为短向量问题,利用格的性质和算法的有效性,在一定条件下能够成功获取加密信息。
  • 组合优化 :子集和问题在组合优化中也有广泛应用,例如资源分配、背包问题等。基约化算法可以帮助找到满足特定条件的最优解。

4.2 注意事项

  • 问题类型 :上述方法主要适用于低密度子集和问题,对于一般的子集和问题,由于其是 NP - 完全的,算法的效率会显著下降,甚至无法在合理时间内得到结果。
  • 参数选择 :在定理 13.27 中,参数 (n)、(C) 和 (\epsilon) 的选择会影响算法的成功率。例如,(C) 的取值需要满足 (C \geq \epsilon^{-1} 2^{n(n + \log_2 n + 5)/2}) 才能保证算法以至少 (1 - \epsilon) 的概率正确返回解。
  • 计算复杂度 :虽然基约化算法在多项式时间内运行,但当 (n) 和 (m) 较大时,计算复杂度仍然较高,可能会导致计算时间过长或资源消耗过大。

5. 总结与展望

5.1 总结

本文介绍了整数格的基约化算法以及子集和密码系统的破解方法。通过一系列的定理和引理,分析了基约化算法的复杂度和有效性,证明了在一定条件下,该算法能够以较高的概率解决子集和问题。同时,探讨了子集和问题的密度与算法成功率的关系,指出该方法主要适用于低密度子集和问题。

5.2 展望

  • 算法优化 :未来可以进一步研究基约化算法的优化方法,降低计算复杂度,提高算法在处理大规模问题时的效率。例如,可以探索更高效的矩阵运算方法或改进循环变量 (D) 的更新策略。
  • 新应用领域 :除了密码分析和组合优化,整数格和子集和问题的研究可能在其他领域有潜在的应用,如机器学习、通信网络等。可以进一步探索这些领域的应用场景,拓展研究的广度和深度。
  • 应对新密码系统 :随着密码学的发展,可能会出现新的基于子集和问题或类似问题的密码系统。需要不断研究和改进破解方法,以应对新的安全挑战。

总之,整数格和子集和问题的研究具有重要的理论和实际意义,未来还有许多值得深入探索的方向。

相关推荐

【信息科学与工程学】【安全领域】第三十五篇 网络安全算法表

编号算法名称算法的逐步骤思考推理的数学方程式和分解的数学方程式参数/变量列表复杂度(时间/空间)1​AES (高级加密标准)​1. 密钥扩展:从初始密钥生成轮密钥。 2. 初始轮: 3. 主轮循环(Nr-1轮):  - SubBytes:(非线性字节替换)  - ShiftRows:对状态矩阵的行进行循环移位。  - MixColumns:(在GF(2⁸)上的矩阵乘法)  - AddRoundKey: 4. 最终轮:执行SubBytes、ShiftRows、AddR

weixin_49199313的博客 1382

【信息科学与工程学】【安全领域】第三十五篇 网络安全算法表02

​分级处理​:实时增量 + 离线全量 + 自动校验三线并行​最终一致优先​:强同步仅用于支付等核心场景​双向容错​:Redis侧:读CK兜底(CK侧:自动屏蔽校验失败分区​业务适配​:graph LR高实时场景 --> Redis写+双重读分析场景 --> 放宽CK同步延迟报表场景 --> T+1校准保障该方案已在京东、美团等千亿级数据平台验证,支撑双11级流量下Redis与ClickHouse的数据协同。

weixin_49199313的博客 1344

能源管理基于MATLAB的企业最大需量预测模型:月内峰值追踪与超限风险模拟分析系统设计 项目介绍 MATLAB 企业最大需量预测|月内峰值追踪与超限场景模拟

内容概要:本文介绍了一个基于MATLAB R2025b的企业最大需量预测项目,旨在通过构建月内峰值追踪与超限风险识别模型,实现对企业电力负荷的精细化管理。项目综合考虑时间周期、环境温度、生产强度、特殊日期及随机扰动等因素,构建模拟数据集,并采用装袋回归树和岭回归等机器学习模型进行负荷预测。通过滚动峰值追踪机制,系统动态整合历史真实值与未来预测值,生成月内最大需量趋势曲线,并结合预设阈值实现超限预警。同时支持多场景模拟,如增产、高温、设备集中启动等,评估不同工况下的超限风险,为企业错峰生产、储能调度等决策提供量化支持。项目注重实用性与兼容性,输出形式包括可视化图表、风险等级标识和多格式数据文件,适用于能源管理教学、工业负荷研究及智能用电原型开发。; 适合人群:具备一定MATLAB编程基础,从事能源管理、电力系统分析、工业自动化或智能制造领域的科研人员、工程师及高校师生,尤其适合工作1-3年、希望深入理解负荷预测与企业用电成本控制的技术人员。; 使用场景及目标:①实现企业月内最大需量的动态预测与滚动追踪,提前识别超限风险;②通过多因素场景模拟评估不同生产与环境条件下对需量的影响;③为错峰生产、设备启停优化、储能调度等能源管理决策提供数据支撑;④构建可复现、可扩展的负荷预测分析框架,服务于实际电能管理系统开发。; 阅读建议:此资源以模拟数据为基础,重点在于模型架构设计与管理应用逻辑,建议读者结合提供的代码实例,在MATLAB环境中动手复现数据生成、模型训练、峰值追踪与可视化全过程,并尝试调整特征参数或引入真实数据以深化理解。

Matlab实现使用遗传算法的混合能源系统优化.rar

Matlab实现使用遗传算法的混合能源系统优化.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

压液氧(LOX)火箭发动机涡轮泵级建立了一条自动化的基于模型的系统工程(MBSE)与多学科设计优化(MDO)流水线.rar

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave.zip

python 操作海康威视工业相机资源例子--ParametrizeCamera_LoadAndSave

基于斜坡补偿的Buck电路峰值电流+电压电流双闭环控制【附说明文档】(Simulink仿真实现)优快云首页发布文章优快云同步助手LLC谐振变换器开环+闭环软启动仿真设计(Simulink

内容概要:本文围绕三电平VIENNA整流器的双闭环控制与中点电位平衡问题展开仿真研究,提出了一种基于上下电容电压差值补偿的中点电位平衡策略。该策略在传统电压电流双闭环PI控制的基础上,引入电容电压差值作为反馈信号,通过SVPWM调制中冗余小矢量的时间分配实现中点电荷的定向调节,从而在不改变主控制结构的前提下有效抑制中点电位偏差。仿真结果表明,该方法不仅确保直流母线电压稳定跟踪800V给定值,还能显著提升上下电容电压的均衡度,同时保持输入电流低谐波水平,验证了控制策略的可行性和有效性。; 适合人群:电力电子、电气自动化及相关专业的研究生、科研人员及工程技术人员,具备一定的MATLAB/Simulink仿真基础和电力电子拓扑知识背景者更佳。; 使用场景及目标:①掌握三电平VIENNA整流器的工作原理与中点电位波动的成因;②理解电压电流双闭环PI控制的设计要点与参数整定原则;③学习基于差值补偿的中点电位平衡控制策略及其与SVPWM的协同机制;④应用于充电桩、航空电源、通信电源等中大功率单向整流场合的控制系统设计与优化。; 阅读建议:建议结合文中提供的仿真模型与参数设置进行动手实践,重点关注中点电位平衡投入前后电容电压波形的变化,对比分析不同工况下的系统动态响应,深入理解控制策略的作用机理。同时可进一步探索在电网不平衡、轻载等复杂工况下的控制性能,以拓展应用场景。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文针对“自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标”开展研究,提出一种基于Matlab的仿真方法,实现多机器人在动态环境中对移动目标的协同包围与持续跟踪。该方法综合考虑了机器人的运动学约束与传感器的视线(visibility)限制,设计了分布式控制策略与自适应编队算法,能够在复杂环境下有效维持编队结构的稳定性和任务执行的鲁棒性。研究详细阐述了系统建模过程、控制律设计原理、编队形成与保持机制,并通过Matlab代码实现了完整的仿真验证,展示了算法在不同动态场景下的适应能力与性能优势; 适合人群:具备机器人学、自动控制理论、多智能体系统等相关基础知识,熟悉Matlab编程语言,从事智能系统、协同控制、路径规划与自主导航等方向的研究生、科研人员及工程技术人员; 使用场景及目标:①应用于安防监控、环境探测、灾害救援等场景中的多机器人目标围捕与跟踪任务;②为多智能体协同控制、分布式编队保持、避障与可见性维护等关键技术提供可复现的算法框架与仿真平台;③辅助高校与科研机构在相关领域的教学演示与科研创新,深化对自适应控制与分布式协同机制的理解; 阅读建议:建议读者结合提供的Matlab代码逐模块分析其实现逻辑,重点关注控制律设计、约束处理与自适应机制部分,可通过调整机器人数量、目标轨迹、传感器参数等进行扩展性实验,以深入掌握多机器人协同系统的动态行为与优化方法。

patch_1.23.0.2584_game_No6.android.pak

patch_1.23.0.2584_game_No6.android.pak

状态估计【卡尔曼滤波kalman】UKF、EKF、粒子滤波PF学习与研究(Matlab代码实现)

内容概要:本文系统地研究了无迹卡尔曼滤波(UKF)、扩展卡尔曼滤波(EKF)和粒子滤波(PF)在非线性系统状态估计中的理论基础与实际应用,并结合Matlab代码实现进行了深入剖析。内容涵盖三种滤波算法的核心原理、数学推导及其在轨迹估计等工程问题中的具体实施方法。通过详尽的Matlab编程实例,展示了如何利用这些先进滤波技术解决如目标跟踪、传感器融合等复杂问题,并特别探讨了BP神经网络与EKF结合的优化训练策略以及粒子滤波在提高状态跟踪精度方面的潜力。该资料为希望掌握现代状态估计算法的研究人员和技术爱好者提供了一套完整的理论与实践指南; 适合人群:具备一定编程基础,尤其是熟练使用Matlab工具,且对控制理论、信号处理或相关工程技术领域有初步了解的研发人员和高校学生; 使用场景及目标:① 深入理解UKF、EKF和PF的基本概念及其在非线性动态系统中进行状态变量估计的应用;② 通过Matlab代码实践加深对各滤波器工作机制的理解,能够独立开发相应的算法以应对诸如轨迹预测、多源信息融合等实际挑战;③ 探索将BP神经网络与EKF相结合的新途径,以期提升模型的学习效率和预测准确性; 阅读建议:此资源不仅提供了坚实的理论支撑,还包括丰富的代码示例,建议读者按照文档结构循序渐进地学习,同时动手实现每一个案例,以便更深刻地把握各种滤波技术的关键细节。对于致力于深入研究状态估计领域的专业人士而言,这是一份极具价值的学习材料。

DXF、DWG工程制图文件查看器

DXF、DWG工程制图文件查看器。 可以在界面中进行测量(包括距离、面积、角度等等) 无需版权,放心使用。

含分布式电源的配电网可靠性评估研究(Matlab代码实现)

内容概要:本文围绕含分布式电源的配电网可靠性评估展开研究,基于Matlab代码实现相应的评估模型。研究内容涵盖分布式电源接入对配电网运行特性的影响,采用序贯蒙特卡洛模拟法等可靠性评估方法,对系统在不同运行场景下的供电可靠性指标进行量化分析。通过构建典型配电网模型,仿真分析分布式电源的位置、容量及出力特性对系统可靠性的影响机制,进而为提升配电网韧性与供电质量提供理论支撑和技术手段。研究不仅关注理论建模,还注重实际仿真流程的可操作性与结果的可视化呈现。; 适合人群:具备电力系统基础知识,从事配电网规划、运行与可靠性分析等相关领域的科研人员及工程技术人员,尤其适合研究生及从事新能源并网研究的1-3年工作经验的专业人员。; 使用场景及目标:①掌握含分布式电源的配电网可靠性评估基本理论与方法;②学习并复现主流可靠性评估算法(如蒙特卡洛模拟)的Matlab编程实现;③分析分布式电源接入对系统可靠性的影响规律,支撑配电网优化规划与运行决策。; 阅读建议:建议读者结合电力系统可靠性教材与本文Matlab代码同步学习,重点关注模型构建逻辑与算法实现细节,动手调试代码以加深对评估流程的理解,并尝试在不同网络结构和电源配置下进行仿真对比分析。

具有PWM控制VSC-HVDC链路的IEEE30总线传输系统(Simulink仿真实现)

内容概要:本文详细介绍了在Simulink环境中构建和仿真一个集成PWM控制的电压源换流器型高压直流输电(VSC-HVDC)链路的IEEE30节点电力传输系统的研究工作。该模型聚焦于利用PWM技术实现对VSC的高效、精确控制,以提升电力系统的传输效率、动态响应能力和运行稳定性。研究涵盖了系统整体建模、关键设备参数设计、PWM控制策略的实现、以及在标准IEEE30节点系统上的集成方法。通过一系列仿真测试,包括系统在正常运行、负载突变及故障条件下的动态响应,全面分析了VSC-HVDC链路对改善电网电压稳定性、优化潮流分布和增强系统可靠性的具体作用,充分验证了所提方案的有效性和工程应用价值。; 适合人群:具备电力系统分析、高压直流输电技术基础理论知识及Simulink/MATLAB仿真软件操作能力的高校研究生、科研机构研究人员和电力行业工程师。; 使用场景及目标:①作为教学案例,帮助学生深入理解VSC-HVDC的工作原理、控制策略及其在复杂电网中的集成应用;②为电力系统规划与运行人员提供一种可靠的仿真工具,用于评估新型输电技术对现有电网性能的影响,支持电网升级改造决策;③推动VSC-HVDC技术在远距离大容量输电、新能源并网和智能电网建设等领域的创新应用。; 阅读建议:建议读者在学习过程中,结合电力系统稳态与暂态分析的相关理论,重点关注PWM控制模块和VSC的建模细节,动手复现并调试所提供的Simulink模型,通过改变系统参数和运行工况来观察仿真结果的变化,从而深化对VSC-HVDC系统动态特性的理解。

基于变频控制的多相交错LLC谐振变换器闭环仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于变频控制的多相交错LLC谐振变换器的闭环仿真设计,重点阐述了其在Simulink环境下的建模与控制策略。通过多相交错技术有效降低输出纹波电流,提升系统效率与功率密度,并采用变频控制(PFM)实现对谐振变换器输出电压的精确调节。文中构建了完整的闭环控制系统,包含电压外环与电流内环,确保系统在负载变化或输入波动等扰动工况下仍能稳定运行。同时,配套提供了仿真模型、参数设计计算书及参考文献,帮助读者深入理解系统设计流程与关键技术细节,具有较强的工程复现价值。该资源适用于电力电子、新能源变换器等相关领域的仿真研究与教学实践。; 适合人群:具备电力电子基础知识,熟悉Simulink仿真工具,从事电源变换器设计、新能源系统研发或相关专业的研究生及工程技术人员。; 使用场景及目标:①掌握多相交错LLC谐振变换器的工作原理与变频控制机制;②学习并实现基于Simulink的闭环控制系统建模与仿真;③理解谐振参数设计、软开关实现及系统稳定性分析方法;④为科研项目、毕业设计或产品原型开发提供可复用的技术参考与仿真平台。; 阅读建议:建议读者结合提供的仿真模型与计算书,逐步完成系统搭建与参数整定,重点关注变频控制逻辑与闭环响应特性。在仿真过程中,可通过调整负载、输入电压等条件,观察系统的动态响应与稳态性能,加深对多相交错与谐振控制优势的理解。同时推荐参考相关文献,拓展对LLC变换器前沿控制策略的认识。

两路半桥LLC谐振变换器软开关Simulink仿真(模拟谐振参数不同、分裂电容)

内容概要:本文详细介绍了两路半桥LLC谐振变换器软开关的Simulink仿真研究,重点模拟了不同谐振参数及分裂电容对系统性能的影响。通过建立精确的电路模型,分析了软开关实现条件、谐振腔参数变化对电压电流波形、效率及功率传输能力的作用机制,探讨了分裂电容结构在改善均流特性与提升系统稳定性方面的优势。仿真结果有助于深入理解LLC变换器的工作原理与动态响应特性,为高频高效电源设计提供理论支持与优化方向。; 适合人群:电力电子、电气工程及其自动化等相关专业的科研人员、研究生及从事开关电源设计的工程师。; 使用场景及目标:①掌握LLC谐振变换器的基本建模与仿真方法;②研究谐振参数(如谐振电感、电容)对软开关过程的影响规律;③分析分裂电容结构在多路并联变换器中的均流与稳定性作用;④为高频高效DC-DC变换器的设计与优化提供仿真依据和技术参考。; 阅读建议:建议结合Simulink模型逐步操作,关注关键波形的观测点,对比不同参数下的仿真结果,深入理解软开关的实现条件与系统动态特性,同时可进一步拓展至效率分析与热管理设计。

Matlab编码转换实战:从GBK到UTF-8的完整解决方案

本文提供Matlab编码转换的完整实战方案,重点解决GBK与UTF-8编码冲突导致的中文乱码问题。通过修改系统配置文件、批量转换项目文件及设置默认保存编码,实现从GBK到UTF-8的彻底迁移,并分享常见避坑指南与自动化脚本技巧,确保代码跨平台协作的稳定性。

weixin_29031057的博客 326

XianYuAutoDeliveryX:基于闲鱼API与大模型的智能自动发货系统实践

本文详细介绍了如何利用XianYuAutoDeliveryX系统,结合闲鱼API与大语言模型,构建一个智能自动发货解决方案。该系统能实现买家付款后秒级自动发货,并通过对接ChatGPT等大模型智能回复买家咨询,有效解放卖家时间,提升虚拟商品店铺的运营效率和客户体验。

bush的博客 1022

Open3D——直通滤波(python详细过程版)【2025最新版】

python就一个字:强。博客长期更新,本文最近更新时间为:2025年1月11日。

点云侠的博客 7520

【OpenClaw企业级智能体实战】第32篇:政企版OpenClaw安全落地指南——奇安信55页报告深度拆解与实战

2026年Q2,OpenClaw(俗称“龙虾”)安全风险集中爆发,公安部、工信部等监管机构密集发声,23万公网暴露实例、155个高危漏洞让企业“养虾”安全压力骤增。奇安信发布的55页《政企版龙虾安全使用指南》,以“看得清、管得住、用得好”为核心,构建了“端-网-云”三层防护体系。本文深度拆解这份报告的九大安全面与三大趋势,全景扫描奇安信、腾讯、360等头部厂商安全方案,提炼企业最低安全基线与实操配置,通过金融机构虚拟案例演示落地全流程,提供从资产摸底、规范制定到工具部署的完整解决方案。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 576

初识数据之特征选择

【代码】初识数据之特征选择。

M_inherit的博客 1141

《测控仪器设计课后习题答案-浦昭邦-王宝光

《测控仪器设计课后习题答案-浦昭邦-王宝光 1.1. 测控仪器的概念是什么? 测控仪器则是利用测量和控制的理论,采用机、电、光各种计量测试原理及控制系统与计算机相结合的一种范围广泛的测量仪器。 1.2. 为什么说测控仪器的发展与科学技术发展密切相关? 仪器仪表的用途和重要性— 遍及国民经济各个部门,深入到人民生活的各个角落,仪器仪表中的计量测试仪器与控制仪器统称为测控仪器,可以说测控仪器的水平是科学技术现代化的重要标志。 仪器仪表的用途: 在机械制造业中:对产品的静态与动态性能测试;加工过程的控制与监测;设

无名何许人的博客 2979

CANoe之I/O功能采集电压

在进入ECU自动化测试中,有时会用到采集ECU电压,CANoe除了可以仿真、监听CAN、ETH、LIN等网络报文外,部分设备(如VN5650、VN1630等)上还有一个I/O口,这个I/O口就可以用来满足我们自动化测试中采集电压的需求。CANoe上的I/O功能用处还是特别大,比如网络管理测试、相关诊断都会用到。

测试领域技术分享 4836

C#上位机面试必问30题:机器视觉+工业通信+性能优化(含答案解析)

工业通信:围绕“稳定性”展开,重点答异常处理、断线重连、资源释放;机器视觉:围绕“精度+速度”展开,重点答预处理、ROI、参数优化;性能优化:围绕“UI不卡、内存不泄、效率不低”展开,重点答异步、限流、资源复用;面试加分项:结合实际项目案例(如“我在XX项目中用信号量解决了多设备并发卡顿问题”)。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1512

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 8、选择合适的 Linux 操作系统:硬件匹配与系统考量
下一篇: 47、服务架构与海尔大规模定制模式的数据空间探索
pluto
博客等级 码龄25年 46粉丝 1562原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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