48、整数格中的算法与应用

整数格中的算法与应用

1. 隐藏数字问题

在解决隐藏数字问题时,我们面临的情况是已知一个素数 $p$,需要找出一个未知整数 $s$,而我们仅有的信息是不同随机 $t_i$ 下 $st_i$ 在 $\mathbb{Z}_p$ 中的一些高阶位。

首先,我们构建一个由 $(n + 1) \times (n + 1)$ 矩阵 $A$ 的行 $a_0, \ldots, a_n$ 所张成的格 $L$:
[
A =
\begin{pmatrix}
1/\alpha & t_1 & t_2 & \cdots & t_n \
0 & p & 0 & \cdots & 0 \
0 & 0 & p & \cdots & 0 \
\vdots & \vdots & \vdots & \ddots & \vdots \
0 & 0 & 0 & \cdots & p
\end{pmatrix}
]
其中,向量 $y = (s/\alpha, st_1 \text{ srem } p, \ldots, st_n \text{ srem } p) \in L$。虽然计算出 $y$ 就能得到 $s$,但直接计算 $y$ 并不容易。不过,已知向量 $u = (0, u_1, \ldots, u_n) \in \mathbb{Z}^{n + 1}$ 与 $y$ 接近,满足 $|u - y| \leq \sqrt{n + 1} \cdot p/\alpha$。

下面是解决隐藏数字问题的算法:
算法 13.76:寻找隐藏数字
- 输入 :素数 $p$,正整数 $\alpha$ 和 $n$,$t = (t_1, \ldots, t_n) \in (\mathbb{Z} p^\times)^n$ 以及 $u = (u_1, \ldots, u_n) \in \mathbb{Z}^n$,存在一个未知的 $s \in \mathbb{Z}_p$ 使得对于所有 $i \leq n$ 有 $u_i \in V {\alpha}(t_is \text{ srem } p)$。
- 输出 :$s^ \in \mathbb{R} p$ 满足对于所有 $i \leq n$ 有 $u_i \in V {\alpha}(t_is^ \text{ srem } p)$,或者 “失败”。
1. 对矩阵 $A$ 运行基约化算法 13.13,返回约化基 $B$。
2. 设 $L$ 是由 $B$ 生成的格,调用最近超平面算法 13.59,返回一个与 $u$ 距离在 $2^{(n + 1)/2}$ 内的向量 $x = (x_0, \ldots, x_n) \in L$。
3. $s^ \leftarrow x_0 \cdot \alpha$。
4. 如果满足条件 $u_i \in V_{\alpha}(t_is^
\text{ srem } p)$ 对于所有 $i \leq n$,则返回 $s^*$,否则返回 “失败”。

定理 13.78 表明,当 $p \geq 2^{36}$ 为素数,$\lambda = (\log_2 p)^{1/2}$,$\varepsilon = \lambda^{-1}$,$\alpha \geq 25\lambda$,$n = \lfloor\lambda/2\rfloor$ 时,存在一个集合 $E \subset (\mathbb{Z}_p^\times)^n$,其元素个数 $#E \leq p^{n(1 - \varepsilon)}$,对于所有 $t \in (\mathbb{Z}_p^\times)^n \setminus E$,算法 13.76 能正确计算出 $s^* = s$,并且该算法运行时间为多项式时间。

从信息论的角度来看,$p$(和 $s$)的位数约为 $\log_2 p = \lambda^2$,每个 $u_i$ 大约提供 $\mu = \log_2 \alpha \approx \lambda$ 位关于 $s$ 的信息,我们有 $n \approx \lambda$ 个这样的值,总共约 $\lambda^2$ 位信息。这意味着算法成功所需的信息在常数因子范围内是必要的,从这个意义上说,该结果是最优的。

我们还可以通过随机选择 $t$ 来提高算法的成功率。推论 13.81 指出,当 $p \geq 2^{22}$ 为素数,$\lambda = (\log_2 p)^{1/2}$,$\alpha = \lceil 25\lambda\rceil$,$n = \lfloor\lambda/2\rfloor$,随机选择 $t \leftarrow (\mathbb{Z}_p^\times)^n$ 时,算法 13.76 计算出 $s^* = s$ 的成功概率至少为 $1 - p^{-1/4} > 1 - 1/40 > 1/2$。

2. 迪菲 - 赫尔曼问题的安全性

迪菲 - 赫尔曼问题(DHG)是指在一个由 $g$ 生成的循环群 $G = \langle g \rangle$ 中,已知 $A = g^a$ 和 $B = g^b$(但不知道指数 $a$ 和 $b$),需要计算 $g^{ab}$。通常认为 DHG 是困难的,这为迪菲 - 赫尔曼密钥交换提供了安全性保障。

在实际应用中,往往只使用公共密钥的一小部分,例如前 256 位作为共享的 AES 密钥。我们可以证明,对于 $\alpha \approx 2^{\mu}$(其中 $\mu = 5(\log_2 p)^{1/2}$),找到多个迪菲 - 赫尔曼解的 $\alpha$ - 近似值与找到完整的 $g^{ab}$ 一样困难。

下面是将迪菲 - 赫尔曼问题归约为求其前导位的算法:
算法 13.82:从迪菲 - 赫尔曼问题到其前导位的归约
- 输入 :素数 $p$,$\mathbb{Z} p^\times$ 的生成元 $g$,以及 $A, B \in \mathbb{Z}_p^\times$。
- 输出 :某个 $W \in \mathbb{Z}_p^\times$,可能解决 $A, B$ 的迪菲 - 赫尔曼问题,或者 “失败”。
1. $\lambda \leftarrow (\log_2 p)^{1/2}$,$\alpha \leftarrow \lceil 25\lambda\rceil$,$n \leftarrow \lfloor\lambda/2\rfloor$。
2. $r \leftarrow \mathbb{Z}
{p - 1}$,$C \leftarrow Ag^r$。
3. 对于 $1 \leq i \leq n$,执行步骤 4 和 5。
4. $d_i \leftarrow \mathbb{Z} {p - 1}$,$D_i \leftarrow Bg^{d_i}$,$t_i \leftarrow C^{d_i}$。
5. 调用前导位算法,对于 $C$ 和 $D_i$ 返回 $u_i \in V
{\alpha}(y_i \text{ srem } p)$,其中 $(C, D_i, y_i)$ 是一个迪菲 - 赫尔曼三元组。
6. 调用隐藏数字算法 13.76,输入 $t = (t_1, \ldots, t_n)$ 和 $u = (u_1, \ldots, u_n)$,返回 $s \in \mathbb{Z}_p^\times$ 或 “失败”。若返回 “失败”,则本算法也返回 “失败”。
7. 返回 $W = sB^{-r} \in \mathbb{Z}_p^\times$。

定理 13.83 表明,当 $p \geq 2^{36}$ 为 $k$ 位素数,$G = \mathbb{Z}_p^\times$ 时,算法的输出 $W$ 解决 $A, B$ 的迪菲 - 赫尔曼问题的概率至少为 $1/(4\log_2 k)$,并且该算法使用多项式时间加上最多 $\sqrt{k}/2$ 次对迪菲 - 赫尔曼问题前导位算法的调用。

推论 13.84 给出了一个公理安全性陈述:如果在 $\mathbb{Z}_p^\times$ 中的迪菲 - 赫尔曼问题对于多项式时间攻击的成功率至少为 $1 - 1/(4\log_2 k)$ 是安全的,那么对于多项式时间的 $\alpha$ - 近似也是安全的。

下面是算法 13.82 的流程图:

graph TD;
    A[开始] --> B[计算λ, α, n];
    B --> C[随机选择r, 计算C];
    C --> D{1 ≤ i ≤ n};
    D -- 是 --> E[随机选择d_i, 计算D_i, t_i];
    E --> F[调用前导位算法得到u_i];
    F --> D;
    D -- 否 --> G[调用隐藏数字算法];
    G -- 失败 --> H[返回失败];
    G -- 成功 --> I[计算W];
    I --> J[返回W];

通过上述内容,我们可以看到隐藏数字问题的算法和迪菲 - 赫尔曼问题的归约算法之间的紧密联系,以及它们在密码学安全性分析中的重要作用。这些算法和定理为我们理解和保障密码系统的安全性提供了有力的工具。

3. 铜匠方法

铜匠方法利用格基约化来寻找整数多项式的 “小” 整数根,该方法由铜匠(Coppersmith)在 1997 年提出,并由梅(May)等人在 2003 年进行了扩展,它在特定情况下可用于 RSA 密码系统的密码分析。

在 RSA 中,要从公开和传输的数据中恢复明文,需要在已知 $N$、$e$ 和 $y$ 的情况下,计算满足 $x^e = y$ 在 $\mathbb{Z}_N$ 中的 $x$,即找到多项式 $f = t^e - y \in \mathbb{Z}_N[t]$ 在模 $N$ 下的根。然而,目前没有已知的有效算法可以对模合数的多项式进行因式分解,因此铜匠方法的思路是将模 $N$ 下的根查找问题转化为整数上的根查找问题,不过这仅在 $e$ 较小时有效。

对于向量 $u = (u_0, \ldots, u_{n - 1}) \in \mathbb{R}^n$,其 1 - 范数定义为 $|u| 1 = \sum {1 \leq i < n} |u_i|$,并且有著名的柯西 - 施瓦茨不等式 $|u| 1 \leq n^{1/2} \cdot |u|$ 成立。我们将多项式 $g = \sum {0 \leq i < n} g_it^i \in \mathbb{Z}[t]$ 与其系数向量 $(g_0, \ldots, g_{n - 1}) \in \mathbb{Z}^n$ 等同看待,这样就有 $|g| 1 = \sum {0 \leq i < n} |g_i|$ 和 $|g| = (\sum_{0 \leq i < n} g_i^2)^{1/2}$。

下面的引理表明,小多项式在模 $M$ 下的小根实际上是整数根,这样就可以有效地找到这些根。
引理 13.89 :设 $g \in \mathbb{Z}[t]$ 的次数小于 $n$,$c$ 和 $M$ 为正整数,且满足 $n^{1/2} \cdot |g(c \cdot t)| < M$,若 $r \in \mathbb{Z}$ 满足 $|r| \leq c$ 且 $g(r) = 0$ 在 $\mathbb{Z}_M$ 中成立,则 $g(r) = 0$ 在 $\mathbb{Z}$ 中成立。

该引理提示我们可以通过设计一个小多项式 $g$ 来寻找 $f \in \mathbb{Z}[t]$ 在模 $N$ 下的小根,使得 $g$ 的模根包含 $f$ 的模根,例如 $g = fh$($h$ 为某个多项式),并且 $g$ 的范数较小。但通常很难找到满足要求的 $g$,因此我们进行如下放松:选择一个正整数 $k$,若 $0 \leq j \leq k$ 且 $f(r) = 0$ 在 $\mathbb{Z} N$ 中成立,则 $N^{k - j}f(r)^j = 0$ 在 $\mathbb{Z} {N^k}$ 中成立,我们取 $g$ 为 $N^{k - j}f^j$ 的线性组合。

下面是构建一个以 $r$ 为模 $m^k$ 根的多项式 $g$ 的算法:
算法 13.90:具有高阶根的小多项式
- 输入 :首一一次多项式 $f \in \mathbb{Z}[t]$,正整数 $N$、$c$ 和 $k$,以及实数 $\mu$ 满足 $0 < \mu \leq 1$。
- 输出 :$g \in \mathbb{Z}[t]$。
1. $n \leftarrow \lceil k/\mu\rceil$。
2. 对于 $0 \leq i \leq k$,$h_{i} = N^{k - i}f^i$;对于 $k < i < n$,$h_{i} = t^{i - k}f^k$。
3. 形成 $n \times n$ 矩阵 $A$,其行是 $h_0(ct), \ldots, h_{n - 1}(ct)$ 的系数向量。
4. 对 $A$ 的行应用基约化算法 13.13,输出 $B = UA$,其中 $U \in \mathbb{Z}^{n \times n}$ 是幺模矩阵。设 $(u_0, \ldots, u_{n - 1}) \in \mathbb{Z}^n$ 是 $U$ 的第一行。
5. 返回 $g = \sum_{0 \leq i < n} u_ih_i$。

示例 13.91 :我们以输入 $f = t + 53$,$N = 2183$,$c = 6$,$k = 4$,$\mu = 1/2$ 来跟踪该算法。
- 在步骤 1 中,$n = 8$。
- 多项式 $h_i$ 分别为:
- $h_0 = 22709885409121$
- $h_1 = 10403062487 t + 551362311811$
- $h_2 = 4765489 t^2 + 505141834 t + 13386258601$
- $h_3 = 2183 t^3 + 347097 t^2 + 18396141 t + 324998491$
- $h_4 = t^4 + 212 t^3 + 16854 t^2 + 595508 t + 7890481$
- $h_5 = t^5 + 212 t^4 + 16854 t^3 + 595508 t^2 + 7890481 t$
- $h_6 = t^6 + 212 t^5 + 16854 t^4 + 595508 t^3 + 7890481 t^2$
- $h_7 = t^7 + 212 t^6 + 16854 t^5 + 595508 t^4 + 7890481 t^3$
- $8 \times 8$ 矩阵 $A$ 的行是 $h_i(6t)$ 中 $t^0, t^1, t^2, \ldots, t^7$ 的系数。
- 步骤 4 返回 $B$ 和 $U$,$B$ 和 $U$ 的第一行分别为:
- $b_0 = ( -2163672, -4246020, 3044412, 315792, -970704, 1127520, 2612736, 279936)$
- $u = (0, 2, -500, 52065, -1435989, 16363, -156, 1)$
- 算法的输出为:
- $g = t^7 + 56t^6 + 145t^5 - 749t^4 + 1462t^3 + 84567t^2 - 707670t - 2163672 = (t - 6) \cdot (t + 53) \cdot (t^2 + 13t + 63) \cdot (t^3 - 4t^2 + 29t + 108)$

引理 13.92 :算法 13.90 的输出满足 $\text{deg } g < n$ 且 $|g(ct)| \leq 2^{(n - 1)/4}N^{k(k + 1)/2}c^{(n - 1)/2}$。对于任何 $r \in \mathbb{Z}$ 和 $N$ 的因子 $m$,若 $f(r) = 0$ 在 $\mathbb{Z} m$ 中成立,则 $g(r) = 0$ 在 $\mathbb{Z} {m^k}$ 中成立。该算法的运行时间是关于 $\log(N \cdot |f|)$ 和 $k/\mu$ 的多项式时间。

定理 13.93 :设 $f$、$N$、$c$、$k$ 和 $\mu$ 是算法 13.90 的输入,$g$ 是输出,且满足 $\delta \geq \frac{1}{2} \log_N((\frac{k}{\mu} + 1)2^{k/2\mu})$,$c \leq N^{\mu^2 - \mu(\mu + 2\delta)/k}$,$m \geq N^{\mu}$ 是 $N$ 的因子。则 $g$ 的所有整数根的集合 $R$ 最多有 $\lceil k/\mu\rceil$ 个元素,并且包含所有满足 $f(r) = 0$ 在 $\mathbb{Z}_m$ 中成立且 $|r| \leq c$ 的 $r \in \mathbb{Z}$,$R$ 可以在多项式时间内计算。

当应用该定理时,我们选择足够大的 $k$,使得 $c$ 的边界中的 $\mu(\mu + 2\delta)/k$ 项与 $\mu^2$ 相比变得非常小。

下面是算法 13.90 的流程图:

graph TD;
    A[开始] --> B[计算n];
    B --> C[计算h_i];
    C --> D[形成矩阵A];
    D --> E[应用基约化算法];
    E --> F[获取U的第一行];
    F --> G[计算g];
    G --> H[返回g];

总结

本文围绕整数格中的算法与应用展开,涵盖了隐藏数字问题、迪菲 - 赫尔曼问题的安全性以及铜匠方法三个重要部分。

在隐藏数字问题中,我们通过构建特定的格和使用基约化算法,能够在一定条件下找到未知的整数 $s$。该算法在信息论意义上具有最优性,并且通过随机选择输入可以提高成功率。这为解决一些密码学中的未知参数问题提供了有效的方法。

迪菲 - 赫尔曼问题是密码学中的核心问题之一,其安全性是许多密钥交换协议的基础。我们通过将迪菲 - 赫尔曼问题归约为求其前导位的问题,证明了如果原问题对于多项式时间攻击是安全的,那么对于多项式时间的 $\alpha$ - 近似也是安全的。这为保障迪菲 - 赫尔曼密钥交换的安全性提供了理论支持。

铜匠方法则为寻找整数多项式的小整数根提供了一种有效的手段,尤其在 RSA 密码系统的密码分析中具有重要应用。通过将模合数的根查找问题转化为整数上的根查找问题,该方法在特定情况下可以帮助我们破解 RSA 加密。

这些算法和方法相互关联,共同为密码学的安全性分析和密码系统的设计提供了丰富的工具和理论基础。在实际应用中,我们可以根据具体的问题场景选择合适的算法,以保障密码系统的安全性和有效性。同时,这些研究也为进一步探索密码学中的未知领域提供了方向和思路。

相关推荐

44、实用格基密码学与可证明安全性中的格应用

本文探讨了实用格基密码学与可证明安全性中格的意外应用。重点分析了NTRUSign中第六矩恢复所需的签名转录长度及其安全性参数,讨论了量子计算机对NTRU算法潜在影响,指出可能需要加倍密钥规模以应对量子威胁。同时,文章介绍了格在非格基密码系统安全证明中的关键作用,包括RSA-OAEP和Rabin-OAEP的安全性归约、Rabin签名与密文的压缩技术、RSA/Paillier问题的关系分析,以及Diffie-Hellman秘密最高有效位的安全性。这些应用展示了格基约简在现代密码学中的广泛影响力。

sre5engineer的博客 57

34、硬背包问题的新通用算法与格枚举的极端剪枝技术

本博客探讨了解决硬背包问题的新通用算法以及格枚举的极端剪枝技术。新算法在时间和内存使用上进行了优化,通过选择适当的参数 $ \gamma $,可以在不同场景下实现性能平衡。实验结果表明,更好的启发式算法在已知分解的情况下仅需约1.5小时即可找到解,而极端剪枝技术在格枚举中实现了显著的加速效果,为密码分析和组合优化领域提供了重要的工具。

u9v0w的博客 82

48、高斯整数:代数数论的入门之旅

本文深入探讨了高斯整数的基本概念与性质,涵盖复数基础、高斯整数的定义与运算、整除性、单位与相伴元、高斯素数的判定及除法算法等内容。通过理论推导与实例分析,介绍了高斯整数在代数数论中的核心地位,并拓展至同余关系、乘法优化、高斯斐波那契数等应用方向。文章辅以练习题和流程图,帮助读者系统掌握相关知识,为进一步研究数论问题提供基础工具。

efc1234567的博客 92

【牛客算法】游游的整数切割

游游的整数切割奇偶性数学性质:利用个位数字确定整数奇偶性位运算加速替代% 2 == 0预统计技术:单次遍历完成数据采集分支消除:三元运算替代条件分支。

字节卷动 386

48、深入探索 Voronoi 图:应用、算法与实现策略

本文深入探讨了Voronoi图的广泛应用、核心计算算法以及实现过程中面临的挑战与解决方案。首先,文章介绍了Voronoi图在模式识别、艺术创作、生物学、材料科学、机器人运动规划和旅行商问题等多个领域的实际应用。接着,详细分析了几种主要的计算算法,包括增量构建算法、分治法和扫描线算法的基本思想和适用场景。随后,重点讨论了在实现Voronoi图时如何应对数值不精确性问题,分别介绍了精确几何计算范式和拓扑导向的不精确方法。最后,通过具体案例对比了不同算法的实际表现,并展望了未来可能的研究方向和应用拓展。

v5w6x的博客 209

48、随机线性规划与随机混合整数规划方法解析

本文详细解析了随机线性规划与随机混合整数规划的核心方法与算法流程。重点介绍了基于抽样的随机线性规划方法,包括内部抽样和外部抽样策略,并通过具体问题示例展示了如何生成随机样本、构建样本平均近似(SAA)问题以及求解最优解。同时,深入探讨了随机混合整数规划的结构特性与数值示例,并对SAA和SD两种主要算法进行了对比分析。文章还提供了算法实现流程图与实验步骤,总结了不同方法的优缺点及适用场景,为处理不确定性优化问题提供了系统性的方法指导与实践参考。

kk1234的博客 218

任意模数下陷门格的快速高斯采样

本文提出了一种改进的高斯采样算法,可在任意模数下高效实现陷门格的在线与离线阶段采样。新算法将在线阶段复杂度优化至关于log q的线性时间,且存储需求极低;离线阶段结合FFO与稀疏矩阵技术,在环维数和log q上均实现线性效率。实验表明其在小模数时已优于传统方法,适用于多种格密码应用。

swift5iosmith的博客 6568

混合整数双层规划问题的近似算法及应用

本文介绍了混合整数双层规划问题的启发式近似算法,该算法基于理论见解,旨在通过有限次迭代近似求解目标值函数。算法利用了凸包和仿射独立点的概念,通过逐步细分和近似优化,解决此类复杂问题。文中还提供了一个实际应用案例,展示了算法在天然气现金出清问题中的应用。

weixin_31688273的博客 521

从零构建:基于OpenCV与人体姿态分析的跌倒检测实战(附完整源码)

本文详细介绍了如何从零构建基于OpenCV与人体姿态分析的跌倒检测系统,包含完整源码与部署指南。通过MediaPipe实时检测33个人体关键点,结合多条件联合判断算法,实现高精度跌倒识别。文章还提供了性能优化技巧、常见问题解决方案以及家用与养老院两种部署方案,帮助开发者快速落地这一计算机视觉应用。

weixin_29085151的博客 240

Landsat9 地表温度反演方法

landsat9地表温度反演及缺失值处理方法

xiangliu12345的博客 3919

Unity接入Google登录:Credential Manager完整集成指南与避坑实践

在移动应用开发中,第三方登录是提升用户体验和降低注册门槛的关键技术。其核心原理是通过OAuth 2.0等授权协议,安全地获取用户在平台的身份凭证。对于面向海外市场的Unity应用,Google登录因其庞大的用户基数成为首选方案。然而,随着Android系统更新和隐私政策收紧,传统的WebView登录方式面临兼容性挑战。Credential Manager作为Google推出的现代化凭据管理API,通过系统级集成解决了这一问题,它统一了密码、通行密钥和第三方登录的调用接口,显著提升了登录成功率和原生体验。在U

weixin_28025327的博客 321

实战复盘:如何用Frida脚本绕过某书APP的libmsaoaidsec.so检测(附完整Hook代码)

本文深入探讨了如何利用Frida脚本绕过某书APP通过libmsaoaidsec.so实现的反Frida检测机制。通过分析动态链接过程中的关键节点和检测模式,提供了两种实战验证的绕过方案:动态Hook关键链接器函数和静态Patch SO文件。文章还分享了进阶对抗策略和调试技巧,帮助安全研究人员有效应对现代移动安全防护挑战。

weixin_42706667的博客 220

STM32实战:5分钟搞定CanFestival协议栈下的CANopen心跳报文配置(附避坑指南)

本文详细介绍了如何在STM32平台上使用CanFestival协议栈快速配置CANopen心跳报文,包括硬件准备、协议栈移植、心跳报文配置及常见问题解决方案。通过实战步骤和避坑指南,帮助开发者高效实现节点状态监控,提升工业控制系统的可靠性。

win55的博客 749

pagerank算法详解

目录一、pagerank定义两个重要假设二、pagerank算法公式定义计算演示矩阵化计算三、存在的两个问题问题1.Dead Ends问题2.Spider Traps 一、pagerank定义 入链数:指向该节点的链接数 出链数:由该节点指出的链接数 以上图为例:A的入链数为1,出链数为3,所以将由A指向其他节点的边权重设置为1/3,表示A访问B、C、D节点的概率均为1/3 两个重要假设 数量假设:在Web图模型中,如果一个页面节点接收到的其他网页指向的入链数量越多,那么这个页面越重要。 质量假设:指向

gary101818的博客 4万+

Ferry工单平台部署

ferry工单平台部署

运维求生之路 1897

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

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

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

上一篇: 11、贝叶斯定理:原理、计算与应用
下一篇: 49、国际数据空间与数据治理:推动全球数字经济发展
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