52、非交互式安全多方计算:概念、成果与应用

非交互式安全多方计算:概念、成果与应用

1. 引言

在安全多方计算领域,我们引入并研究了非交互式安全多方计算(NIMPC)的概念。NIMPC可看作是混淆、私有同时消息协议和乱码方案等多个先前概念的通用推广,也可视为最近提出的多输入功能加密概念的简化和弱化版本。

为了更好地理解NIMPC,我们先来看一个实际场景。假设有n个“诚实但好奇”的参与方,每个参与方持有一个输入 $x_i \in {0, 1}$,他们希望通过计算输入的多数值来进行投票。并且,各方希望通过各自独立地向其他各方发送一条消息来减少交互。然而,在没有任何设置的情况下,这种场景无法实现有意义的安全概念。因为每个参与方可以通过模拟其他各方在输入 $x_j$(其中 $\sum_{j\neq i} x_j = \lfloor n/2 \rfloor$)上的传入消息,从相应方的消息中高效提取输入 $x_i$。

那么,是否可以通过引入相关随机设置来提高安全性呢?也就是说,参与方获得从某个预定分布中抽取的相关随机字符串 $(r_1, …, r_n)$。这种设置的动机在于可以在离线预处理阶段安全地实现它,该阶段在输入已知之前进行。在这种模型下,上述攻击将失效,因为一方在不知道其他方随机数的情况下无法模拟来自其他方的消息。但另一方面,仍然无法防止以下通用攻击:任何一组参与方T可以在任何给定输入上模拟来自T中参与方的消息,从而使T中的参与方能够了解与其他方输入一致的任何输入集的输出。以计算多数值为例,这意味着当其他输入的总和在区间 $[\lfloor n/2 \rfloor - |T|, \lfloor n/2 + 1 \rfloor]$ 内时,T中的参与方必须了解其他输入的总和。当T较小时,这仍能为其他方提供良好的安全级别。因此,我们

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性实用性。; 适合人:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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