1、下一代密码学数学建模研究项目深度解析

下一代密码学数学建模研究项目深度解析

1. 项目目标概述

在当今社会,密码学的重要性不言而喻。古典密码学主要应用于军事和外交领域的加密技术,而现代密码学则广泛渗透到日常生活的各个方面,如智能手机、DVD、电子货币、护照、电动汽车和智能电网等。目前广泛使用的RSA密码系统和椭圆曲线密码学(ECC),都是基于数论构建的。然而,在量子计算模型下,这些密码系统的安全性受到了严重威胁,因为量子计算机能够高效地解决整数分解问题和离散对数问题。

因此,日本科学技术振兴机构(JST)资助的“CREST:下一代密码学的数学建模”研究项目应运而生,其目标是利用广泛的数学理论构建下一代密码学的数学模型,并对各种量子相互作用模型进行数学分析,为量子技术(包括量子信息理论)提供理论基础。该项目旨在应对量子计算和物理攻击等带来的安全风险,通过引入新的数学方法,如表示理论和数学物理,为下一代密码系统的数学建模奠定基础。

2. 研究历程回顾
  • 项目启动与交流活动 :CREST Crypto - Math项目于2014年11月启动,为期5.5年。2015年1月19 - 20日举行了首次启动会议,所有项目成员展示了各自的专业知识。为促进数学和密码学项目成员之间的交流,还举办了12场关于数学密码学的辅导讲座,涵盖密码学中的可证明安全技术、量子计算基础数学和拉马努金图等内容。
  • 重要研究活动与行业动态 :2015 - 2016年,组织了一系列关于项目主要研究主题的一日研讨会,如“拉马努金图与密码学”“几何与密码学”“L - 函数与密码学”“光子与格”和“计算数论与密码学”。2015年8月
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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