转载学习并实现DES加密解密算法(二)

本文介绍了一个基于DES加密算法的实现案例。通过使用自定义的myDES类,演示了如何对固定长度(8个字符)的明文进行加密及解密过程。文章提供了完整的源代码,并展示了加密前后明文的变化。

作者:finallyliuyu 出处:博客园

主函数调用

注意:目前算法仅能对八的倍数比特明文进行加密。如要实现对任意长度明文加密,需要padding补零,使其成为8的倍数比特

 

ExpandedBlockStart.gif代码

#include "myDES.h"
#include 
"string.h"

void main()
{
    printf(
"finish\n");
    
    
char mingwen[8]={'a','b','c','d','e','f','g','h'};
    
char key[24]={'q','w','r','t','y','u','0','b','v','s','a','z','l',';','y','5','?','3','n','m','3','0','a','q'};
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",mingwen[i]);

    }
    printf(
"\n");
    
char minwen[8];
    
char descrptedmingwen[8];
    myDES des;
    des.RunDes(
true,mingwen,minwen,8,key,24);
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",minwen[i]);

    }
    printf(
"\n");
    des.RunDes(
false,minwen,descrptedmingwen,8,key,24);
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",descrptedmingwen[i]);

    }

  

    


    
int end;
    scanf(
"%d",&end);

 

上图为运行结果。 原明文(abcdefgh),加密后密文,解密后明文。

 

 

#include "myDES.h"
#include 
"string.h"

void main()
{
    printf(
"finish\n");
    
    
char mingwen[8]={'a','b','c','d','e','f','g','h'};
    
char key[24]={'q','w','r','t','y','u','0','b','v','s','a','z','l',';','y','5','?','3','n','m','3','0','a','q'};
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",mingwen[i]);

    }
    printf(
"\n");
    
char minwen[8];
    
char descrptedmingwen[8];
    myDES des;
    des.RunDes(
true,mingwen,minwen,8,key,24);
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",minwen[i]);

    }
    printf(
"\n");
    des.RunDes(
false,minwen,descrptedmingwen,8,key,24);
    
for (int i=0;i<8;i++)
    {
        printf(
"%c",descrptedmingwen[i]);

    }

  

    


    
int end;
    scanf(
"%d",&end);

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,提出自适应参数调整、模型优化和行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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