NTRU密钥体制的攻击补偿与攻击判定

本文简要分析了NTRU发生解密错误的原因,借由针对解密错误的纠错补偿算法,提出一种用于扩大攻击可行域的补偿算法。以NTRU在解决解密错误的协议层方案为基础,提出对攻击结果进行判定的方法,最后用一个具体实例进行说明上述方法的有效性。     

一类用于攻击NTRU的新格

NTRU算法是一个新的公钥密码算法,其安全性取决于从一个非常大的维数格中寻找最短向量的困难性.作者研究了NTRU算法的安全性,使用格约化方法对NTRU算法进行攻击.并找到了一类特殊的格,由于利用了NTRU私钥的特殊结构,该格的维(dimension)比常用的格更小.研究表明,具有某种特征的NTRU密钥特别容易被攻击,但是本文的方法可以用于攻击所有的NTRU密钥.该研究不会影响NTRU的应用,只是对NTRU格参数的选取有了更加严格的限制条件.从安全性和有效性综合考虑,NTRU公钥密码体制有着广阔的应用前景.     

自交叉遗传算法

传统的双亲遗传算法能够通过交叉运算,实行基因重组,从而得到问题的有效解.但这种算法只是注重了不同染色体间组合的有效性,对于染色体本身的特性没有研究.通过引入单亲遗传算法的交叉运算,发现两者的结合能够有效地提高遗传算法的效率,从而提出了自交叉遗传算法(self cross GA).通过对比传统的遗传算法(GA)求解函数优化问题的表现,证明该算法具有更好的精确度和收敛性.     

用于求解TSP问题的遗传算法比较研究

针对基本遗传算法收敛速度慢、易早熟的现象,提出了基于贪心交叉算子的改进型遗传算法,利用贪心思想引导交叉操作,加快寻优速度。利用新算法进行了30城规模的TSP问题求解,并且与基于部分匹配交叉算子和顺序交叉算子的遗传算法进行了比较研究。通过在不同种群大小、迭代次数、交叉及变异概率、代沟等参数设置下对三种算子的性能影响进行深入分析。结果表明:基于贪心交叉算子的改进型遗传算法具有收敛速度快、寻优效率高的特点。     

遗传算法的交叉算子研究

介绍了编码方法基础上的各种交叉算子以及应用到复杂问题（如组合优化、调度问题）的交叉算子，     

均匀两点交叉遗传算法

提出一种均匀的两点交叉算子,并通过理论分析证明,能够扩大遗传算子的搜索子空间,使收敛结果更趋于最优解.两类算例表明,所提出的交叉操作易于实施,且有效.     

基于适应交叉操作的遗传算法

遗传算法以其易于操作和独立于领域知识的特性得到广泛的应用,因此对于遗传算法性能的改进日益成为研究热点.文章从遗传算法中特有的交叉操作出发,提出一种改进的交叉操作,将海明距离和区域操作应用到均匀交叉操作中,提高个体的适应能力,取得较优解,并应用到函数优化问题中加以说明.     

遗传算法交叉算子的分析

交叉算子是遗传算法中最主要的遗传算子，对种群的搜索性能起着重要的作用。作者就维持种群多样性的角度，提出了有效交叉位置距和有效交叉点的概念，并分析了随交叉点位置不同一点交叉、两点交叉和一致交叉之间的关系，对3种交叉算子各自的搜索空间及交叉算子对模式的影响进行了分析，并给出了一些重要结论。通过函数优化验证了新交叉算子的有效性。     

遗传算法中交叉操作的改进策略

分析了标准遗传算法中存在的一些缺陷和造成这些劣势的原因．并指出交叉算子在遗传算法中的地位与作用,及所面临的问题．交叉操作的主要任务是通过随机搜索和连续重组构建最优模式．遗传算法的有效性程度上依赖于交叉操作和选择表示两者的协作．尤其以交叉操作更为重要,通过分析交叉操作中的各种问题提出了改进的策略．     

一种基于最优近邻交叉的遗传算法

在自然界中,个体总是企图向其周围优秀的个体学习,同时,这种非监督的学习方式不可避免的受环境的影响,因此,变异总是存在的。受这种现象的启发,为避免GA的早熟和收敛到局部极小,提出了一种新的优化算法,种群大小为N×N,均匀分布在一个正方形内,除边界外,每个个体都有8个邻居。在一个3×3邻域内,保持最优个体不变,其它个体同最优个体交叉,子代经过概率1变异后,取代原来非最优的父代。理论及函数寻优和模板匹配证明,该算法具有很强的寻优能力和很快的收敛速度。     

一类用于攻击NTRU的新格

NTRU算法是一个新的公钥密码算法．其安全性取决于从一个非常大的维数格中寻找最短向量的困难性．作研究了NTRU算法的安全性．使用格约化方法对NTRU算法进行攻击．并找到了一类特殊的格．由于利用了NTRU私钥的特殊结构，该格的维(dimension)比常用的格更小．研究表明．具有某种特征的NTRU密钥特别容易被攻击，但是本的方法可以用于攻击所有的NTRU密钥．该研究不会影响NTRU的应用．只是对NTRU格参数的选取有了更加严格的限制条件．从安全性和有效性综合考虑，NTRU公钥密码体制有着广阔的应用前景．     

一种改进的遗传算法交叉策略

适应值的逼近决定子代个体的位置,能快速找出最优个体,但容易陷入局部解.提出了一种改进方法,确定交叉的父代个体,使进化向高适应值区域搜索.通过引入进程实现个体不等几率地产生新个体,保持种群多样性.实验证明该方法可行有效,提高了遗传算法的收敛率和收敛速度.     

遗传算法中交叉算子的配对策略研究

提出了一种称为“国王配对”的配对策略来选择进行交叉运算的父母体,在此基础上再执行改进的交叉运算.经过测试,证明国王配对策略比随机配对策略要优越,可以加速遗传算法的进化过程.     

遗传算法交叉算子性能对比研究

就交叉算子性能对比问题，提出了算子子代在海明距离上分布的分析方法，对遗传算法中常见的单点、双点和均匀交叉算子子代生成空间上子代生成特点进行了系统分析，并使用具有代表性的NK Landscape上两种基因关联模型(NK_R．ND和NK_ADJ)和两种遗传算法模型(SGA和SSGA)进行试验，试验结果表明不存在算子性能的绝对差异，实际问题基因间的关联紧密度及遗传算法模型对交叉算子性能有很大影响，当解空间基因位置关联紧密时应用双点交叉算子性能最好，而均匀交叉算子性能受SGA和SSGA的影响最小．     

列车占线问题的无交叉遗传算法

本文就列车占线问题,针对一般遗传算法的“早熟收敛”,提出了一种无交叉遗传算法,并通过实例仿真验证了算法的有效性。     

采用重复交叉操作及最优保留策略的遗传算法

基于有限次重复交叉操作和将父代的最好个体代替子代的最差个体的思想，提出了一种新的遗传算法（REGA）。该方法克服了基本遗传算法容易出现的早熟现象，并利用马尔可夫极限定理获得全局收敛性，求得基于有限次重复交叉操作的基本遗传算法（记为RSGA）的渐近性质，以及提供关于这两种算法吸收时间的数学期望的计算方法，仿真事例表明，它不仅克服了局部最优的缺点，而且适用于有多个最优解问题，同时群体的平均适应度增加较快，运行效率更高，因而，该方法对于优化问题具有一定的应用价值。     

基于拉普拉斯交叉算子的遗传匹配追踪

遗传匹配追踪算法可提高寻找最佳原子速度,但交叉算子降低收敛性,使算法的搜索速度降低。采用拉普拉斯交叉算子改进算法,将父代的拉普拉斯分布的密度函数系数引入算术交叉算子来实现父代控制子代的产生。仿真实验结果表明,这种改进的遗传匹配算法,从残差能量和搜索时间两方面的改进是有效的。     

基于NTRU的PKI模型

计算机网络的发展与普及,使得人们对网络安全的要求也越来越高,PKI正是能够实现信息安全的热门密码技术.NTRU算法是一个新的公钥密码体制,它具有密钥产生容易、高速和低需求等特点,它的加密使用基于多项式代数和对数p,g约化模的混合系统,而解密使用基于概率论的非混合系统.文中提出了一个基于NTRU和NTRUSign的PKI模型,在此模型中一个主体拥有两个证书,且证书的颁发由两个子CA进行,这样减轻了根CA的负荷,讨论了此模型具有的特点,从而使这个模型具有一定的实用价值.     

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法,即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限,通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目,实际上提出了遗传算法调试中的两个新参数．通过调整新参数,使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．通过一个算例验证了多个体参与交叉的遗传算法具有较高的计算效率     

NTRU 公钥密码的可视化教学

为便于NTRU公钥密码教学,描述了NTRU公钥密码,通过简化实例演示了NTRU公钥密码的密钥生成算法、加密算法及解密算法的具体实现过程。