亚洲欧洲av在线_91 久久_国产欧美日韩一区二区三区在线_国产亚洲一区二区在线观看_中文在线a在线_亚洲视频在线免费观看

近些年，隨著量子計算的發展，以Shor算法為首的量子算法展現了對公鑰密碼體制的嚴重威脅。研究者們一方面研究量子算法對公鑰密碼的攻擊實現，一方面著手后量子密碼算法的過渡遷移。就此議題，首先介紹幾類常用的公鑰密碼算法和相關量子攻擊算法。其次，重點介紹Shor算法以及量子優化等算法攻擊公鑰密碼算法的國內外研究現狀，特別是對RSA和ECC的攻擊實現以及當前存在的困難。最后，結合當前公鑰密碼量子攻擊的研究進展以及后量子密碼的發展，對產學研的未來發展規劃作出了一些建議與展望。

隨著科學技術的進步，量子計算突破了傳統的算力瓶頸，在各個領域發揮著越來越重要的作用。在金融領域中，信用評分場景是貸款行業的重中之重。特征選取是一種十分高效的數據預處理策略。特征選擇可以構建更簡單、更容易理解的模型，提高數據挖掘性能，從中提取有效的特征，降低數據維度，為金融業提供有效的貸款參考信息。主要討論量子計算在信用評分場景下的應用，改進了金融數據預處理的方式，創新性地使用量子計算機來求解特征選擇的QUBO模型，與one-hot轉碼相比較，所使用的WOE分箱處理策略可以直接解析出特征，篩選結果可以進行直接對比。基于量子計算的特征選取與傳統的基于相關性的特征選取策略相比，差距很小，并且由于量子計算機的先天優勢，此策略速度更快，更具前景。

量子自然語言處理(QNLP)是量子計算領域一個新興研究領域，旨在通過利用某些量子現象，如疊加、糾纏、干涉等，設計和實施自然語言處理(Nature Language Process，NLP)模型，并在量子硬件上執行與語言相關的任務。針對商業銀行的業務實踐，創新地對QNLP算法進行適應性改進，并將其應用于商業銀行外部的金融新聞情緒識別和內部客戶服務評價等具體場景，為QNLP算法在金融行業的落地應用提供新思路。

數據是信息時代重要的國家戰略資源，合理的數據流動在促進經濟增長、加速創新、推動全球化方面發揮著重要作用。當前全球跨境數據流動監管體系處在形成關鍵期。我國作為全球數據資源大國，面臨數字經濟快速發展機遇，需要妥善規制處理數據跨境流動問題，在保障數據安全的基礎上促進數據有序高效流動，為數字經濟高質量發展提供有力支撐。在梳理美國、歐盟以及國際組織等主要國家和地區數據跨境流動研究最新進展的基礎上，分析了各自特點，并結合我國數據跨境流動實際提出對策建議。

健康碼是數據時代政府參與社會治理的技術創新，在緊急疫情防控中充分發揮其治理效能。隨著社會回歸常態，健康碼的應用呈現出常態化與延展化趨勢，這也意味著將有更多的個人數據被使用，個人信息的權益問題勢必引起關注。這些問題從根本上涉及公權與私權的抗衡。基于此，為了進一步明確健康碼在常態化治理中的個人信息法益范疇，引入比例原則的理論視角，結合數據活動的特點，提出“正當、必要、權衡”三原則，對健康碼的常態化應用進行審查。

隨著國產商用密碼算法的應用普及與商密應用測評工作的推進，商密算法的應用合規性備受關注。嘗試針對商用分組密碼算法開展識別研究，將其應用到密評工作中。提出了一種基于自動編碼器和卷積神經網絡結合的分組密碼算法識別方案，將商密SM4算法與國際主要標準分組密碼算法進行識別。利用NIST隨機性測試方法對密文進行特征提取，最后借助卷積神經網絡對密文特征進行訓練和測試。實驗表明，密碼算法的密鑰長度是否一致是影響識別準確率的重要因素，SM4與其他算法兩兩識別的準確率可達80%之上，并且識別效果與現有方案相比具有較高的準確率和穩定性。

20世紀40年代Shannon提出了對稱密碼設計的兩個重要原則“混淆”和“擴散”，之后密碼學者們基于這兩個原則構造了Feistel、SP、廣義Feistel、MISTY等主要整體結構，目前這些結構被廣泛運用于各種標準密碼算法和新型認證加密算法。對這幾種主要密碼算法的整體結構進行了介紹和研究，并基于具體結構的特點，系統地對廣義Feistel結構中TYPE-I、TYPE-II、TYPE-III型結構構建了不可能差分區分器，對區分器輪數下界進行了推導和證明，為網絡安全領域分組密碼、序列密碼、認證加密、Hash函數等對稱密碼的設計和分析提供了參考。

通過分析電力監控系統現有的典型結構與安全建設需求，針對電力監控系統網絡安全的脆弱性和薄弱點，結合等級保護2.0體系，提出了一種電力監控系統網絡安全防護建設方案。該方案以“一個中心，三重防護”為核心思想，突出安全管理中心建設，明確通信網絡、區域邊界、計算環境的安全防護建設方法。以某發電企業電力監控系統生產控制區為試點，以等保2.0基本要求為衡量標準進行方案應用效果評估，結果表明，通過安全防護體系建設，可有效提升系統安全性。

針對現有研究對于微博社區輿情用戶關系研究不足的情況，提出了基于微博用戶交互行為的微博社區發現算法。首先通過突發事件下用戶發布的相關微博內容對微博用戶間的交互行為進行分析，將用戶間交互行為進行量化，根據用戶交互次數計算出用戶交互度；其次將用戶交互度作為Louvain算法權重對突發事件下微博用戶群體進行社區識別；最后根據社區識別結果結合用戶博文內容研究不同社區內用戶關注主題。實驗結果表明該方法能更好地對微博用戶社區進行劃分，且不同社區內用戶的討論與關注重點有所不同，因此在進行網絡輿論治理時能更有效地引導網絡輿論。

基于程序依賴圖(Program Dependency Graph，PDG)的代碼克隆檢測方法是檢測代碼克隆的重要方法之一，近年來提出的基于Weisfeiler-Lehman(WL)圖核迭代的近似圖匹配方法在克隆檢測中取得了較好的效果，但PDG中少量頂點的差異會隨著圖核迭代傳播到越來越多的頂點，從而導致算法召回率的下降。為此，針對WL圖核在克隆檢測應用中存在的問題，提出了一種基于改進WL圖核的代碼克隆檢測方法，將WL圖核迭代過程中采用的普通哈希算法替換為局部敏感哈希，同時引入向量的相似性度量方法，進一步提升了對PDG近似子結構的識別能力。實驗結果表明，改進后的方法不僅可以檢測出更多的差異克隆對，同時還保持了良好的精度和時間性能。

針對多尺度單發射擊檢測(Single Shot MultiBox Detector，SSD)算法對小目標物體檢測效果不佳的問題，提出注意力特征融合SSD(Attention Feature Fusion SSD，AFF-SSD)算法。首先，為了提升網絡對小目標物體的檢測性能，使用注意力特征融合模塊對淺層特征圖中的特征信息融合，在降低噪聲的同時增強特征圖中遠距離像素的相關性；其次，針對訓練過程中正負樣本失衡導致的模型退化問題，結合聚焦分類損失函數對SSD算法中的損失函數優化;最后，引入遷移學習解決因訓練數據較少導致的過擬合問題。實驗結果表明，與SSD算法相比，AFF-SSD算法平均準確率均值提高8.09%，經過遷移學習后，AFF-SSD算法平均準確率均值提高3.47%。

成像式光電容積描記法(iPPG)是一種利用攝像機遠程測量血容量脈沖的技術，現已成為早期篩查動脈粥樣硬化和心血管疾病的一種具有前景的技術。但iPPG信號中包含大量的噪聲，傳統的選取有效信號的方法準確度低，普適性差。基于以上問題，設計開發了基于Python的有效iPPG信號識別軟件，該軟件通過攝像頭采集人臉視頻并進行人臉定位，在動態的感興趣區域中提取iPPG信號，并對信號進行預處理，最終使用基于深度學習的iPPG信號判別模型進行有效性識別，平均準確率高達95.1%,對于實際應用場景下的iPPG信號判別具有良好的準確性與穩定性，同時驗證了使用深度學習進行非接觸式信號有效性判別的可行性。

隨著計算機硬件和人工智能技術的發展，強監督目標檢測算法已經取得了很大的成果。然而，強監督目標檢測算法需要在大規模、標注精度高的數據集上進行訓練。但在某些特定領域，上述條件要求過于苛刻。例如，軍事上常用的迷彩偽裝目標的圖像數據集就比公共數據集更難獲得且標注難度更大。因此，采用對數據集要求更低的弱監督目標檢測算法來實現迷彩偽裝目標的檢測任務。由于圖像中迷彩偽裝目標與背景融合度較大，導致原始淺層特征感知偽監督目標定位(Shallow feature-aware Pseudo supervised Object Localization，SPOL)算法的檢測精度相對較低。本文的核心是在SPOL算法的基礎上融合注意力機制，通過加入注意力模塊，讓模型更加關注迷彩偽裝目標的區域，以此來提高迷彩偽裝目標的檢測精度。

為了促進我國農業生產的綠色轉型發展，針對我國化肥施用量過多，缺乏科學合理施肥指導的問題，開展了改良型測土配方施肥技術研究，突破傳統測土配方施肥只注重土壤本底養分和植物吸收的技術方案，充分考慮“土壤-植物-氣候條件”的協調統一，在傳統測土配方施肥計算方法上依據積溫變化來調整追肥的施用量，看天施肥，并采用前后端分離的技術方案設計了一套基于Web服務的農作物地塊施肥決策系統，集成了地塊施肥指導、地塊種植管理、投入品管理、用戶管理等功能，實現了綜合考慮土壤-植物-氣候條件的改進型測土配方施肥技術的應用。