秘密花园》读书笔记15篇.docx
2021-12-09 13:01:47 24KB
秘密共享是在 n 个参与者之间分配一个秘密,每个参与者都被分配了一份秘密。 只有当至少 t 个份额组合在一起时,才能重建秘密; 个别股份本身没有任何用处。 这种方案的安全性取决于模型参数 t(即恢复整个秘密所需的份额数)、秘密的大小以及对手获得了多少独特的秘密份额。 例如,对大小为 N 的 8 位秘密图像的野蛮武力攻击需要 2^{8*N/t} 的复杂度,如果对手已获得 t-1 份。
2021-12-03 14:11:14 361KB matlab
1
商品打光秘密三部曲,我就不告诉你.doc
2021-12-02 15:01:20 19.36MB
这是一个使用C语言实现的门限算法,也就是秘密分享,也叫M选N,是一种密码技术
2021-11-28 14:21:30 33KB 秘密分享
1
#某电信安数学基础实验(3)基于中国剩余定理的秘密共享方案(更新): #涉及位数的均为二进制位 #python #使用中国剩余定理 #使用(t,n)门限来控制秘密,即:n个子秘密中任取t个或以上即可计算得到秘密,而任意t-1个及以下都不可解出秘密 注:‘99.txt’是我用odd_maker函数随机生成的,位数为500位 #作者是澜澜家的小羊驼
2021-11-24 14:15:48 3KB 网络安全 中国剩余定理 更新版
1
基于椭圆曲线上的双线性对,构造了一种非交互式,简单且有效的公开可验证秘密共享(PVSS),这具有Schoenmakers的PVSS的所有优点[15]。 此外,在计划的股份分配阶段,仅使用双线性配对的双线性,任何人都可以验证参与者是否在不实施交互式或非交互式协议且没有构造所谓的使用Fiat-Shamir技术的股份见证的情况下收到了正确的股份。 随后,在方案的秘密阶段重建中,任何人都可以使用相同的方法来验证释放的份额。 由于PVSS不需要实现非交互式协议并构造见证以防止恶意播放器,因此可以减少通信的开销。 最后,PVSS是没有经销商(或没有受信任的中心)的案件的扩展。 提出了分布式公共可验证秘密共享(DPVSS),这也减少了通信开销。 分析表明,这些方案比其他方案更安全,更有效,并且在特殊情况下可能更适用。
2021-11-23 13:39:26 170KB Bilinear pairing cryptography Di–e-Hellman
1
频率分析 编写程序以对消息中的字母进行频率分析(由代码中的文本文件提供),并使用结果来解密秘密消息。 版本或日期:06/09/2018 作者:Briana Berger 我遇到的困难:通过这个程序,我知道我可以轻松地执行26 if和else语句来测试字母是否匹配。 但是,我知道这样做效率不高,而且很费时间。 因此,我创建了一个额外的循环。 看着它,似乎可行。 但是,无论是空指针还是索引不足,我都会遇到错误。 看起来有些调试并盯着代码看我哪里出了问题,但最终我使它工作了。 我很享受:我真的很喜欢这个项目,因为我从字面上学到了通过频率破坏代码的概念,这是由于Susan Holmes在介绍她的代码破坏者课程之一时就该主题进行了演讲。 我正在观看视频,以了解她的教学风格,看看我是否愿意接受。
2021-11-19 16:29:17 11KB Java
1
数字视频盗窃是一种不断升级的犯罪。 如今,有些洪流站点托管着电影的副本,有时甚至要在DVD / Bluray发行前几个月。 这主要出现在颁奖季之前(如奥斯卡、金球奖等)。 评审员会获得电影的免费副本,而且它们经常会出现在种子网站上。 视频水印是非常有用的盗窃识别工具。 一旦将独特的图像嵌入视频中(在选定数量的帧上),它就会成为独特的副本。 由于嵌入是在一些(较低)频率的小波中进行的,因此观看者不可能在视频的任何地方看到明显的差异。 此外,如果无法访问原始视频和发生嵌入的帧号,也几乎不可能从视频中去除水印。 众所周知,视频的 DWT 水印对许多已知的攻击具有高度的鲁棒性,因此,即使在失真之后也很有可能识别出副本。 这段代码是对视频水印会议论文的一个稍微修改的实现...... 标题:使用 MATLAB SIMULINK 设计数字视频水印方案作者:Prachi V. Powar、SSAgrawa
2021-11-16 11:05:51 1.57MB matlab
1
此书是公认的免杀系列经典 免杀指的就是让原本被杀毒软件或其它计算机安全工具捕获并查杀的文件,经过处理后变得不被捕获和查杀,这种技术就是免杀技术,这种处理过程就称为“免杀”,
2021-11-15 10:29:24 30.02MB 免杀
1
隐私保护课老师让读的论文,结合论文和网上的资料做了一些总结。主要是针对文章内容和秘密分享值上的加法和乘法运算的总结,还有秘密分享值上的运算是如何应用到线性回归和逻辑回归上,从而实现隐私保护的机器学习模型的。关于隐私保护的神经网络和系统测试部分ppt里涉及的较少。
2021-11-13 14:05:06 11.49MB 深度学习 安全计算 论文总结 秘密分享
1