针对生成对抗网络(GAN)生成伪随机数质量不高和生成速度较慢的问题，提出了一种基于长短时记忆(LSTM)和可分离自注意力机制的WGAN-GP(LSA-WGAN-GP)模型。LSA-WGAN-GP模型通过将数据从一维扩展为二维，改进数据表示方式，以提取更层次的特征。创新性地提出了LSA(LSTM and separable Self-Attention)模块，融合LSTM和可分离自注意力机制，显著提升了伪随机数的不可回溯性和不可预测性。此外，通过精简网络结构有效减少了模型参数量，并提高了生成速度。实验结果表明，LSA-WGAN-GP生成的伪随机数可以100%通过美国国家标准与技术研究院(NIST)测试；与WGANGP(Wasserstein GAN with Gradient Penalty)和GAN相比，在频率和全局通用测试项的P值和通过率上均有提升；同时，在伪随机数生成速度上，LSA-WGAN-GP比WGAN-GP、GAN分别提升了164%和976%。LSA-WGAN-GP在保证生成伪随机数质量的同时，减少了模型的参数量，提高了生成伪随机数的速度。
DLL(dynamic link library,组件)是操作系统和应用程序实现功能重用、功能更新的基本模块。在组件加载时,相对路径的搜索行为和全路径组件的缺失会产生DLL组件被本地或者远程劫持攻击的威胁。为此,根据路径搜索行为,提出一种组件加载漏...
详细信息
DLL(dynamic link library,组件)是操作系统和应用程序实现功能重用、功能更新的基本模块。在组件加载时,相对路径的搜索行为和全路径组件的缺失会产生DLL组件被本地或者远程劫持攻击的威胁。为此,根据路径搜索行为,提出一种组件加载漏洞的动态检测方法。该方法结合组件加载的上下文信息,实现了监测点的最小化,从而满足在线部署的需求。实验结果表明:该方法检测的漏洞数明显高于动态插桩的分析方法,且性能开销较小。
物联网和区块链等技术的兴起和发展,使得多方协同签名协议重新受到了关注.多方协同签名是一种特殊的数字签名,要求多个用户进行交互后共同对一个消息产生合法的签名,以达到认证的目的.优点在于相比起每个用户分别进行签名可以缩短尺寸,同时使用分布式的方法,任何一方都无法独自进行签名,防范了因为单个用户的密钥丢失或被劫持而导致被冒充身份的隐患.另一方面,量子计算机的进展对传统的公钥密码方案构成了潜在的威胁,美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)在2016年启动抗量子密码(post-quantum cryptography,PQC)的国际标准征集项目,并于2022年7月确定了被选为标准的算法.同时,基于其入选的数字签名方案(例如CRYSTALS-Dilithium)的协同签名方案也已经陆续出现.2019年,中国密码学会举办了全国密码算法设计竞赛,其中公钥组获得一等奖的Aigis-sig签名方案采用了与Dilithium类似的结构.基于Aigis-sig数字签名方案设计了一种两方协同签名方案,称之为Aitps,并根据其提供的参数进行了实例化和对比,得到了相比已有的所有基于Dilithium的两方协同签名方案更优的密钥和签名大小,例如在同等的安全强度下签名尺寸可缩减20%以上.此外,该方案也可以扩展为多方协同签名.
社交媒体上图像和文本数据的快速增长导致人们对多模态讽刺检测问题的关注不断提高。然而，现有基于特征提取融合的检测方法存在一些缺陷：一是大多数方法缺乏多模态检测所需的底层模态对齐能力，二是模态融合过程忽视了模态间的动态关系，三是未能充分利用模态互补性。为此，提出一种基于单模态监督对比学习、多模态融合和多视图聚合预测的检测模型。首先，以CLIP模型（contrastive language image pre-training）作为编码器来增强图像和文本底层编码的对齐效果。其次，结合单模态监督对比学习方法，通过单模态预测来指导模态间的动态关系。然后，设计了全局-局部跨模态融合方法，利用每种模态的语义级表示作为全局多模态上下文与局部单模态特征进行交互，通过多个跨模态融合层提高模态融合效果，并减小了以往局部-局部跨模态融合方法的时间和空间成本。最后，采用多视图聚合预测方法充分利用图像、文本和图文视图的互补性。总之，该模型能有效捕捉多模态讽刺数据的跨模态语义不一致性，在公开数据集MSD上取得了比现有最好方法DMSD-Cl更好的结果。
暂无评论