49、密码学中的模糊公钥加密与无配对无证书代理重加密方案

密码学中的模糊公钥加密与无配对无证书代理重加密方案

在当今数字化的时代,数据安全和隐私保护至关重要。密码学作为保障数据安全的重要手段,不断发展出新的技术和方案。本文将介绍模糊公钥加密(FPKE)和无配对无证书代理重加密(CLPRE)这两种重要的密码学概念和方案。

模糊公钥加密(FPKE)

传统的公钥加密(PKE)方案中,为保护用户私钥隐私,私钥常存于如 USB 令牌等物理设备中,但用户难以时刻携带。为此,有人提出用生物特征数据作为私钥,但生物特征数据模糊且每次采集会变化,不适合直接用作私钥。

FPKE 允许使用生物特征数据作为私钥解密密文,无需辅助信息。与 PKE 相比,FPKE 无需用户携带设备或记忆密码来使用私钥。以下是 FPKE 相关的重要内容:
- 算法流程
- 猜测阶段,算法 A 输出对 $b$ 的猜测 $b’ \in {0, 1}$,算法 A’ 将 $b’$ 转发给算法 B’,B’ 输出 $b’$ 作为 PKE 方案 IND - CCA 游戏的猜测。
- 若算法 A 以不可忽略的概率赢得 FPKE 方案的 IND - CCA 安全游戏,则算法 A’ 以不可忽略的概率赢得密钥确定性和同态 PKE 方案的 IND - CCA 安全游戏,或破坏 Sig 方案的强不可伪造性或线性草图方案 S 的安全性。
- 定理 2 :假设具有密钥确定性和同态性质的 PKE 是 IND - CCA 安全的,S 是模糊密钥设置 F 的安全线性草图方案,那么去除 Sig 方案的上述 FPKE 方案对于模糊密钥设置 F 是 IND - CCA 安全的。证明与定理 1 类似,不同之

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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