Trivium密码算法的教学设计探讨

Trivium密码算法是欧洲流密码计划(eSTREAM)的最终入选算法之一.由于其结构简洁、优美、软硬件实现快速、安全性好等特点,倍受学术界和工业界的广泛关注.针对Trivium密码算法实际教学中存在的问题及信息专业高年级学生的特点,分析了Trivium算法的结构,提出从布尔函数的角度来进行教学设计,包括算法部件分析、加解密过程、性能及安全性等环节,为同行提供有价值的教学思路.     

基于极值组合的分段PSO算法改进

本文根据极值组合原理,结合粒子群(PSO)算法的本身特性,提出一种基于极值组合的分段PSO算法DPSOE(Division Particle Swarm Opti mum Base on Extremum Element As-sembling),并通过实验证明这种算法在函数优化时能有效避免陷入局部最小,且算法效率较高。     

布尔矩阵广义逆的构造及计数

利用布尔向量加法幂等性给出可逆布尔方阵极小广义逆的构选方法，并由此获得可逆布尔方阵广义逆(g-逆)的计数公式。     

布尔函数的代数免疫新特征

针对密码学中布尔函数的代数免疫性,从代数攻击中超定义代数方程的构造出发,利用线性反馈移位寄存器和超定义方程的特点,分析了布尔函数f(x)的代数免疫性和h(x)的代数免疫性之间的关系,提出了布尔函数代数免疫的新特征和衡量布尔函数代数免疫稳定性的新指标。     

广义布尔函数及其性质

非线性布尔函数在密码学、密码序列和编码等方面都有重要应用,特别是在流密码体制的设计和分析中,布尔函数更是占着主导地位.对广义布尔函数的表示方法、几种变换进行了研究,给出了广义布尔函数的一些结论.     

Teaching mathematics for search using a tutorial style of delivery

Understanding of mathematics is needed to underpin the process of search, either explicitly with Exact Match (Boolean logic, adjacency) or implicitly with Best match natural language search. In this paper we outline some pedagogical challenges in teaching mathematics for information retrieval (IR) to postgraduate information science students. The aim is to take these challenges either found by experience or in the literature, to identify both theoretical and practical ideas in order to improve the delivery of the material and positively affect the learning of the target audience by using a tutorial style of teaching. Results show that there is evidence to support the notion that a more pro-active style of teaching using tutorials yield benefits both in terms of assessment results and student satisfaction.

Gold 型Bent函数的两个注记

Bent 函数一直是密码学研究中的重要课题,如何判断给出的布尔函数是否为bent函数是必须要解决的问题.通过对Gold型函数中指数的分析,得到了Gold型函数成为bent函数的充要条件,此充要条件是Leander文献中定理的部分推广,用该结论判断bent函数更加简便.同时还讨论了多个迹函数之和成为bent函数的一个充要条件.     

布尔代数的一个等价性定义的证明

证明了布尔代数等价于一个只有二元部分运算的代数系统。     

Boolean方阵的几条性质

提出了n阶Boolean方阵的几条性质并给了证明，从而使关于Boolean方阵性质的结论更加完善。     

物理学中的两种概率论

对于双缝衍射实验,概率幅的迭加原理是指当两条缝同时打开时,一个电子通过某一条缝达到屏幕上某处的概率幅等于两条缝轮流打开时,该事件的两个概率幅之和.从这一原理得出结论：概率本身不遵循迭加原理,而这就是经典概率论不适用于微观过程的原因.柯氏概率论立足于概率的频率定义与事件运算的布尔代数两大基石,在微观过程中,概率的频率定义仍然有效,但事件运算不再遵循布尔代数的规则,特别是不遵循其乘法的交换律.因此,只要不涉及事件运算,柯氏概率论的联合概率的概念还是可以用于微观过程.但是当涉及事件运算时,将联合概率的运算公式应用于微观过程很可能得出错误的结论,贝尔不等式就是这样一个错误的结论.