ECC 椭圆曲线加密算法学习————安全性问题与实战

之前学习了ECDSA 和 ECDH 算法。不难发现椭圆曲线的离散对数难题对该密码的安全性有着多么重要的作用。之前谈及,椭圆曲线的离散对数难题非常难,尽管如此,也应该有些方法可以解开这个问题。就好像对于模运算的密码系统,比如RSA而言,可以用yafu工具来强解,也可以上某网站查表,也包括一些共模攻击,小指数攻击等方法。

ECC 椭圆曲线加密算法学习————ECDH与ECDSA

之前学习了实数域上的椭圆曲线与有限域$\mathbb {F}_{p}$上的椭圆曲线。详细可以参考ECC椭圆加密算法学习————从实数域到有限域的椭圆曲线。 不难发现,在实数域的标量乘法看上去是一个“简单”的问题,但是在有限域$\mathbb {F}_{p}$就显得非常困难。本文主要讨论如何将之前所学的运用于加密问题中。

ECC 椭圆曲线加密算法学习————从实数域到有限域的椭圆曲线

我好像很久没有自己学点东西了,从寒假上来就一直在做期末大作业然后考试。现在算是考完了,但是也要意味着考研复习要彻底拉开帷幕了。很多想去复现的CVE只能在计划本上越排越后面。有个东西一直想去看看,就是ECC。上学期学了数论的选修课

复旦2020计算机学院机试题

A 斗牛 描述 给定五个 0~9 范围内的整数 a1, a2, a3, a4, a5。如果能从五个整数中选出三个并且这三个整数的和为10 的倍数(包括 0),那么这五个整数的权值即为剩下两个没被选出来的整数的和对 10 取余的结果,显然如果有多个三元组满⾜和是 10 的倍数,剩下两个数之和对 10 取余的结果都是相同的;如果选不出这样三个整数,则这五个整数的权值为 -1。

[复试准备] 对抗样本知识点

对抗样本基础 定义 对抗样本(adversarial example)是指在原数据集中通过人工添加肉眼不可见或在经处理不影响整体的肉眼可见的细微扰动所形成的样本,这类样本会导致训练好的模型以高置信度给出与原样本不同的分类输出

[复试准备]机器学习 知识点整理

二分类问题 损失函数:计算的是一个样本的误差 代价函数:是整个训练集上所有样本误差的平均 目标函数:代价函数 + 正则化项 $$L(\bar{y},y) = -(ylog(\bar{y})+(1-y) log(1-\bar{y}) $$ 01损失分类误差: f(x)>K : 1 | f(x)

$Ghost$ Blog 折腾笔记

我最终放弃了Wordpress,花了大半天时间折腾了一个新的博客。锵锵!!

chacha20-poly1305 与 AEAD

最近我了解一下ChaCha20-poly1305算法,我上谷歌搜了搜感觉这算法(或者说它的相关知识)谷歌于2014年在Chrome中部署了新的TLS密码套件,而某些小飞机软件逐渐开始支持这一船新的算法。于是就有了下文。