一种基于Cache的AES计时模板攻击方法

采用面向字节、分而治之的攻击思想,将AES主密钥按字节划分为若干子密钥块,为每个子密钥块的所有候选值搭建Cache计时信息模板,并采集未知密钥AES算法的Cache计时信息,使Pearson相关性算法与模板匹配,成功地恢复AES-128位密钥。实验结果表明：AES查找表和Cache结构缺陷决定了AES易遭受Cache计时模板攻击,而模板分析理论在时序驱动攻击分析中是可行的。     

工龄更换策略下的备件库存决策研究

针对单部件系统工龄更换策略下备件需求的特点,建立了工龄更换策略与备件库存控制的联合优化模型。该模型通过分析一个订购期内工龄更换间隔期T及备件最大库存水平S对系统寿命分布的影响,建立了工龄更换间隔期、订购间隔期及最大库存水平与单位时间总费用（包括维修费用和库存费用）的关系,然后以单位时间总费用最小为目标,优化工龄更换间隔期T、订购间隔期t0及最大库存水平S。最后,基于案例,运用Matlab对模型进行数值计算,结果表明模型能有效地降低单位时间的总费用。     

地空导弹弹道仿真模型

地空导弹弹道仿真是地空导弹火力单元作战过程仿真的一个重要环节,仿真模型的合理性、算法的可行性、过程描述的正确性,直接影响防空作战仿真结果.从仿真的实际需要出发,给出不同引导方法下的弹道仿真模型、算法、过程描述及关键问题的解决方法,并通过实际应用验证了模型、算法的合理性、可行性和实用性.     

基于剩余穿深理论选择瞄准点研究

在现有坦克炮对装甲目标射击瞄准点选择方法的基础上,引入并介绍了剩余穿深理论的相关知识,分析了剩余穿深理论对毁伤目标的影响以及不同剩余穿深条件下,各弹种瞄准点选择在装甲目标不同部位的毁伤效果,提出了基于剩余穿深理论选择坦克炮对装甲目标射击时选择瞄准点的方法,为装甲部队的射击训练提供了科学合理的理论指导.     

基于粒群算法和BP神经网络的煤电价格预测

由于煤电价格的波动受多种不确定因素的影响,且煤价和电价之间还存在非常复杂的耦合关系,它是一个典型的非线性系统,所以使用传统的方法来建立煤电价格的预测模型非常困难。针对这种情况,提出了一种基于粒群算法(PSO)和BP神经网络的煤电价格预测方法。采用PSO训练BP神经网络,不仅克服了BP神经网络算法易于陷入局部最优的缺点,而且可以提高网络的收敛速度和预测精度。结合煤电价格的历史数据,在Matlab平台上进行了仿真实验,验证了该预测模型的优越性。     

DPA方法对加密系统的FPGA旁路攻击研究

差分功率分析(DPA)方法可有效地对加密的集成电路芯片进行攻击解密,它绕过了加解密算法繁琐的数学分析,从而获取密码和信息。以DPA攻击嵌有DES算法的芯片为例,论述了搭建实验平台,获取功率消耗数据并用统计学和密码分析学的方法推导分析得出结论,从而成功破解加密系统。     

人机工程学领域人体建模技术发展综述

随着数字化技术在现代人机工程学研究领域的普及,人体模型在人机工程研究方面具有重大的应用空间。文中指出了人体建模的重要性,对人体数据采集方法进行了阐述。划分了人体建模技术发展的阶段,并对国内外建模技术发展进行了总结,最后提到人体模型的应用范围十分广泛,有良好的应用前景。     

综合兵要信息服务关键技术研究

综合兵要信息是作战指挥综合信息库的组成部分,是军事测绘数据应用于作战指挥的桥梁.根据我军目前综合兵要信息的应用模式越来越不满足现在战争数据保障模式的需求为背景展开讨论,分析了目前综合兵要信息保障模式的弊端,设计了综合兵要信息逻辑模型与服务架构,针对模型设计实现了原型展示系统,旨在对综合兵要服务应用方面做一点简单探讨.     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

利用时频稀疏性的跳频信号盲检测和参数盲估计

针对在低信噪比的稳定分布噪声和定频干扰背景中,跳频信号检测和参数估计性能不佳的问题,利用分数低阶短时傅里叶变换得到时频矩阵;对时频矩阵按频率行去均值,抑制定频干扰;通过时频峰值优化、时频矩阵清洗和强化处理,降低频谱泄漏和噪声对跳频信号时频稀疏性的影响;利用此稀疏性进行检测和估计,即根据跳频信号在驻留时间内的连续性检测跳频信号,估计跳频频率;根据驻留时间起点及间隔,估计跳变时刻和跳周期.仿真结果表明,在低信噪比下,该算法的检测和参数估计性能均有较大提高,且优于现有算法.