DES密码旁路立方体分析

将立方体分析和旁路攻击结合,基于8位汉明重泄露模型,首次对DES分组密码抗旁路立方体攻击安全性进行了评估．在黑盒攻击场景下,攻击者首先按照一定规则生成立方体和超多项式,然后利用不同选择明文,计算其在加密过程某比特的高阶差分,判断该立方体对应的超多项式是否合法．对DES加密输出第l轮输出不同字节进行了黑盒旁路立方体攻击实验,结果表明：未经防护的DES密码易遭黑盒旁路立方体攻击;如果攻击者能够精确获取加密第1轮输出某一字节的汉明重泄露,最好的攻击结果为2＾9.35个选择明文可将DES主密钥搜索空间降至2＾15．     

大学的文化力与大学精神重塑

大学文化包括大学办学的价值取向,以及大学师生员工的社会理想、道德信念、价值观、创新精神等以及与此相联系而形成的管理制度、行为方式、教学和科研特色等等.积极的大学文化的系统化形成,有利于加强大学内部师生员工积极向上的体验,成为大学发展的内在动力,同时也会为大学树立形象产生张力,进而在市场经济背景下增强大学的核心竞争力.然而,近年来我国大学在政府行政权力主导、管理体制官僚化运转、社会功利主义思潮等共同作用下,过分扩张和唯“学术GDP”是论,千校一面,作为大学文化内核的大学精神严重缺失.为此,在提倡高等教育由外延式扩张向内涵式发展转型的今天,重塑大学精神任重道远.     

基于慕课的翻转课堂在“教育学”课程中的教法探究

教育扶贫写入“十三五”规划以来越来越得到社会的广泛关注,教育扶贫的首要工作就是为教育薄弱地区培养和输送大量的优秀教师.而“教育学”课程是师范类专业的必修课程,它的教学质量直接影响着职前教师的专业化发展.结合“教育学”课程的特点和慕课、翻转课堂的功能特点,以及“教育学”课程教学现状中存在的问题,尝试将慕课与翻转课堂相结合,探讨“教育学”这门课程的教法,采用课上和课下相结合的教学方式,帮助学生同知识建立联系,增强学生的学习兴趣,提升本门课程的教学质量,从而实现教育公平.最后对翻转课堂的实施难点提出了几点说明,促进“教育学”课程的开展.     

基于IAFSA的四自由度翼伞分段归航设计

为实现翼伞系统的精确空投,需要对其归航轨迹作合理规划。根据翼伞系统自身的运动特性及操纵特性,采用分段归航策略。在四自由度翼伞模型下,利用各轨迹段的几何关系,建立表征轨迹优劣程度的目标函数。基于改进的人工鱼群算法,对目标函数进行参数寻优,进而得到轨迹的设计参数。仿真结果表明,所提出的改进方法能加快算法的收敛速度,所规划的轨迹满足了精确落点和逆风着陆的要求。     

一种火力毁伤效能评估方法

Lanchester方程和Monte Carlo方法是作战模拟的常用方法,前者按取均值的方法处理作战过程,忽略了各种因素随时间的差异性,降低了模拟精度;后者对细节的要求较高,使问题变得复杂难解。结合两种方法,既充分考虑了作战问题的宏观规律性和局部共性,也顾及了其中关键因素的微观差异性和随机性,在火力毁伤效能模拟评估问题的应用研究中有较好的表现。     

基于复杂网络的机群作战建模与仿真

机群作战已成为战争中的主要作战形式之一。而传统的作战模型,已经不适应其多任务驱动、多机种协作的机群作战特性。为此,以复杂网络为基础,提出了一种构造不同类型的节点连接的动态生成算法,构建了反映真实作战场景的网络描述模型,较好地呈现出了机群作战中的涌现性、模糊性等诸多性质。并提出了描述机群作战网络的统计特征量,通过破击仿真实验,得出了与战争事实相符合的结论,为未来研究机群作战体系效能评估打下了基础。     

改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。     

基于LMD频域近似熵频谱感知算法研究

针对现有频域近似熵频谱感知技术在低信噪比条件下抗噪声性能和检测性能有待提升的问题,提出了一种基于LMD频域近似熵的频谱感知算法。(1)算法筛选出3个PF分量累加求和,使得算法提取局部调频包络特征信息得到最优,进一步排除噪声不确定度的影响。(2)算法对累加PF分量进行频域变换后求其近似熵,增强算法对频域信息的嗅探能力,提升算法检测性能。Monte Carlo仿真结果表明,在噪声不确定度为0dB,采样点数为8 000的情况下,当信噪比大于-19 d B时,可以对2ASK信号达到100%的检测概率,与现有频域近似熵算法相比,检测性能约有17 d B的提升。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

基于排队论的防空兵力部署优化模型

兵力部署优化问题是防空指控系统的重要研究内容之一。针对多型防空武器多层多区段混合部署问题,对异型空袭武器和防空武器基于作战效能标准化处理,基于排队论给出空袭武器的突防概率计算模型,将防空武器系统综合防御效能作为优化目标,建立多型防空武器扇形部署优化模型。仿真实验验证了优化模型的有效性和合理性,可为科学制定兵力部署方案提供参考。