信息安全数学基础(24)模为奇数的平方剩余与平方非剩余

前言 

       在信息安全数学基础中,模为奇数的平方剩余与平方非剩余是数论中的一个重要概念,特别是在密码学和安全协议中扮演着关键角色。当模数为奇数时,我们通常关注的是模为奇素数的平方剩余与平方非剩余,因为奇合数的情况更为复杂且不如奇素数那样具有明确的性质。

一、定义

       设p是一个奇素数,整数a(与p互素,即(a,p)=1)被称为模p的平方剩余,如果存在某个整数x,使得x2≡a(modp)。否则,a被称为模p的平方非剩余。

二、性质

  1. 欧拉判别条件
    设p是奇素数,(a,p)=1,则a是模p的平方剩余的充分必要条件是a2p−1​≡1(modp);a是模p的平方非剩余的充分必要条件是a2p−1​≡−1(modp)。

  2. 乘积性质
    若a1​,a2​都是模p的平方剩余(或平方非剩余),则它们的乘积a1​⋅a2​也是模p的平方剩余。若a1​是模p的平方剩余,a2​是模p的平方非剩余(或反之),则它们的乘积a1​⋅a2​是模p的平方非剩余。

  3. 数量分布
    在模p的简化剩余系中,平方剩余与平方非剩余的个数各占一半,即各有2p−1​个。特别地,模p的平方剩余可以表示为12,22,…,(2p−1​)2(模p)。

三、应用

       模为奇素数的平方剩余与平方非剩余在密码学中有重要应用。例如,在RSA加密算法中,公钥和私钥的生成涉及到大素数的模运算和平方剩余的判断。此外,平方剩余还用于构建某些数字签名方案和协议,以确保数据的完整性和真实性。

四、判断方法

       除了欧拉判别条件外,还有其他方法可以判断一个数是否为模p的平方剩余,如使用勒让德符号(Legendre symbol)和雅可比符号(Jacobi symbol)等。这些方法在理论上和实践中都具有重要意义,尤其是在处理大规模数据和复杂密码协议时。

总结

       综上所述,模为奇素数的平方剩余与平方非剩余是数论和密码学中的基本概念之一,具有明确的定义、性质和广泛的应用。在信息安全领域中,掌握这些概念对于理解和设计安全协议至关重要。

 结语 

水清则无鱼

人察则无徒

!!!

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
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

打赏作者

IT 青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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