ANSI X9.19 MAC算法介绍

(1)               ANSI X9.19MAC算法只使用双倍长密钥,也就是16字节密钥;

(2)               MAC数据按8字节分组,表示为D0~Dn,如果Dn不足8字节时,尾部以字节00补齐;

(3)               用MAC密钥左半部加密D0,加密结果与D1异或作为下一次的输入。

(4)               将上一步的加密结果与下一分组异或,然后用MAC密钥左半部加密。

(5)               直至所有分组结束。

(6)               用MAC密钥右半部解密(5)的结果。

(7)               用MAC密钥左半部加密(6)的结果。

(8)               取(7)的结果的左半部作为MAC。


该算法也是中国银联终端所使用的MAC算法,在实际中,可能有加密机不支持该算法,需要通过ANSI X9.9算法多次调用加密机。


ISO8583组包拆包代码、3DES加解密相关源代码出售,整个交易平台出售。

提供金融支付相关的技术服务,如:快速与银行、第三方支付平台对接,联调,加解密,MAC计算,银行卡密码加解密等。

如需要,可以联系我,北京 158/110-59821


  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
首先,我们需要计算样本的相关系数R来估计样本的线性化程度。可以使用以下公式进行计算: R = (nΣxy - ΣxΣy) / sqrt([nΣx^2 - (Σx)^2][nΣy^2 - (Σy)^2]) 其中,n为样本个数,Σ表示求和符号,x和y分别为样本的自变量和因变量。 代入样本数据,可以得到: n = 5 Σx = 15 Σy = 25.1 Σx^2 = 55 Σy^2 = 162.51 Σxy = 91.6 带入公式计算得到R = 0.9996,接近于1,说明样本具有很强的线性关系。 因此,我们可以采用直线模型进行拟合。最小二乘法模型校正算法可以通过以下步骤实现: 1. 计算样本的平均值: x_mean = Σx / n y_mean = Σy / n 2. 计算样本的斜率a和截距b: a = (nΣxy - ΣxΣy)/(nΣx^2 - (Σx)^2) b = y_mean - a * x_mean 3. 计算拟合直线的方程: y = a * x + b 4. 计算拟合直线的预测值y_pred: y_pred = a * x + b 5. 计算残差residuals: residuals = y - y_pred 6. 计算残差平方和residuals_sum: residuals_sum = Σ(residuals)^2 7. 计算标准差std_dev: std_dev = sqrt(residuals_sum / (n - 2)) 8. 计算置信区间confidence_interval: confidence_interval = 2.776 * std_dev / sqrt(n) 9. 计算预测区间prediction_interval: prediction_interval = 2.776 * std_dev * sqrt(1 + 1/n + ((x - x_mean)^2) / (nΣx^2 - (Σx)^2)) 其中,2.776是95%置信水平下的t分布值。 代入样本数据,可以得到: x_mean = 3 y_mean = 5.02 a = 1.62 b = -0.28 y_pred = [1.34, 2.96, 4.58, 6.20, 7.82] residuals = [0.16, 0.34, 0.72, 0.70, 0.28] residuals_sum = 1.80 std_dev = 0.570 confidence_interval = 0.594 prediction_interval = [1.236, 3.684, 6.132, 8.580, 11.028] 因此,拟合直线的方程为y = 1.62x - 0.28,样本的线性关系很强,可以采用直线模型进行拟合。预测x=6对应的y值为y=9.78,置信区间为[9.19, 10.37],预测区间为[7.71, 11.85]。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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
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