mmmszdsad

  1. 首先通信双方在交换协议前每一方都有一个用于签名的非对称密钥对,这个用来做签名认证,密钥对的公钥需要在会话开始前共享,即会话前,Alice的签名非对称密钥对$(P_A, S_A)$, 其中公钥$P_A$全局公开,Bob的签名非对称密钥对$(P_B, S_B)$,其中公钥$P_B$全局公开
  2. 双方约定大素数$q$和它的一个本原根$\alpha$, 其中$\alpha<q$,这些步骤在会话开始前共享能够降低会话完成的复杂性。

会话过程(注意:如果其中某一个步骤未完成,则整个协议交换过程停止):

  1. Alice随机产生一个数(私钥) $x$,$x < q$,并计算公钥$Y_A = \alpha^x \bmod q$, 发送给Bob。
  2. Bob随机产生一个数(私钥) $y$,$y<q$, 并计算公钥$Y_B= \alpha^y \bmod q$
  3. Bob 会话密钥:$$K = Y_A^y \bmod q = (\alpha^x \bmod q)^y \bmod q = \alpha^{xy} \bmod q$$
  4. Bob计算$(\alpha^y, \alpha^x)$的hash, 然后使用非对称私钥$S_B$对该hash进行签名,然后使用会话密钥K对该签名进行加密,Bob将加密后的签名$E_K(S_B(\alpha_y, \alpha^x))$及公钥$\alpha^y$发送给Alice
  5. 此时, Alice手握Bob发过来的公钥$Y_B$,结合自己的私钥x计算会话密钥:$$K = Y_B^x \bmod q = (\alpha^y \bmod q)^x \bmod q = \alpha^{xy} \bmod q$$
  6. Alice使用会话密钥K解密签名消息,再用Bob的签名公钥$P_B$验证Bob的签名。
  7. Alice计算$(\alpha^x, \alpha^y)$的hash, 然后使用非对称私钥$S_A$对该hash进行签名,然后使用会话密钥K对该签名进行加密,Alice将加密后的签名$E_K(S_A(\alpha_x, \alpha^y))$发送给Bob。
  8. Bob利用会话密钥和Alice的公钥$P_A$解密并验证Alice的签名

以上所有步骤顺利完成之后Alice与Bob相互认证,并且拥有了共享密钥,K,密钥K可由于加密进一步的通信,该算法的过程如下图所示

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
卷积神经网络(Convolutional Neural Networks, CNNs 或 ConvNets)是一类深度神经网络,特别擅长处理图像相关的机器学习和深度学习任务。它们的名称来源于网络中使用了一种叫做卷积的数学运算。以下是卷积神经网络的一些关键组件和特性: 卷积层(Convolutional Layer): 卷积层是CNN的核心组件。它们通过一组可学习的滤波器(或称为卷积核、卷积器)在输入图像(或上一层的输出特征图)上滑动来工作。 滤波器和图像之间的卷积操作生成输出特征图,该特征图反映了滤波器所捕捉的局部图像特性(如边缘、角点等)。 通过使用多个滤波器,卷积层可以提取输入图像中的多种特征。 激活函数(Activation Function): 在卷积操作之后,通常会应用一个激活函数(如ReLU、Sigmoid或tanh)来增加网络的非线性。 池化层(Pooling Layer): 池化层通常位于卷积层之后,用于降低特征图的维度(空间尺寸),减少计算量和参数数量,同时保持特征的空间层次结构。 常见的池化操作包括最大池化(Max Pooling)和平均池化(Average Pooling)。 全连接层(Fully Connected Layer): 在CNN的末端,通常会有几层全连接层(也称为密集层或线性层)。这些层中的每个神经元都与前一层的所有神经元连接。 全连接层通常用于对提取的特征进行分类或回归。 训练过程: CNN的训练过程与其他深度学习模型类似,通过反向传播算法和梯度下降(或其变种)来优化网络参数(如滤波器权重和偏置)。 训练数据通常被分为多个批次(mini-batches),并在每个批次上迭代更新网络参数。 应用: CNN在计算机视觉领域有着广泛的应用,包括图像分类、目标检测、图像分割、人脸识别等。 它们也已被扩展到处理其他类型的数据,如文本(通过卷积一维序列)和音频(通过卷积时间序列)。 随着深度学习技术的发展,卷积神经网络的结构和设计也在不断演变,出现了许多新的变体和改进,如残差网络(ResNet)、深度卷积生成对抗网络(DCGAN)等。

“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