- 博客(69)
- 收藏
- 关注
RSS订阅原创 Leetcode刷题笔记3
滑动窗口18. 四数之和 - 力扣（LeetCode）209. 长度最小的子数组 - 力扣（LeetCode）3. 无重复字符的最长子串 - 力扣（LeetCode）1004. 最大连续1的个数 III
2024-05-21 20:24:16
710
原创 Leetcode刷题笔记2
283. 移动零 - 力扣（LeetCode）1089. 复写零 - 力扣（LeetCode）202. 快乐数 - 力扣（LeetCode）
2024-05-19 22:54:58
616
原创 Leetcode刷题笔记1
Leetcode - 11. 盛最多水的容器Leetcode - 611. 有效三角形的个数剑指 Offer 57. 和为s的两个数字Leetcode - 15. 三数之和
2024-05-19 22:19:46
797
原创 使用Python构造VARIMA模型
VARMA(p,q)结合了VAR和VMA模型，其中p是向量自回归(VAR)模型的滞后期数，q是VMA模型的移动平均的阶数。VARMA是ARMA的推广，它将ARMA模型扩展到多个时间序列变量的情况，通过VAR和VMA的线性组合来描述多个时间序列变量之间的联合变化，适合描述多个时间序列变量之间的关系。时间序列变量。通过将 q 参数设置为 0，VARMA 模型可以像 VAR 模型一样工作；通过将 p 参数设置为 0，它也可以像 VMA 模型一样工作。VARMA 也不能处理非平稳金融时间序列数据。
2023-10-11 22:35:12
1290
原创 密码学学习笔记(十八)：Diffie–Hellman (DH) 密钥交换
详细介绍了Diffie–Hellman (DH) 密钥交换以及中间人对抗
2023-08-17 14:19:07
888
原创 使用Python构造ARIMA模型
基于统计的方法是经典的时间序列预测模型，也是财务时间序列预测的主要方法。他们假设时间序列是由随机冲击的线性集合产生的。一种有代表性的方法是ARMA模型，它是AR和MA模型的组合。它被扩展到非平稳时间序列预测，称为自回归综合移动平均（ARIMA），它结合了差分技术来消除数据中趋势分量的影响，并且由于其巨大的灵活性而成为最受欢迎的线性模型之一。然而，这种方法最初仅限于线性单变量时间序列，并且不能很好地适应多变量设置。
2023-07-03 16:13:46
3731
原创 密码学学习笔记(四)：Authenticated Encryption - 认证加密
加密数据的最新方法是使用一种称为一体式结构的认证加密算法，该算法也称为有附加数据的认证加密。从之前的博客中，我们看到在特定的操作模式中使用的分组密码，如CBC、OFB、CFB、CTR，提供了IND-CPA安全性。但是IND-CCA安全性呢？
2023-07-01 11:04:23
745
原创 密码学学习笔记(三)：MAC - 消息认证码
MAC在对称密钥设置中提供真实性/完整性预期的安全级别：所选消息下的不可伪造性攻击(UF-CMA)，无法通过错误检测代码实现CBC-MAC是一种基于伪随机函数的安全构造，HMAC是另一个基于散列函数的函数MAC不提供防止重放攻击的保护MAC不提供不可否认性注：缩写的密码原语可以看之前的笔记，都有介绍过。
2023-06-29 11:35:11
1396
1
原创 密码学学习笔记(二)：对称加密(二) IND-CPA、IND-CCA安全以及分组密码操作模式
书接上篇笔记，假设声称对手可以在给定我们方案的密文的情况下找出明文的第一位。我们如何检验这一说法？不可区分性：如果我们想模拟任何泄漏怎么办？为了模拟任何泄漏，我们可以让对手选择消息。
2023-06-28 11:11:44
1812
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人