-
Patent Agency Ranking
公开(公告)号：CN104104496B
公开(公告)日：2018-02-23
申请号：CN201410322641.9
申请日：2014-07-08
Applicant: 华侨大学
IPC: H04L9/00
Abstract: 本发明涉及一种基于混沌动力理论的单向哈希函数构造方法，将一维分段线性映射的混沌映射与过饱和的Hopfield神经网络，通过分组Hash算法进行结合；所述的分组Hash算法，是将过饱和的Hopfield神经网络的收敛域中的吸引子元素(x0)作为密钥，同原始文本比特、分段线性映射的上一次迭代结果的值结合一起，共同运算得出对应的Hash值。本发明所述的基于混沌动力理论的单向哈希函数构造方法，基于过饱和Hopfield神经网络的分组Hash算法，将分段线性混沌映射和过饱和的Hopfield神经网络(OHNN)进行结合，引入混沌系统理论，探索研究基于混沌动力学的Hash函数算法，使得基于本发明所述的方法的加密应用更加安全可靠，不易被攻破。
-
公开(公告)号：CN103973806B
公开(公告)日：2017-07-21
申请号：CN201410213197.7
申请日：2014-05-20
Applicant: 华侨大学
CPC classification number: Y02D70/10
Abstract: 本发明提供了一种基于手机音频口的室内定位的方法，步骤为：1)使用低功耗单片机将接收到的有用定位参数通过脉冲宽度调制后，得到占空比可调的方波信号，再通过滤波电路从而产生幅度变化的模拟信号；所述模拟信号的频响范围在100Hz‑10KHz之间；2)所述模拟信号通过手机音频口的麦克风MIC输入端进入手机，然后进行信号解调，从而得到定位参数；3)将所述定位参数通过计算，从而实现RFID室内定位。该方法无需与被识别的物体接触就能完成对物体进行识别并获得与物体直接相关的定位数据信息，且做到采集和处理信息快速、实时、准确。由于将信号通过手机音频口的麦克风MIC输入端，采用手机作为计算平台，利用手机普及度高，性能强的特点，使本发明的技术方案具备良好的适用性和推广效果。
-
公开(公告)号：CN104104496A
公开(公告)日：2014-10-15
申请号：CN201410322641.9
申请日：2014-07-08
Applicant: 华侨大学
IPC: H04L9/00
Abstract: 本发明涉及一种基于混沌动力理论的单向哈希函数构造方法，将一维分段线性映射的混沌映射与过饱和的Hopfield神经网络，通过分组Hash算法进行结合；所述的分组Hash算法，是将过饱和的Hopfield神经网络的收敛域中的吸引子元素(x0)作为密钥，同原始文本比特、分段线性映射的上一次迭代结果的值结合一起，共同运算得出对应的Hash值。本发明所述的基于混沌动力理论的单向哈希函数构造方法，基于过饱和Hopfield神经网络的分组Hash算法，将分段线性混沌映射和过饱和的Hopfield神经网络(OHNN)进行结合，引入混沌系统理论，探索研究基于混沌动力学的Hash函数算法，使得基于本发明所述的方法的加密应用更加安全可靠，不易被攻破。
-
公开(公告)号：CN103973806A
公开(公告)日：2014-08-06
申请号：CN201410213197.7
申请日：2014-05-20
Applicant: 华侨大学
CPC classification number: Y02D70/10
Abstract: 本发明提供了一种基于手机音频口的室内定位的方法，步骤为：1)使用低功耗单片机将接收到的有用定位参数通过脉冲宽度调制后，得到占空比可调的方波信号，再通过滤波电路从而产生幅度变化的模拟信号；所述模拟信号的频响范围在100Hz-10KHz之间；2)所述模拟信号通过手机音频口的麦克风MIC输入端进入手机，然后进行信号解调，从而得到定位参数；3)将所述定位参数通过计算，从而实现RFID室内定位。该方法无需与被识别的物体接触就能完成对物体进行识别并获得与物体直接相关的定位数据信息，且做到采集和处理信息快速、实时、准确。由于将信号通过手机音频口的麦克风MIC输入端，采用手机作为计算平台，利用手机普及度高，性能强的特点，使本发明的技术方案具备良好的适用性和推广效果。
-
公开(公告)号：CN103957112A
公开(公告)日：2014-07-30
申请号：CN201410213509.4
申请日：2014-05-20
Applicant: 华侨大学
Abstract: 本发明提供了一种基于混沌神经网络的安全组播通信的方法，其特征在于：将基于混沌神经网络的对称密码算法与集中式组密钥管理协议LKH相结合应用在组播通信上；所述混沌神经网络是指将混沌学引入神经网络中，使得人工神经网络具有丰富的非线性动力学特性和高度计算复杂性，很多神经网络模型可以实现混沌特性，例如改进后具有混沌特性的离散Hopfield神经网络；所述混沌神经网络的对称密码算法是把并行的LFSR的输出作为具有混沌特性的离散Hopfield神经网络的输入，利用神经网络的非线性动力特性和混沌特性，对LFSR产生的伪随机序列进行随机选择；因此，所述对称算法的密钥其中T0是联结权值矩阵且为奇异方阵，H为轮换矩阵；H′是H的转置矩阵。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
