4種混沌映射產(chǎn)生的混沌序列密鑰

發(fā)布時(shí)間:2020/10/31 8:50:44 訪問(wèn)次數(shù):1175

當(dāng)前互聯(lián)網(wǎng)技術(shù)已經(jīng)實(shí)現(xiàn)在領(lǐng)域內(nèi)的普及和應(yīng)用，網(wǎng)絡(luò)中的海量數(shù)據(jù)信息給現(xiàn)階段應(yīng)用帶來(lái)了巨大的挑戰(zhàn)。云計(jì)算的出現(xiàn)使情況得到了有效的緩解，充分利用現(xiàn)有的技術(shù)將所有資源進(jìn)行整合，按需使用，降低了運(yùn)營(yíng)成本。

云計(jì)算網(wǎng)絡(luò)在不斷推動(dòng)信息技術(shù)發(fā)展和社會(huì)發(fā)展的同時(shí)也伴隨著數(shù)據(jù)泄露的危機(jī)，數(shù)據(jù)信息在存儲(chǔ)過(guò)程中的安全性和可靠性的保障問(wèn)題引起了人們的廣泛關(guān)注，急需對(duì)此問(wèn)題進(jìn)行解決。

針對(duì)云平臺(tái)環(huán)境下數(shù)據(jù)安全及保密問(wèn)題，基于MapＲeduce分布式框架下，綜合4種混沌映射系統(tǒng)的優(yōu)點(diǎn)，提出一種面向云計(jì)算的混合混沌加密方法。

4種混沌映射產(chǎn)生的混沌序列作為密鑰，多次使用從混沌系統(tǒng)迭代產(chǎn)生的多重密鑰對(duì)明文進(jìn)行加密操作。算法的執(zhí)行效率高，密鑰空間足夠大，能夠有效抵抗暴力破解密鑰的攻擊。

ZE08-CH2O型電化學(xué)甲醛模組是一個(gè)通用型、小型化模組。利用電化學(xué)原理對(duì)空氣中存在的CH2O進(jìn)行探測(cè)，具有良好的選擇性，穩(wěn)定性。內(nèi)置溫度傳感器，可進(jìn)行溫度補(bǔ)償；同時(shí)具有數(shù)字輸出與模擬電壓輸出，方便使用。ZE08-CH2O是將成熟的電化學(xué)檢測(cè)技術(shù)與精良的電路設(shè)計(jì)緊密結(jié)合，設(shè)計(jì)制造出的通用型氣體模組。

模組特點(diǎn)

高靈敏度、高分辨率、低功耗、使用壽命長(zhǎng)

提供UART、模擬電壓信號(hào)、PWM 波形等多種輸出方式

高穩(wěn)定性、優(yōu)秀的抗干擾能力、溫度補(bǔ)償、卓越的線性輸出

主要應(yīng)用

便攜式儀表、空氣質(zhì)量監(jiān)測(cè)設(shè)備、空氣凈化機(jī)、新風(fēng)換氣系統(tǒng)、空調(diào)、智能家居設(shè)備等場(chǎng)所。

技術(shù)指標(biāo)表1

產(chǎn)品型號(hào) ZE08-CH2O

檢測(cè)氣體甲醛

干擾氣體酒精，一氧化碳等氣體

輸出數(shù)據(jù)

DAC(0.4～2V 標(biāo)準(zhǔn)電壓信號(hào))

UART 輸出（3V 電平）

工作電壓 3.7V～9V（帶電壓反接保護(hù)）

預(yù)熱時(shí)間 ≤3 分鐘

響應(yīng)時(shí)間 ≤60 秒

恢復(fù)時(shí)間 ≤60 秒

量程 0～5ppm

分辨率 ≤0.01ppm

工作溫度 0～50℃

工作濕度 15%RH-90％RH（無(wú)凝結(jié)）

存儲(chǔ)溫度 0～50℃

使用壽命 2 年（空氣中）

卷積神經(jīng)網(wǎng)絡(luò)(CNN)被越來(lái)越多地應(yīng)用于各個(gè)領(lǐng)域，如圖像識(shí)別和目標(biāo)檢測(cè)。隨著應(yīng)用要求的提高，CNN的結(jié)構(gòu)越來(lái)越深，導(dǎo)致其對(duì)于計(jì)算力和內(nèi)存的需求大大提高。同時(shí)由于移動(dòng)端設(shè)備的飛速發(fā)展，設(shè)備小型化的需求和市場(chǎng)不斷擴(kuò)大，將CNN應(yīng)用到小型移動(dòng)端設(shè)備的需求也隨之增加。受限于電源、內(nèi)存及功耗，移動(dòng)端平臺(tái)無(wú)法滿足高性能CNN對(duì)于硬件性能、功耗及內(nèi)存的要求，因此優(yōu)化CNN模型從而降低其對(duì)于計(jì)算資源的要求非常必要。

一種新的CNN模型三值量化算法，基于權(quán)值交互思想，在同一卷積核內(nèi)，將先前量化產(chǎn)生的積累噪聲作為一個(gè)負(fù)變量加入到下一個(gè)權(quán)值的量化操作中，使得對(duì)下一個(gè)權(quán)值朝著能減小積累噪聲的方向進(jìn)行量化。通過(guò)層級(jí)貪婪搜索算法逐層搜索局部最優(yōu)解，得到效果近似最優(yōu)解的優(yōu)化解，降低搜索算法復(fù)雜度，極大減少搜索所需時(shí)間。相比于其他使用對(duì)稱均勻量化操作的算法，算法極大地減小了由于量化操作導(dǎo)致的模型預(yù)測(cè)準(zhǔn)確率的損失。