[发明专利]一种基于DPSO算法的密码模块安全防护方法

说明书

技术领域

本发明属于计算机算法领域，更具体地说，本发明涉及一种基于DPSO算法的密码模块安全防护方法。 

背景技术

密码模块安全防护方案是多个安全防护措施的集合，是所有密码模块安全防护措施的一个子集，选择哪些防护措施中的哪些防护方案形成最终的密码安全防护方案是众多防护措施和防护方案的优化组合问题。而求解组合优化这类问题时，它的可行解具有数量有限的特点，因此在理论上，这类问题可以通过枚举方法进行求解找到最优解，但是当实际问题的规模非常大时，可行解的数量非常多，使用枚举的方法很难实现的时候更是如此。密码模块安全防护方案优化设计问题就是属于可行解数量较多，难以用枚举方法求解。因此需要寻找一种方法来解决这个问题。在当代解决这类问题最主要方法就是智能优化算法，因为这类算法比较符合于人类的思维方式，易于理解。用智能优化算法求解组合优化问题时在得到最优解的同时，也可以得到一些次优解以供比较选择。

发明内容

本发明所要解决的问题是提供一种算法简单的一种基于DPSO算法的密码模块安全防护方法。 

为了实现上述目的，本发明采取的技术方案为：

一种基于DPSO算法的密码模块安全防护方法，包括如下步骤：

（1）初始化，假定群体规模N，安全防护措施种类n，随机初始化w、c，随机给出一组密码模块安全防护方案，即随机的粒子位置和随机的一组速度；

（2）根据粒子当前位置代入多目标优化模型中求出适应度值，并更新其下一个位置；

（3）判断是否达到终止条件，若是，则结束，若没有，则返回(2)。

优选的，所述步骤（2）进一步包括如下步骤：

a.计算(X_Pbest之间的差，得到一个速度A，同理，计算X_Pbest，得到一个速度B；

b.根据公式得到一个新的速度，即密码模块安全防护方案交换的序列；

c.根据公式计算出新粒子的位置，即密码模块安全防护的新方案位置；

d.将新方案对应的一组属性值代入多目标协同优化模型中，求出适应度值，并比较是否优于更新前的值；

e.如果找到更好的解，则将X_Pbest更新。

优选的，所述步骤（2）和（3）之间增加按照自适应权重公式更新权重，使得惯性权重(w)的取值随粒子目标值的变化而自动变化。

优选的，所述惯性权系数计算公式为

。

优选的，所述W_max表示w的最大值，W_min表示w的最小值，f表示为粒子当前的目标函数，f_avg表示所有粒子的平均值，f_min表示所有粒子中最小目标值。

优选的，所述步骤e后加入步骤f：判断更新后的最优适应度值是否优于更新前的最优适应度值，找到一个更好的解，更新X_gbest。

有益效果：本发明提供了一种基于DPSO算法的密码模块安全防护方法，在收敛速度和局部搜索能力方面有较大的优势，增加按照自适应权重公式更新权重，在较少的迭代次数内，其解群就向最优解的方向收敛，使DPSO算法有较好的收敛特性，能够较快的找到问题的最优解，DPSO算法的优化效率较高，从优化后的DPSO算法的变化曲线也可以看出，在迭代的后期，不会出现局部最优的现象，使算法继续保持寻优能力，使算法的效率有了进一步的提升。

附图说明

图1为本发明基于DPSO算法的密码模块安全防护方法的流程图。

具体实施方式

一种基于DPSO算法的密码模块安全防护方法，包括如下步骤：

（1）初始化，假定群体规模N，安全防护措施种类n，随机初始化w、c，随机给出一组密码模块安全防护方案，即随机的粒子位置和随机的一组速度；

 （2）根据粒子当前位置代入多目标优化模型中求出适应度值，并更新其下一个位置，进一步包括如下步骤：

a.计算(X_Pbest之间的差，得到一个速度A，同理，计算X_Pbest，得到一个速度B；

b.根据公式得到一个新的速度，即密码模块安全防护方案交换的序列；

c.根据公式计算出新粒子的位置，即密码模块安全防护的新方案位置；

d.将新方案对应的一组属性值代入多目标协同优化模型中，求出适应度值，并比较是否优于更新前的值；