[发明专利]基于高斯玻色采样的单向函数设计方法及其密码验证方法有效
申请号: | 202010620682.1 | 申请日: | 2020-07-01 |
公开(公告)号: | CN111783990B | 公开(公告)日: | 2023-10-03 |
发明(设计)人: | 石金晶;赵童格;陆玉虎;王雯萱;施荣华 | 申请(专利权)人: | 中南大学 |
主分类号: | H04L9/08 | 分类号: | H04L9/08;G06N10/00 |
代理公司: | 长沙永星专利商标事务所(普通合伙) 43001 | 代理人: | 周咏;米中业 |
地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 高斯玻色 采样 单向 函数 设计 方法 及其 密码 验证 | ||
1.一种基于高斯玻色采样的单向函数设计方法,包括如下步骤:
S1.确定单向函数的输入值;
S2.通过g算法将步骤S1确定的输入值进行引申,从而得到若干数值作为高斯玻色采样的标准输入;
S3.确定高斯玻色采样所采用的线性光学网络;
S4.确定高斯玻色采样的粗粒化输出结果;
S5.采用后处理g算法将最大概率条目的标签重新排列;
S6.将步骤S5得到的标签序列进行编码,得到单向函数的输出。
2.根据权利要求1所述的基于高斯玻色采样的单向函数设计方法,其特征在于步骤S1所述的确定单向函数的输入值,具体为所有端口均输入单模压缩态,并将压缩参数作为函数的唯一自变量,并定义输入的定义域从而提高实验效果。
3.据权利要求2所述的基于高斯玻色采样的单向函数设计方法,其特征在于步骤S2所述的通过g算法将步骤S1确定的输入值进行引申,从而得到若干数值作为高斯玻色采样的标准输入,具体为采用如下步骤计算得到标准输入:
A.确定输入初始值X0;
B.初始化标志参数j=1;
C.将Xj-1均匀的转化到正弦函数sin()的整个周期内;
D.用sin(Xj-1)+1确定Xj;
E.标注参数j增加1;
F.重复步骤C~步骤E直至标志参数j=N;
G.将得到的N个数值作为高斯玻色采样的标准输入。
4.据权利要求3所述的基于高斯玻色采样的单向函数设计方法,其特征在于步骤S3所述的确定高斯玻色采样所采用的线性光学网络,具体为采用如下网络作为线性光学网络:
线性光学网络包括四个移相器和五个分束器;
四个移相器全部并联,且四个移相器的输入端作为线性光学网络的输入端;第一路移相器的输出端连接第一路分束器的第一输入端;第二路移相器的输出端连接第一路分束器的第二输入端;第三路移相器的输出端连接第二路分束器的第一输入端;第四路移相器的输出端连接第二路分束器的第二输入端;第一路分束器的第一输出端连接第四路分束器的第一输入端;第一路分束器的第二输出端连接第三路分束器的第一输入端;第二路分束器的第一输出端连接第三路分束器的第二输入端;第二路分束器的第二输出端连接第五路分束器的第二输入端;第三路分束器的第一输出端连接第四路分束器的第二输入端;第三分束器的第二输出端连接第五路分束器的第一输入端;第四分束器的第一输出端、第四分束器的第二输出端、第五分束器的第一输出端和第六分束器的第二输出端为线性光学网络的输出端。
5.据权利要求4所述的基于高斯玻色采样的单向函数设计方法,其特征在于步骤S5所述的采用后处理g算法将最大概率条目的标签重新排列,具体为采用如下步骤进行重新排列:
a.对所有引申值的高斯玻色采样的输出最大概率条目的标签累加起来,与单向函数的输入相乘,再对N取余,得到第一结果W1;其中N为高斯玻色采样的总端口数;
b.对所有的引申值自上而下标号为1到N,输出其编号为W1的最大概率的标签μW;
c.对剩余的引申值重新编号,并累加其输出最大概率条目的标签,与单向函数的输入相乘,再对N-1取余,得到第二结果W2,并输出编号为W2的最大概率标签;
d.重复步骤c直至所有的最大概率标签均有序输出;每次的取余数为剩余引申值的总数;从而得到最终的重新排列结果。
6.一种包括了权利要求1~5之一所述的基于高斯玻色采样的单向函数设计方法的密码验证方法,具体包括如下步骤:
(1)用户初次注册时,将初始输入的密码转换为符合高斯玻色采样模型的标准输入格式的数据;
(2)构建高斯玻色采样模型;
(3)采用权利要求1~5之一所述的基于高斯玻色采样的单向函数设计方法设计单向函数;
(4)将输入数据经过整个单向函数系统的作用,并得到输出;同时将数据进行存储;
(5)当用户下次登录时,输入密码,将密码转换为符合高斯玻色采样的单向函数的输入格式,再通过与上述相同的单向函数系统的作用,得到输出;
(6)对比步骤(5)得到的数据与步骤(4)存储的数据,从而实现密码验证。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010620682.1/1.html,转载请声明来源钻瓜专利网。