基于CTR模式的GPU并行AES算法的研究与实现

为了对任意长的明/密文进行并行加密/解密,在分析了AES(Advanced Encryption Standard)的多种模式后,采用了最合适的CTR(Counter)模式设计和实现了GPU(Graphics Processing Unit)并行AES算法,并进行了优化.针对Nvidia Geforce GTX460平台理论分析了CTR模式的并行AES算法和串行AES算法的时间复杂度,得到综合的加速比为31.59,然后在Nvidia Geforce GTX 460平台上实验运行,结果显示CTR模式的AES-256的GPU并行算法相对串行CTR模式的AES算法,实验加速比跟理论加速比基本吻合.在此基础上,对CTR模式的AES-256进行了优化.实验结果显示,优化的CTR模式的AES-256并行算法在加速比上随着明文的增大提升的比例渐渐减少并趋于稳定.优化的CTR模式的AES算法加密数据量小的明文时,其优化效果更为明显,故能有效地提升SSL(Secure Socket Layer,其明文区间为35KB-150KB)的加密性能.     

关于世界经济与政治形势的回顾和展望

自从国际金融危机爆发以来,世界经济的发展开始艰难曲折,导致世界经济的发展表现出脆弱性、不确定性、不平衡性等重要特点。面对这样严峻的形势,各国也在不断的采取各种各样的措施解决各种经济问题。展望世界经济的发展,其发展的前景喜忧参半,很多发达国家的经济将会得到回升,世界整体的经济发展水平将会得到明显的改善。同时,发达国家和发展中国家经济发展水平的差距会有所缩小。     

臭氧消毒技术研究进展

主要综述了臭氧消毒技术的研究现状,包括消毒机理以及主要影响因素,如温度、pH、有机物、颗粒物和无机离子等对消毒效果的影响,并介绍了消毒联合工艺研究进展。总体而言,臭氧具有较强的杀菌能力,是有较好前景的消毒技术。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化PID神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的PID神经网络控制器具有逼近控制目标更快、响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

一种增强的隐私保护K-匿名模型——（α，L）多样化K-匿名

K-匿名化是数据发布环境下保护个人隐私的一种有效的方法。指出目前已有的一些K-匿名模型存在隐私泄露问题,给出了一种新的有效的K-匿名模型——（α,L）多样化K-匿名模型解决存在的问题。通过一个局部化泛化算法对新模型的有效性进行实验验证。     

一种嵌入式系统软硬件划分算法

软硬件划分是嵌入式系统软硬件协同设计中的一个关键问题.传统划分算法具有局部最优,收敛速度慢的缺陷.为使组成系统性能达到最优化,提出一种新的嵌入式系统软硬件划分算法.先采用嵌入式系统转化成有向无环图,可将嵌入式系统软硬件划分问题转换成一个多条件约束问题,用蚂蚁放置于有向无环图顶点上,对系统软硬件的划分准确率作为蚁群算法优化目标,通过蚁群算法搜索最优目标函数值,有效避免传统划分算法搜索陷入局部最小,大幅度降低搜索时间.实验结果表明,采用蚁群算法能够高效、快速获得准确地划分结果,为嵌入式系统设计提供了依据.     

笔记本硬盘关于5400转与7200转的区别

一个硬盘由很多盘片（platter）组成,每个盘片被若干个同心圆划分为很多个磁道（track）,每个磁道又被划分为几十个扇区（sector）。硬盘读取数据,就是以一个扇区为单位的,在FAT32模式下,每个扇区的容量为4KB。一个盘片的每一面都会有一个读写头（read—writehead）,来读取相应盘面的内容。     

OPNET网络仿真技术及其应用

网络仿真是一种新的网络设计和优化技术,它能够为网络的规划设计提供可靠的定量依据,也能够验证实际方案或比较多个不同的设计方案.介绍了OPNET网络仿真软件,并对其主要特性、建模机制以及仿真步骤进行了深入的阐述.最后,给出了OPNET软件在预测网络性能方面的一个应用实例.实验结果表明,OPNET网络仿真软件能够准确地分析复杂网络的性能和行为.     

基于MSP430单片机的二氧化碳测量系统

介绍了以MSP430F169单片机为核心的的二氧化碳测量系统.实现二氧化碳浓度的显示,带有三线制4～20的电流输出,能用标准的MODBUS协议与上位机通讯,同时还有良好的人机交互界面.     

基于快速回归算法的RBF神经网络及其应用

针对径向基神经网络(RBFNN)中存在的径向基函数中心的数F1及其位置难以确定的问题,提出了一种新型的基于快速回归算法(FRA)的RBFNN.采用快速回归算法,不但能够确定RBF的中心和中心个数,而且能够求出隐含层到输出层的权重.通过一元函数拟合和Mackey-Glass混沌时间序列预测的仿真,验证了该网络的有效性与实用性.