基于智能卡的认证与密钥交换方法

    公开(公告)号:CN116405244A

    公开(公告)日:2023-07-07

    申请号:CN202310154630.3

    申请日:2023-02-22

    IPC分类号: H04L9/40 H04L9/08

    摘要: 本申请公开了一种基于智能卡的认证与密钥交换方法,选择MLWE作为底层困难问题构造智能卡与服务器的双向认证方案,实现了用户与服务器之间的双向认证并协商出会话密钥,由于智能卡及服务器使用的私钥及公钥均是基于MLWE问题来获取的,使得目前的量子算法无法通过公钥恢复出智能卡及服务器使用的私钥,同样,更无法恢复出使用错误协调机制得到的中间秘密,进而无法恢复出验证用户身份信息、验证服务器身份信息以及两者协商出的会话密钥,从而使得智能卡与服务器在认证与协商密钥的过程中能够抵抗量子计算机的攻击。

    面向隐私推理的神经网络深度剪枝方法及系统

    公开(公告)号:CN118364889A

    公开(公告)日:2024-07-19

    申请号:CN202410514805.1

    申请日:2024-04-26

    摘要: 本发明涉及人工智能技术领域,特别涉及一种面向隐私推理的神经网络深度剪枝方法及系统,利用训练样本对待剪枝的神经网络进行训练,并在训练过程中统计各神经元Relu单元平均输出状态;根据Relu单元平均输出状态确定各神经元Relu重要性,依据神经元Relu重要性对神经网络神经元Relu单元进行结构化剪枝,所述结构化剪枝包括删减神经元Relu重要性最低的首阶段Relu单元并对神经网络中各层Relu单元进行间隔删减;基于各神经元单元输出状态并利用预设门限阈值对结构化剪枝后的神经元进行分类,获取神经网络神经元中激活状态Relu单元和抑制状态Relu单元,并分别采用指定剪枝策略对激活状态Relu单元和抑制状态Relu单元进行深度剪枝;依据深度剪枝结果调整神经网络,得到调整后的目标神经网络模型,所述目标神经网络模型用于处理输入图像。本发明基于神经元输出规律与ReLU重要性分布的关联关系来增加神经网络剪枝深度并保证剪枝后神经网络准确度,剪枝后的神经网络无需通过重新训练和重新设计,便于在自动驾驶、人脸识别、图像检测等应用场景中进行部署实施。