`

琐碎的学习——关于数据加密模型

阅读更多

 

首先介绍数据加密算法(Data Encryption Algorithm,DEA),它属于对称密钥密码体制.

 

DES是一种分组密钥,加密前先对整个明文分组,每个分组64位长的二进制。然后对每个64位二进制加密处理,产生一组64位密文,最后将所有密文拼接起来就是整个密文。使用的密钥是64位(实际密钥长56位,有8位用于奇偶校验)

DES的保密性仅取决于对密钥的保密,算法是公开的,DES加密算法足够复杂而且计算量大,而破解des只能靠穷举密钥的方法。由于现在计算能力已经突飞猛进,标准的DES已经不够用了,后来出现了IDEA加密算法以及三重DES加密算法。

 

加密模型大致如下:(k密钥,E加密算法,D解密算法)

 

A明文X -> 计算密文Y=Ek(X) -> Internet -> 解密明文X=Dk(Y) -> B获取明文X

 

这是典型的对称密钥密码体制,另外还有个公钥密码体制,后者的产生有下面几个原因

 

1,对称密钥密码体制的密钥分配问题(需要高度安全的分配中心)

2,对数字签名的需求

3,对称密钥密码体制中,如果通信参与者有n个,则需要n(n-1)个对称密钥,密钥数量比较大

 

公钥密码体制中,加密密钥PK(public key)是向公众开放,解密密钥SK(secret key)是需要保密的,加密算法E和解密算法D都是公开的。

通讯流程如下:

1,密钥对产生器产生接受者B的一堆密钥:加密密钥PKb以及解密密钥SKb

2,发送者A用PKb对明文X加密,Epkb(X) -> 密文Y

3,接受者B用SKb对密文Y解密,Dskb(Y) -> 明文X

注意:

a,虽然计算机可以容易产生成对的PKb和SKb,但从已知的PKb不能推导出SKb,从PKb到SKb“计算上不可能”

b,虽然公钥PKb可用于加密,但不能用来解密Dpkb(Epkb(X))!=X

c,先后对X进行D运算和E运算或进行E运算和D运算结果一样Epkb(Dskb(X))=Dskb(Epkb(X))=X

任何加密方法的安全性取决于密钥的长度以及攻破密文所需的计算量,由于公钥加密算法开销大,传统加密算法也是不可或缺的。

 

数字签名必须保证能实现下面三点功能

1,报文鉴别——接受者能核实发送者对报文的签名,不是伪造的签名

2,报文完整性——收到的数据和发送的数据一样,未被篡改

3,不可否认——发送者事后不能抵赖对报文的签名

现有多种数字签名的方法,采用公钥算法比采用对称密钥算法更容易实现。

 

A明文X -> Y=Dska(X) -> Internet -> X=Epka(Y) -> B获取明文X

 

1,除A外没有人拥有SKa,所以没人能产生Dska(X)——实现报文鉴别

2,其他人篡改报文后不能用SKa加密,B拿到的是不可读明文,知道被篡改过——报文完整性

3,若A抵赖未发送报文,则B可以把X和Dska(X)出示给公证人,后者可以用PKa证实A发送X给B——不可否认

 

上面只是对报文签名,并未加密,下面方法可以同时做到签名和加密

A明文X -> Y=Epkb(Dska(X)) -> Internet -> X=Epka(Dskb(Y)) -> B获取明文X

分享到:
评论

相关推荐

    巧设阶梯任务 促进深度学习——以“二氧化碳与碱溶液反应”为例.pdf

    尤其是在初中化学教学中,由于化学知识点多且琐碎,教师在日常教学中应促进深度学习,加强新旧知识的联系与应用,关注高阶思维的发展。 文章以“二氧化碳与碱溶液反应”为例,通过设置探究型学习任务“如何使塑料瓶...

    Mtils是一套前端辅助代码集合,提供常用的数据校验、数据加密、扩展函数、便捷函数。.zip

    它包含了一系列实用的工具函数,涵盖了数据校验、数据加密、扩展函数以及便捷函数等多个方面。通过使用 Mtils,开发者可以更高效地编写代码,提高开发效率,同时保证代码的质量和安全性。 **1. 数据校验:** 在前端...

    Mtils是一套前端代码集合提供常用的数据校验数据加密扩展函数便捷函数

    本文将深入探讨Mtils的核心功能,包括数据校验、数据加密、扩展函数以及便捷函数,为你的JavaScript开发工作提供有力的支持。 一、数据校验 数据校验是前端开发中必不可少的一环,Mtils提供了丰富的验证规则,涵盖...

    “核心问题”视域下促进学生深度学习的策略——以初中数学教学实践为例.pdf

    核心素养视域下“深度学习”的课堂教学策略探析——以人教版“分数乘分数”教学为例[J]. 科教导刊 ( 电子版 ),2019(6). 综上所述,以“核心问题”为导向的初中数学教学策略,通过创设问题情境,构建知识网络,促进...

    全方位详细教程:如何使用Lore快速构建机器学习模型

    它还包括配置的查询缓存和模型与数据集的加密存储。 5. **依赖项管理**: Lore 管理每个独立项目的依赖项,无需关注不同虚拟环境管理工具(如 venv、pyenv 等)。这使得在不同环境中工作变得简单,同时保持日志...

    让深度学习走进小学数学课堂 ——核心素养下小学数学教学的一点感悟.pdf

    【深度学习在小学数学教学中的应用】 深度学习是一种教育理念,强调在教师的指导下,学生全身心投入,围绕富有挑战性的学习主题进行探究,从而体验成功并实现个人发展。在小学数学教学中引入深度学习,有助于培养...

    Unity 模型优化插件

    Cruncher插件可能会使用特定的算法对模型的纹理、网格数据进行压缩,使其更适应游戏的性能需求。 除了上述核心功能,一个好的模型优化插件可能还包括其他特性,比如自动优化设置、批处理处理多个模型、支持导入导出...

    让阅读张开腾飞的翅膀——小学语文阅读教学中的深度学习策略.pdf

    【深度学习在小学语文阅读教学中的应用】 ...同时,数据分析和数据研究在这一过程中也能发挥重要作用,通过对学生学习过程的追踪和分析,可以更精准地评估教学效果,为教师提供专业指导,进一步优化教学策略。

    数据挖掘的技术特点及发展现状.pdf

    其包含的数据是日常琐碎的相关数据,设计采用实体联系数据模型,减少数据冗余,便于操作。相反,数据仓库不直接提供日常操作服务,而是为数据分析人员设计,包含汇总或聚集的数据,并且在不同级别上保存数据,这些...

    数据流图举例PPT学习教案.pptx

    这是一份关于数据流图的学习教案,主要介绍了数据流图的概念、notation、类型、设计方法和应用场景等内容。下面是对这份教案的详细解读: 首先,数据流图是一种图形化的表示方法,用来描述信息系统中的数据流程和...

    基于Markov模型与轨迹相似度的移动对象位置预测算法.docx

    在具体实现上,首先需要对移动对象的轨迹进行表示,通常会通过GPS数据来获取位置信息,然后对这些琐碎的数据进行处理,提取出有意义的轨迹模式。接着,利用Markov模型建立预测模型,计算各状态之间的转移概率。最后...

    C++学习的琐碎点

    C++的学习过程中确实存在许多琐碎但重要的知识点,它们涉及到语言的基础语法、数据类型、运算符、输入输出等多个方面。理解并熟练掌握这些细节,对于编写高质量、高效的C++代码至关重要。因此,持续的实践和总结是...

    四年级上册综合实践之——今天我当家剖析PPT学习教案.pptx

    这份四年级上册的综合实践活动PPT学习教案主要围绕“今天我当家”的主题,旨在培养孩子们对家庭责任的理解和实践能力。通过一系列活动,学生将学习如何参与并完成家庭中的日常工作,包括打扫房间、洗衣服、买菜和...

    超级记忆力——图像记忆法

    这种方法不仅适用于日常生活的琐碎记忆,如电话号码、日期,还能在学习复杂概念、公式或诗歌时发挥重要作用。 #### 记忆原理概说 图像记忆的核心在于创建两个或多个图像之间的联系,通过构建动态、富有色彩和声音...

    飞思卡尔——智能车多功能调试器

    而“飞思卡尔——智能车多功能调试器”是一个专用的工具,它为参赛者提供了强大的调试和优化平台,帮助他们更好地理解和调整自己的智能车系统。 这个调试器允许用户自设赛道,这意味着参赛团队可以根据实际比赛环境...

    中文文本匹配数据集( LCQMC、BQ-Corpus、STS-B、ATEC )

    lcqmc数据集,哈工大发表的一个中文问答匹配数据集总样本数为:260068,其中,匹配样本个数为:149226,不匹配样本个数为:110842 中文SNLI数据集: 中文自然语言推理数据集(A large-scale Chinese Nature ...

    最好的CHM制作工具 琐碎打包1.8.1

    "最好的CHM制作工具 琐碎打包1.8.1"是一款专用于创建CHM文件的软件,据描述,该工具在众多CHM制作工具中脱颖而出,因其易用性而受到青睐。 CHM制作工具的核心功能通常包括以下几点: 1. **HTML编辑**:用户可以...

    图书馆大数据中数据挖掘的交互型数据清洗技术初探.pdf

    数据挖掘技术能够帮助图书馆整理琐碎的记录,整合读者所需内容,挑选高频查找的数据,为读者提供更为便捷的查找环境,并为图书馆提供一个更好的服务环境。 最后,交互型数据清洗技术正逐渐成为图书馆大数据处理的...

    DAMA/CDGA/CDGP认证之DMBOK2数据管理2200知识点(思维导图).pdf

    数据管理需要聚焦关键数据,减少ROT(冗余、过时、琐碎)数据。 最后,数据管理与技术紧密相连,需要正确的技术决策支持。成功的数据管理依赖于领导力、组织参与和数据战略,企业应明确其数据资产,识别关键业务...

    Matlab系列--记录一些琐碎的matlab机器学习程序.zip

    Matlab系列--记录一些琐碎的matlab机器学习程序

Global site tag (gtag.js) - Google Analytics