一種組合式爬山算法提高S盒非線性度
大小：0.70 MB 人氣：0 2018-01-05 需要積分：2
標簽：非線性(22953)
針對三點和四點爬山算法對隨機置換盒（S盒）的非線性度進行優化時計算量大及效率低的問題，提出了一種組合式爬山算法（CHC）。該算法把交換S盒兩個輸出數據的行為定義為一個交換元，利用加權擇優函數，篩選出若干個對非線性度的提升貢獻較大的交換元，然后通過同時應用多個交換元，達成提高S盒非線性度的目標。實驗中利用CHC算法，一次最多交換了12個輸出數據，使得大部分8輸入8輸出隨機S盒的非線性度超過了102，最高可達106。實驗結果表明，所提出的CHC算法相比于三點和四點爬山算法，不僅降低了計算量，而且對隨機S盒的非線性度也有著更為明顯的提升作用。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種組合式爬山算法提高S盒非線性度下載
相關電子資料下載
- 不同的人工神經網絡模型各有什么作用? 126
- rnn神經網絡基本原理 233
- bp神經網絡算法過程包括 106
- 反向傳播神經網絡建模基本原理 166
- 反向傳播神經網絡概念是什么 169
- 反向傳播神經網絡分為多少層 162
- bp神經網絡模型拓撲結構包括哪些 115
- 卷積神經網絡激活函數的作用 80
- 數學建模神經網絡模型的優缺點有哪些 299
- 什么神經網絡模型適合做分類 114