摘要：分析了时间随机化技术的不足以及掩码技术(功耗随机化)的缺点,在完全防御差分能量攻击的基础上进行基于抗差分能量攻击的设计,提出一种时间和功耗双随机化的电路结构,将其应用在AES算法中,并在FPGA密码芯片、示波器和PC机组成的功耗采集分析平台中进行了验证.结果表明,该电路具备较强的抗差分能量攻击能力.

摘要：从用户知识出发 ,通过对用户内隐性知识的获取、表征、传递、运用的研究 ,探讨了“用户意象与设计知识”的映射以及“特征基、特征和风格”三层表达体系 ;建立了用户内隐性知识的获取、表征与运用模型 ,设计知识的表达模型 ,用户知识与设计知识的整合模型 ;提出了基于集成化知识的产品概念设计理论 以手机设计系统为例进行了验证 ,支持用户和设计师在同一个平台上协同工作 ,为产品协同设计。

摘要：为了进一步了解瓦状塞式喷管的性能,采用NND差分格式求解三维N S方程和空气冷流对6单元瓦状特征型面塞式喷管进行了数值模拟和实验研究。研究模型的内喷管面积比为4,总面积比为40,设计压强比为1047。计算得到了流场马赫数和塞锥表面压强分布、喷管推力系数效率,以及不同压强比下中心平面、过渡平面和边缘平面的塞锥表面压强变化规律。计算结果与实验数据吻合得较好,效率数值最大相差1%。实验塞式喷管最大的推力系数效率为0 995,同钟型喷管相比,具有很好的高度补偿能力:从地面到高空,效率在0 93～0 995之间变化。和以前简化型面的4单元瓦状塞式喷管相比,实验和数值模拟均说明塞锥特征型面的优化设计提高了喷管性能,更充分体现了塞式喷管的高度补偿特性,可以成为未来工程应用的选择方案。

摘要：针对通用逻辑开发和可继承性设计提出一种动态可重构IP系统的设计方案,它主要依靠下载bits流文件改变FPGA的配置存储器来实现重构,其配置时间只与预设的IP模块大小有关,与IP的结构无关而且可以利用相关的辅助设计工具.本文介绍了该系统设计实现的流程及关键技术,并以具体实验给以验证.

摘要：以卫星综合信息网为研究背景,将面向任务的协作机制引入其网络管理系统,提出了基于分层管理的协作机制框架,包括协作模型、协作过程和协作通信机制的研究.论文设计了面向任务的协作分解语法和异步执行任务过程,根据不同的任务,动态生成协作产生者——响应者模型,并设计了信息同步机制以及协作通信机制的消息通信类型.该协作机制的实现可以提高卫星综合信息网的资源利用率,使卫星网网络管理更适应网络拓扑结构的变化,易于扩展.

摘要：计算系统是星球探测机器人的重要组成部分,它不仅决定了机器人完成任务的能力、对环境事件的反应能力,而且还决定了机器人的生存能力.本文从计算系统的控制模型、容错模型和可靠性等多个方面,综合地讨论了用于星球探测机器人的计算系统硬件架构、软件架构和通信架构,提出了一种高可靠的分布式计算系统架构,为星球探测机器人计算系统的设计提供依据.

摘要：从资源管理在A d hoc网络中的重要性出发,提出了一种分层式A d hoc网络资源管理模型,该模型包括信息层、调度层和服务层,分别用来实现资源管理中的不同功能,并设计了一个资源调度模型,基于此调度模型可以实现资源申请、分析、检索、协调执行的一体化管理,同时给出了一种以资源应用服务为主、兼顾资源预留服务的资源调度的优化算法.

摘要：对乘法器的多种实现方式作了综合比较 ,分析并实现了一种 32位全定制高速乘法器 ,该乘法器与 Synopsys DesignWare相应的乘法器相比速度快 14 %左右 .最后对 ASIC设计者选择不同用途的乘法器提供了相应的准则 .

摘要：当前的移动互联网得到了快速的发展和应用,但是在这之上的信息易遭受窃听、篡改、伪造等威胁,这是当前信息安全研究的重要问题.在移动终端电子投票、移动合同签署、移动联合购物等应用场合中,门限群签名技术的应用能有效保证系统的安全.但是,现有基于可信中心的ECC门限群签名方案,缺乏成员对可信中心的反向认证机制,因此可信中心容易成为整个签名系统的安全隐患.针对这个问题,该文提出了一种新的适用于移动互联网的ECC门限群签名方案,并对方案中涉及到的签名初始化、成员注册、份额签名生成、签名合成、签名验证、签名打开以及签名成员撤销等步骤进行详细设计.提出了新门限群签名方案基于成员和可信中心共同生成成员密钥的思想,并且完成了成员和可信中心身份双向认证、密钥共同生成以及成员身份的两次盲化.经安全性证明,该文所提的方案具有正确性和安全性,能抵抗联合攻击和陷害攻击等.性能分析比较的结果也表明,在相同安全水平下,该文所提的方案签名长度更短,签名生成和签名验证的计算量更低.而适用性分析结果也表明,该文所提的方案实现了成员对可信中心的认证和二次盲化处理,降低了移动终端的通信及计算开销,能更好地适用于移动互联网环境中.最后,该文还基于随机预言机(ROM)模型完成了对所提出的门限群签名方案的形式化安全证明.

摘要：Hadoop MapReduce并行计算框架被广泛应用于大规模数据并行处理.近年来,由于其能较好地处理大规模数据,Hadoop MapReduce也被越来越多地使用在查询应用中.为了能够处理大规模数据集,Hadoop的基本设计更多地强调了数据的高吞吐率.然而在处理对短作业响应性能有较高要求的查询应用时,Hadoop MapReduce并行计算框架存在明显不足.为了提升Hadoop对于短作业的执行效率,对原有的Hadoop MapReduce作出以下3点优化:1)通过优化原有的setup和cleanup任务的执行方式,成功地缩短了作业初始化环境准备和作业结束环境清理的时间;2)将首次任务分配从"拉"模式转变为"推"模式;3)将作业执行过程中JobTracker和TaskTrackers之间的控制消息通信从现有的周期性心跳机制中分离出来,采用即时传递机制.最后,采用一种典型的基于MapReduce并行化的查询应用BLAST,对优化工作进行了评估.各种不同类型BLAST作业的测试实验表明,与现有的标准Hadoop相比,优化后的Hadoop平均执行性能提升约23%.