摘要：在网络通信日益发达的今天,通信安全变得越来越重要。Ipsec在IP层对IP报文提供安全服务来保证IP数据包的完整性、私有性和真实性。在IPsec协议实现过程中如何快速地根据报文特征搜索到相应的安全策略是影响高速网络数据包处理性能的关键技术。目前TCAM芯片以其优异的性能广泛用于Ipsec协议的安全策略搜索,但是TCAM存在造价高且功耗高的缺点。针对微型IPsec设备体积小、功耗低的特点,采用并行查找及流水线的思路,提出了一种基于FPGA的安全策略搜索设计方法,该方法不仅实现简单且易于扩展,可实现1K条以上的模糊安全策略搜索,性能达到1Gbps以上。该设计在FPGA上已经实现,经过仿真测试性能达到设计目标。

摘要：深度学习的应用日益广泛,训练样本是深度学习模型的基础。但是在军事、商业和金融等领域中,往往会出现模型训练时样本数据分散不易集中和隐私保护等问题。因此,数据隐私安全的研究非常重要。以某领域命名实体识别为应用场景,提出了FedPBert模型,采取了横向联邦学习的方式对Bert模型进行了预训练和微调。为了提高模型的精度,采取对客户端网络全参数加密上传服务器的策略。同时,针对在进行联邦学习训练时客户端与服务器进行通信的加密参数过大且通信效率过低的问题,首次设计了一种可以减少加密参数量同时减少通信量的Random Parameter Aggregation(RPA)算法,在取得与全参数加密方法相当性能的同时,能较大程度地减少通信和加密解密带来的算力开销,并通过实验验证了该方法的有效性。