Integrating Random Number Generation with the Rabin Cryptosystem for a Robust Two-Way Authentication in RFID
本文提出了一种针对物联网环境下低成本RFID系统的、具有高性价比且鲁棒的双向认证协议,该协议通过结合拉宾(Rabin)密码体制与随机数生成技术,以增强隐私性、防止重放攻击和暴力破解攻击,并确保信息的实时性。
2354 篇论文
本文提出了一种针对物联网环境下低成本RFID系统的、具有高性价比且鲁棒的双向认证协议,该协议通过结合拉宾(Rabin)密码体制与随机数生成技术,以增强隐私性、防止重放攻击和暴力破解攻击,并确保信息的实时性。
本文提出了一种参数高效的帕金森病识别框架,该框架利用三个轻量级适配器(全局、局部和标记级)来增强预训练视觉基础模型,从而在保持对 OCT 图像具有竞争力的性能的同时,显著减少了与传统深度神经网络相比的可训练参数量。
本文提出了一种三阶段、凹陷感知(concavity-aware)的调和场-点-线(harmonic field–point–line)框架,通过结合自适应椭球裁剪、位置强度(Locational Strength)度量以及边界感知图搜索,实现了用于正畸CAD的高精度且高效的3D牙齿分割,并在Teeth3DS基准测试上展示了稳健的临床适用性。
本研究通过对荷兰高速公路数据进行基准测试,利用九种机器学习模型来预测五种类型的危险道路状况,发现随机森林和 XGBoost 的表现优于深度学习方法,同时证明了天气特征比基础设施邻近性更具预测性,尽管数据稀疏性和粗粒度特征目前限制了这些模型在校准风险预测方面的可靠性。
JANUS 是一种高性能架构,它通过采用拆分式可信计算基设计,在不可信网络上联邦化了可信执行环境,通过将密钥释放锚定于硬件度量并将强制执行置于内核中执行,实现了具有极低延迟开销的原生速度加密路由。
SimGrowNet 是一种受人类神经发生启发的、高效的神经生长方法,它在训练过程中逐步扩展紧凑型模型,同时通过基于相似性的约束来最小化神经元冗余,从而增强特征多样性、缓解捷径学习,并在多个图像识别数据集上超越了现有的基准模型。
本研究表明,尽管 WordBinary 的文本相似度检测性能会随着重复内容被碎片化为更短的段落而系统性下降,但该系统依然保持稳健且有效,即使在大量细小碎片中分散分布的情况下,也能成功恢复超过 90% 的刻意重复词汇。
本文提出了一种基于模糊图的方法论,通过重新定义经典的中心性度量来模拟社交网络中的不确定性,并通过对德黑兰大学教职工的案例研究证明,该方法能够捕捉细微的关系强度,并产生与传统清晰模型不同的参与者排名。
该论文介绍了 PHCTQA,这是一种轻量级且快速的 AI 系统,它利用物理启发的多视图和多实例学习方法,能够实时准确地识别十种头部及胸部 NCCT 质量缺陷,其表现显著优于初级放射技师,并降低了资源受限环境下的重扫率。
本文提出了 SA-RGLP,一种通过将语法感知不一致性建模与通过残差图标签传播获取的 LLM 派生软先验相结合,以捕捉全局语义结构和跨样本关系推理,从而增强隐喻检测的新型框架,并在多个基准测试上实现了最先进的结果。