XiaoMi-AI文件搜索系统
World File Search System码分
DNA条形码分析（Anabas ...
摘要：Ikan Betok（Anabas testudineus，Bloch 1792）是FISHES之一，是Anabantidae家族的成员。Betok是Riau省的一种地方性鱼。关于Betok Fish的DNA条形码的科学研究仍然很少。这项研究旨在分析Betok Fish上细胞色素C氧化酶I（COI）的DNA条形码序列。方法，例如采样，总DNA提取，PCR，电泳，测序和数据分析。所研究的COI序列的大小为694 bp。BLASTN分析表明，Betok Fish的相似性最高为99.7％，而A. cobojinus的testudineus和最低的93.00％。有一个核苷酸基于COI序列（即核苷酸编号309）。这项研究可能会丰富Genebank中Betok Fish的DNA条形码数据库。关键字：Anabas testudineus，Betok Fish，COI，DNA条形码，RIAU。pendahuluan
量子计算机上的差分密码分析
摘要：随着量子计算的进步，人们进行了广泛的研究以寻找密码学领域的量子优势。将量子算法与经典密码分析方法（如差分密码分析和线性密码分析）相结合，有可能降低复杂性。在本文中，我们提出了一种用于差分密码分析的量子差分查找电路。在我们的量子电路中，明文和输入差分都处于叠加态。实际上，虽然我们的方法无法通过量子计算实现直接加速，但它通过依赖叠加态中的量子概率提供了不同的视角。对于量子模拟，考虑到量子比特的数量有限，我们通过实现 Toy-ASCON 量子电路来模拟我们的量子电路。
5轮Feistel方案和Benes方案的量子密码分析
有多种方法可以构建伪随机排列和伪随机函数。随机 Feistel 密码也称为 Luby–Rackoff 分组密码，是用于构建分组密码的对称结构。 Feistel 网络的优点是相同的结构可用于加密和解密，两者都包括以固定次数迭代运行一个称为“轮函数”的函数。从随机函数或随机排列构建伪随机排列研究最多的方法是 r 轮 Feistel 构造。Feistel 构造从实用角度来看很重要，因为它用于开发许多分组密码，如 DES [ 2 ]、3DES [ 2 ]。我们研究对 Feistel 方案的一般攻击，其中我们假设内部轮函数 f 1 , . . . , fr 是随机选择的。Feistel 方案的明文消息用 [ L, R ] 表示，代表左和右，应用 r 轮后的密文消息用 [ S, T ] 表示。Feistel 方案的一轮以 [ L, R ] 作为输入，输出 [ R, L ⊕ f ( R )]，其中 f 是 n 位到 n 位的秘密函数。Benes 方案是两个方案的组合，称为“蝴蝶”。它允许从 n 位到 n 位的随机函数构造一个 2 n 位到 2 n 位的伪随机函数。对于许多加密原语（例如散列和伪随机函数），将输出长度加倍是有用的，即使加倍变换不可逆。
大型语言模型用于代码分析：LLMS真的做他们的工作吗？
抽象的大语言模型（LLM）在自然语言理解和编程代码处理任务的领域中表现出了重要的潜力。他们理解和生成类似人类代码的能力刺激了用于利用LLM的搜索代码分析目的。但是，现有的文献体系在代码分析中对LLMS的有效性进行系统评估和评估时，尤其是在混淆的代码中进行系统评估和评估。本文旨在通过对LLMS执行代码分析任务的功能进行综合评估来弥合这一差距。此外，它提出了使用LLMS进行代码分析的现实世界案例研究。我们的发现表明，LLMS确实可以用作自动代码分析的有价值的工具，尽管有一定的限制。通过细致的探索，这项研究有助于更深入地理解与使用LLMS在代码分析中相关的潜在和约束，为在这个关键领域中增强应用铺平了道路。
用于静态代码分析的经典和量子源代码的统一表示
摘要 — 量子计算的出现提出了如何在开发过程中识别（与安全相关的）编程错误的问题。然而，目前的静态代码分析工具无法对特定于量子计算的信息进行建模。在本文中，我们识别了这些信息，并建议相应地扩展经典代码分析工具。在这些工具中，我们认为代码属性图非常适合这项任务，因为它可以很容易地通过量子计算特定信息进行扩展。为了验证我们的概念，我们实现了一个工具，该工具在图中包括来自量子世界的信息，并展示了它分析用 Qiskit 和 OpenQASM 编写的源代码的能力。我们的工具汇集了来自经典和量子世界的信息，从而实现了跨两个领域的分析。通过将所有相关信息结合到一个详细的分析中，这个强大的工具可以帮助应对未来的量子源代码分析挑战。索引词 — 静态代码分析、软件安全、量子代码属性图、量子源代码分析
人工智能时代的静态代码分析：深入探索智能代码分析代理的概念、功能和潜力
软件系统日益复杂，开发周期不断加快，对管理代码错误和实施业务逻辑提出了重大挑战。传统技术虽然是软件质量保证的基石，但在处理复杂的业务逻辑和广泛的代码库方面却存在局限性。为了应对这些挑战，我们引入了智能代码分析代理 (ICAA)，这是一个结合了人工智能模型、工程流程设计和传统非人工智能组件的新概念。ICAA 利用 GPT-3 或 GPT-4 等大型语言模型 (LLM) 的功能来自动检测和诊断代码错误和业务逻辑不一致。在对这一概念的探索中，我们观察到错误检测准确率有了显着提高，将误报率从基线的 85% 降低到 66%，召回率有望达到 60.8%。然而，与 LLM 相关的代币消耗成本，尤其是分析每行代码的平均成本，仍然是广泛采用的重要考虑因素。尽管面临这一挑战，但我们的研究结果表明，ICAA 具有巨大的潜力，可以彻底改变软件质量保证，显著提高软件开发过程中错误检测的效率和准确性。我们希望这项开创性的工作能够激发该领域的进一步研究和创新，重点是完善 ICAA 概念并探索降低相关成本的方法。
量子旋转密码分析用于圆度减小的 Keccak 原像恢复
本文考虑了4轮Keccak -224/256/384/512在量子环境下的抗原像性。为了有效地找到原像的旋转对应项对应的旋转数，我们首先建立一个基于Grover搜索的概率算法，利用某些坐标上比特对的固定关系来猜测可能的旋转数。这致力于实现每次搜索旋转对应项的迭代只包含一次用于验证的4轮Keccak变体运行，这可以降低量子环境下的攻击复杂度。在可接受的随机性下寻找旋转数的基础上，我们构建了两种攻击模型，专注于原像的恢复。在第一个模型中，Grover算法用于寻找原像的旋转对应项。通过64次尝试，可以获得所需的原像。在第二个模型中，我们将寻找旋转对应体抽象为在超立方体上寻找顶点，然后使用SKW量子算法来处理寻找作为旋转对应体的顶点的问题。对轮数减少的Keccak进行量子原像攻击的结果表明，第一个攻击模型对于4轮Keccak -224/256/384/512优于一般的量子原像攻击，而第二个模型对于4轮Keccak -512/384的攻击效果略低但更实用，即该模型比我们的第一个攻击模型和一般的量子原像攻击更容易在量子电路中实现。
估算运行密码分析相关量子计算机的能量需求
网络安全和基础设施安全局 (CISA) 的国家风险管理中心 (NRMC) 是美国国土安全部 (DHS) 的规划、分析和协作中心，汇集私营部门、政府机构和其他主要利益相关者，以识别、分析、优先排序和管理对国家关键基础设施部门和国家关键职能 (NCF) 的最重大风险。2022 年 9 月，NRMC 聘请国土安全运营分析中心 (HSOAC) 通过国家关键职能新兴问题风险分析项目的几项相关任务，帮助其识别、理解和评估新兴风险。新兴风险可能包括技术发展、新出现的威胁和危害、基础设施脆弱性和不断变化的市场条件，以及不同新兴风险的交集。
量子人工智能密码分析
摘要：随着量子计算机的不断发展，各种量子人工智能技术的研究正在进行中。与传统计算机上的深度学习相比，量子人工智能可以提高准确性和内存使用率方面的性能。在这项工作中，我们提出了一种攻击技术，该技术通过将量子人工智能应用于密码分析，通过学习密码算法中的模式来恢复密钥。密码分析是在当前实际可用的量子计算机环境中进行的，据我们所知，这是世界上第一项研究。结果，我们减少了 70 个时期，并将参数减少了 19.6%。此外，尽管使用了较少的时期和参数，但仍实现了更高的平均 BAP（位准确率）。对于相同的时期，使用量子神经网络的方法以更少的参数实现了 2.8% 更高的 BAP。在我们的方法中，使用量子神经网络获得了准确性和内存使用方面的量子优势。预计如果未来开发出更大规模的稳定量子计算机，本文提出的密码分析将得到更好的利用。