XiaoMi-AI文件搜索系统
World File Search SystemEncrypt
加密和网络安全实验室...
凯撒密码是最早，最简单的密码之一。这是一种替代密码，其中明文中的每个字母都会“移动”字母下方的一定数量的位置。例如，随着1的变化，a将被b替换为b，b将变成c，依此类推。程序导入java.util.scanner;公共类Caesarcipher {公共静态最终字符串lower =“ abcdefghijklmnopqrstuvwxyz”;公共静态最终字符串upper =“ abcdefghijklmnopqrstuvwxyz”;公共静态字符串加密（字符串p，int k）{p = p.tolowercase（）;字符串C =“”; for（int i = 0; i
使用AES算法
方案也已广泛用于构建几种类型的加密协议[4]，因此，它们在不同领域（例如访问控制，打开银行库，打开保险箱的存款箱甚至发射导弹）中有许多应用程序。Borchert [5]建议的基于细分的视觉加密图仅可用于加密包含符号的消息，尤其是诸如银行帐号，金额等数字等。Wei-Qi Yan等人提出的VC [6]只能应用于印刷文本或图像。Monoth [7]提出的一种递归VC方法在计算上是复杂的，因为编码的共享被递归地编码为子共享数量。同样，Kim [8]提出的一种技术也遭受了计算复杂性，尽管它避免了像素的抖动。先前关于VC的大多数研究工作都致力于改善两个参数：像素扩展和对比[9] [10] [11]。在这些情况下，所有持有股份的参与者都是诚实的，也就是说，在恢复秘密图像的阶段，他们不会出现虚假或假股份。因此，股票堆叠中显示的图像被视为真实的分泌图像。，但这可能并非总是如此。因此，Yan [12]，Horng [13]和Hu Metal [14]引入了预防作弊方法。，但在所有这些方法中都可以观察到，没有身份验证测试的设施。
确保船舶信息系统的网络弹性
摘要：Covid-19大流行带来了一个问题，与无法在航行期间及时更新船舶上的安全系统以及需要对存储在船舶信息系统（SIS）和航运公司信息系统中的数据进行加密有关。对全球新型网络攻击的分析表明，它们是由远程控制自主技术的使用增加和远程办公的普及引发的。事实证明，船上：a）没有网络安全专家；b）没有识别网络威胁的手段，也没有应对计划；c）船员缺乏网络安全培训；d）几乎没有使用机密船舶数据的加密；e）船员是船舶安全的一个脆弱性因素。对网络事件的分析使我们能够制定一个保护船舶控制系统的基本响应计划。事实证明，基本计划可以根据以下因素不断更新和改进：a）船舶系统的真实状态；b）船员行动绩效分析的结果；c）新型网络攻击的出现。为了提高船舶信息网络中机密数据的安全性，提出了用于船舶信息系统 (SIS) 的加密数据搜索引擎的开发理论框架，并识别了“危险”关键字。开发了数据交换协议、SIS 的基本要求以及检测消息中“危险”关键字的算法。
DLC 预留业务规则... - NCO Worldwide - Army.mil
b.现役部队 (AC) 和现役警卫预备役 (AGR) – (HRC)：使用 UDL ID # = 000000000030002 提交个人行动请求 (PAR)。您的单位 S-1 应该能够协助完成此特定选项。对于未在规定期限内完成 DLC 或已收到陆军部重新入伍限制 (8K) 的士兵，这也是适当的机构。c. 个人预备役 (IRR) 和个人动员增援 (IMA) – (HRC)：usarmy.knox.hrc.mbx.epmd-ncoes-reserve-schools@army.mil 或上面的选项 B。d. 陆军国民警卫队 (ARNG) – 通过您的指挥链联系相应的州配额经理。e. 美国陆军预备役司令部 (USARC) 所有部队计划单位 (TPU) 士兵的下属司令部 - 士兵指挥配额来源管理器。6.对于联系 HRC 的士兵，您可以包括以下内容： (1) 主题行 - 应说明 DLC 级别 (2) 电子邮件正文 - 提供您的国防部 ID 号，说明您正在申请预订各自的 DLC 课程，并且不要加密电子邮件。*如果您在 ATRRS 中的电子邮件地址不正确，请向 HRC 提供您的正确地址（军用或民用）并要求他们也更新它。预订后，您将收到自动通知。DLC I 到 DLC V，学习者有 720 天的时间完成课程。
人工智能在密码学中的应用
本文探讨了人工智能 (AI) 在密码学领域的一些最新进展。它特别考虑了机器学习 (ML) 和进化计算 (EC) 在分析和加密数据中的应用。简要概述了人工神经网络 (ANN) 和使用深度 ANN 进行深度学习的原理。在此背景下，本文考虑：(i) EC 和 ANN 在生成唯一且不可克隆的密码方面的实现；(ii) 用于检测有限二进制字符串的真正随机性（或其他）的 ML 策略，用于密码分析中的应用。本文的目的是概述如何应用 AI 来加密数据并对此类数据和其他数据类型进行密码分析，以评估加密算法的加密强度，例如检测被拦截的数据流模式，这些数据流是加密数据的签名。这包括作者对该领域的一些先前贡献，并在整个过程中被引用。介绍了一些应用，包括使用智能手机对钞票等高价值文件进行身份验证。这涉及使用智能手机的天线（在近场）读取柔性射频标签，该标签耦合到具有不可编程协处理器的集成电路。协处理器保留使用 EC 生成的超强加密信息，可以在线解密，从而通过智能手机通过物联网验证文档的真实性。还简要探讨了使用智能手机和光学密码的光学认证方法的应用。
一种降低秘密风险的加密方法
现代软件依赖于操作的秘密 - API键，代币和凭证对于与Stripe，Twilio和AWS等服务互动的应用程序至关重要。这些秘密中的大多数存储在平台本地的秘密经理中，例如AWS Secrets Manager，Vercel环境变量和Heroku Config vars。这些系统通过集中秘密并无缝将其注入运行时环境来提供便利。但是，此集中化引入了重大风险。如果被违反，它们会暴露在其中存储的所有秘密，从而导致爆炸半径，可能会泄漏数千甚至数百万个秘密。同时，诸如.ENV文件之类的替代方案最小化爆炸半径，但缺乏防止未经授权访问所需的保障措施。开发人员在具有较大风险或复杂性较大的爆炸半径的较高风险或复杂性之间进行选择。需要的是基于混合密码学而不是信任的秘密系统，允许开发人员在而无需任何第三方保持安全的情况下对秘密进行加密。在本文中，我们使用库在运行时解密加密秘密文件的库为这些风险提出了解决方案，并用平台的Secrets Manager中分别存储了一个私钥。此方法包含漏洞的爆炸半径，同时保持.ENV文件的简单性。即使一个组件（无论是加密的文件或秘密经理）还是受到妥协的，秘密仍然安全。只有同时访问两者都可以暴露它们。
通过加密分离降低秘密风险
现代软件依赖于操作的秘密 - API键，代币和凭证对于与Stripe，Twilio和AWS等服务互动的应用程序至关重要。这些秘密中的大多数存储在平台本地的秘密经理中，例如AWS Secrets Manager，Vercel环境变量和Heroku Config vars。这些系统通过集中秘密并无缝将其注入运行时环境来提供便利。但是，此集中化引入了重大风险。如果被违反，它们会暴露在其中存储的所有秘密，从而导致爆炸半径，可能会泄漏数千甚至数百万个秘密。同时，诸如.ENV文件之类的替代方案最小化爆炸半径，但缺乏防止未经授权访问所需的保障措施。开发人员在具有较大风险或复杂性较大的爆炸半径的较高风险或复杂性之间进行选择。需要的是基于混合密码学而不是信任的秘密系统，允许开发人员在而无需任何第三方保持安全的情况下对秘密进行加密。在本文中，我们使用库在运行时解密加密秘密文件的库为这些风险提出了解决方案，并用平台的Secrets Manager中分别存储了一个私钥。此方法包含漏洞的爆炸半径，同时保持.ENV文件的简单性。即使一个组件（无论是加密的文件或秘密经理）还是受到妥协的，秘密仍然安全。只有同时访问两者都可以暴露它们。
通过加密分离降低秘密风险
现代软件依赖于操作的秘密 - API键，代币和凭证对于与Stripe，Twilio和AWS等服务互动的应用程序至关重要。这些秘密中的大多数存储在平台本地的秘密经理中，例如AWS Secrets Manager，Vercel环境变量和Heroku Config vars。这些系统通过集中秘密并无缝将其注入运行时环境来提供便利。但是，此集中化引入了重大风险。如果被违反，它们会暴露在其中存储的所有秘密，从而导致爆炸半径，可能会泄漏数千甚至数百万个秘密。同时，诸如.ENV文件之类的替代方案最小化爆炸半径，但缺乏防止未经授权访问所需的保障措施。开发人员在具有较大风险或复杂性较大的爆炸半径的较高风险或复杂性之间进行选择。需要的是基于混合密码学而不是信任的秘密系统，允许开发人员在而无需任何第三方保持安全的情况下对秘密进行加密。在本文中，我们使用库在运行时解密加密秘密文件的库为这些风险提出了解决方案，并用平台的Secrets Manager中分别存储了一个私钥。此方法包含漏洞的爆炸半径，同时保持.ENV文件的简单性。即使一个组件（无论是加密的文件或秘密经理）还是受到妥协的，秘密仍然安全。只有同时访问两者都可以暴露它们。
使用NFC和...
摘要 - 当今移动设备交易已变得司空见惯。快速响应（QR）代码和近场通信（NFC）是流行的非现金和非接触式付款方式。这两种付款方式具有其特征。NFC付款使用安全元素来加密凭据数据以确保安全交易。相比之下，QR码付款以其原始形式传输数据而无需加密。换句话说，现有数据以原始数据的形式发送在设备之间。鉴于这些方法的广泛采用，必须确保交易数据以防止盗窃和滥用。有必要了解和比较每笔交易的安全级别并提供最佳建议。这项研究对NFC和基于QR码的移动支付模型的安全性和性能进行了比较分析。研究发现，NFC交易需要1,074毫秒的加密，而QR码交易则为5.9359毫秒。NFC表示数据随机性的熵值为3.96，QR码为3.23。代表统计显着性的p值为0.45，QR代码为0.069。两种付款方法都表现出可接受的安全水平，并且在令人满意的范围内处理时间和数据随机性。但是，分析得出的结论是，与QR码交易相比，NFC交易在处理时间和数据安全方面具有较高的性能。
PQ-HPKE：后量子混合公钥加密
摘要 —公钥密码术用于以相对较高的性能成本在通信方之间非对称地建立密钥、验证或加密数据。为了减少计算开销，现代网络协议将密钥建立和验证的非对称原语与对称原语相结合。同样，混合公钥加密是一种相对较新的方案，它使用公钥密码术进行密钥派生，使用对称密钥密码术进行数据加密。在本文中，我们提出了 HPKE 的第一个抗量子实现，以解决量子计算机给非对称算法带来的问题。我们提出了仅 PQ 和 PQ 混合 HPKE 变体，并分析了它们在两种后量子密钥封装机制和各种明文大小下的性能。我们将这些变体与 RSA 和经典 HPKE 进行了比较，并表明额外的后量子开销在明文大小上摊销。我们的基于格的 KEM 的 PQ 混合变体显示 1KB 加密数据的开销为 52%，而 1MB 明文的开销降至 17%。我们报告称，基于经典、仅 PQ 和 PQ 混合 HPKE 加密 1MB 消息分别需要 1.83、1.78 和 2.15 × 10 6 个时钟周期，其中我们注意到，将量子抗性引入 HPKE 的成本相对较低。索引术语 — 后量子、混合公钥加密、后量子混合公钥加密、混合 HPKE