半?yún)f(xié)創(chuàng)新思維及相關(guān)跨學(xué)科案例分析

摘要創(chuàng)新是一種發(fā)散的思維方式，一種滴水穿石的學(xué)習(xí)方法，它其實更是一種勇往直前的情懷。我們創(chuàng)新了一個半?yún)f(xié)方差相關(guān)系數(shù)的理論框架，以量子加密，新冠分析為例，說明半?yún)f(xié)方差框架的各種創(chuàng)新的用途。118227-9931-1880創(chuàng)新的傳承密鑰生成和相關(guān)性ReLU神經(jīng)網(wǎng)預(yù)測5G網(wǎng)驗證和運行新冠基因分析118227-9931-18801.創(chuàng)新的傳承

SteedHuang118227-9931-1880方法論prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009組合創(chuàng)新：計算機通信創(chuàng)始人prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009缺失創(chuàng)新：孿生素定理證明人prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009實驗創(chuàng)新：一元透明膠帶粘出納米材料！prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009興趣創(chuàng)新：本科生也能拿獎prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009交叉創(chuàng)新：數(shù)學(xué)+生物+碼農(nóng)prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime107227449809161932036473128092567351329102497206369412289823553164761732911376596609133550092.密鑰生成和相關(guān)性

ZhehanWang,JunHuang118227-9931-1880方法目的在于計算MPPK/DS密鑰對與其模值（歐拉函數(shù)）之間的平均正相關(guān)性和負相關(guān)性趨勢。密鑰生成基于不同大小的*素數(shù)2^????+1。按大小重新排列密鑰列表的列。計算上半?yún)f(xié)方差相關(guān)系數(shù)和下半?yún)f(xié)方差相關(guān)系數(shù)。測試對偶素數(shù)：2^????+1、2^?????1以及它們的孿生素數(shù)。prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009prime10722744980916193203647312809256735132910249720636941228982355316476173291137659660913355009*

/articles/s41598-022-15843-xKeyPairGeneration

ReLUKeyAnalysis

拆分和重新排列密鑰對

ProblemtosolveFornonlinearrelationshiplike

belowwedon’twanttojusttakeazeroaway,wewanttoseewhomadeitzero?

Inwhatregiontherelationshipisnotzero!

Howtheycancelledeachothers?What’sdifferentbetweeneachzero?CorrelationResultsBasedonprimes:偽隨機數(shù)vs真隨機數(shù)由真量子隨機數(shù)生成的10對MPPKDS的半?yún)f(xié)方差系數(shù)（3%到11%）比在Python中通過偽隨機randint()函數(shù)生成的半?yún)f(xié)方差系數(shù)小。常規(guī)的python包Average0.5864QuantumdeviceRSA的相關(guān)性結(jié)論MPPK算法的上/下半?yún)f(xié)方差相關(guān)系數(shù)的平均值約為0.5864。MPPK算法的性能優(yōu)于RSA算法（上/下協(xié)方差相關(guān)系數(shù)的平均值約為0.6372）。增加模數(shù)P并不會顯著降低激活ReLU的私鑰和公鑰之間的相關(guān)性，這將使得激活ReLU的深度學(xué)習(xí)網(wǎng)絡(luò)能夠遷移學(xué)習(xí)到這種相關(guān)性。3.ReLU神經(jīng)網(wǎng)預(yù)測

TommyZhou,LinYang118227-9931-1880基線黑客方法將問題視為回歸預(yù)測建模。隨機生成密鑰對，但僅使用小素數(shù)作為初始測試。使用Keras和Tensorflow創(chuàng)建神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Model:"sequential"_________________________________________________________________Layer(type)OutputShapeParam#=================================================================dense(Dense)(None,24)600_________________________________________________________________dense_1(Dense)(None,1)25=================================================================Totalparams:625Trainableparams:625Non-trainableparams:0_________________________________________________________________兩個密集層，具有24-600-25-1參數(shù)。使用普通初始化器和ReLu激活函數(shù)。在未來的研究中會考慮更多的隱藏層。數(shù)據(jù)處理基線使用生成的10000個Keys作為原始數(shù)據(jù)集。使用K-foldtrain-test拆分(這里k=5)并計算平均損失。對每一段運行五百個周期。結(jié)合ML和相關(guān)性排名想法：最初的機器學(xué)習(xí)是原始的，試圖從一組隨機生成的密鑰中找到匹配項。如果我們選擇強相關(guān)的密鑰，并嘗試僅在這些密鑰上使用機器學(xué)習(xí)來尋找模式，會怎樣？40000個密鑰中的10000個密鑰。選擇的相關(guān)性排名方法：PearsonCorrelation(Quadrant1,2,3and4)QuadrantCorrelation(Quadrant1,2,3or4)UpSemi-covarienceCorrelation(Quadrant1and3)DownSemi-covarianceCorrelation(Quadrant2and4)HybridCorrelation(Combinationofabove)改進措施保留網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練元素，通過隨機選擇和排序來調(diào)整數(shù)據(jù)集，報告每種方法的損失進度和均方誤差，將結(jié)果與原始的方法進行比較。數(shù)據(jù)處理示例為計算的Pearson相關(guān)性添加一個額外的條目，按目標值對原始數(shù)據(jù)集進行排序，在訓(xùn)練和驗證集中只選擇強相關(guān)的。在不同集合上訓(xùn)練的結(jié)果結(jié)束周期:Quad<Up<Pearson<DownConclusion神經(jīng)網(wǎng)絡(luò)似乎有望減少暴力密鑰搜索范圍，隨著素數(shù)大小的增加（更多計算時間）更難破解，進一步的研究將集中在修改隱藏層上，使用混合相關(guān)函數(shù)對數(shù)據(jù)進行排序并僅在強相關(guān)碼上進行訓(xùn)練以減少預(yù)測損失，使用皮爾遜相關(guān)是目前最快但不是最低的排序算法，Heuristicbrainstorm優(yōu)化可能在未來用于跨模型檢查。4.愛立信5G驗證和運行AtinderpalSinghLakhan,MohammedA.A.Abuibaid,HarmanjeetSingh118227-9931-1880算法的Python實現(xiàn)-

驗證并運行具有正常密鑰長度的算法請點擊HERE(/AtinderPalSingh/Analysis-on-MPPK-DS-algorithm-.git)不同消息塊的簽名數(shù)分析單獨簽署消息塊然后計算HERE

找到用于簽署不同消息塊的Python代碼分割后的簽名消息分析請點擊

HERE

TWINPrime簽名分析-

更好的安全性與對偶素數(shù)和記錄的延遲請在此處找到帶有孿生素數(shù)的Python實現(xiàn)HERE(TWINMPPK/DS)MPPK/DS與帶基準測試功能的RSA對比分析-請點擊here在樹莓派硬件上運行算法性能分析5Gnetwork簽名性能分析結(jié)果：與MATLAB相比，Python實現(xiàn)記錄了更好的穩(wěn)健性評估（由于數(shù)值溢出）連續(xù)計算出100個VALID簽名，沒有INVALIDS的幫助使用python計算密鑰生成、簽名和驗證的延遲平均如下：注冊機延遲：0.0011920928955078125毫秒簽名延遲：0.0007152557373046875毫秒簽名驗證延遲：0.00095367431640625毫秒-MPPK/DS（簡化示例）在密鑰生成延遲方面表現(xiàn)出比RSA算法更好的性能，但是簽名和驗證延遲是可比的。使用的消息是32mb.txt文件，它被實現(xiàn)為首先使用SHA256進行哈希處理，然后編碼為intbase64以下是一些運行：

與RSA相比較:MPPKDSTestbed|5GUE(Laptop)驗證器and基于云的簽名器Public5GNetworkLaptop-5GDongle(Ottawa)CloudVMinTOR1(Toronto)LaptopSpecs:Intel(R)Core(TM)i7-3520MCPU@2.90GHz,SystemMemory:8GiB(2x4GiBDIMMDDR3Synchronous1600MHz(0.6ns)),Disk:ATADisk465GiB(500GB)VMSpecs:Ubuntu20.04(LTS)x64,1vCPU,1GB25GBDiskCost($6/mo)DL317Mbps,UL44.1MbpsMPPKDS性能分析|E2E延遲與（硬件和傳輸網(wǎng)絡(luò)）驗證短于正常密鑰長度設(shè)置。將根據(jù)RSA驗證網(wǎng)絡(luò)性能。將驗證正常的密鑰長度設(shè)置。將根據(jù)基于Lattice的網(wǎng)絡(luò)驗證網(wǎng)絡(luò)性能。將驗證比密鑰長度設(shè)置更長的時間。將對照其他PQC驗證網(wǎng)絡(luò)性能。Conclusion&FutureWork5.新冠基因分析ZhiliChen,TongXu,MoranHuang,WandongZhang,JunHuang118227-9931-1880ComplexRunningModelforGeneAnalysisIEEEKitchenerWaterlooSectionDifferentfromtheexistingcovarianceorcorrelationcoefficientmethodsintraditionalintegerdimensionconstruction,thisstudyp