1) ElGamal algorithm
ElGamal算法
1.
Improving Kerberos protocol with ElGamal algorithm;
利用ElGamal算法改进Kerberos协议
2) ElGamal type
ElGamal型
1.
This paper analyzes the ElGamal type digital multisignature schemes put forward by Jianzhu Lu et al.
通过分析文献中卢建朱等人提出的ElGamal型多重数字签名方案,指出他们所设计的有序多重数字签名方案中验证方程的一些错误,并对其进行了改正。
3) Meta-El Gamal
Meta-ElGamal
1.
This paper shows the security flaw which extends from the multisignature scheme based on Meta-El Gamal,i.
对Meta-ElGamal方案的多重签名体制进行分析,发现该体制存在一个安全漏洞,即多个签名者如果在生成自己的密钥时相互合作就能达到日后否认消息签名的攻击手段。
4) ElGamal cryptosystem
ElGamal体制
1.
ElGamal Cryptosystem Based on Boolean Permutation;
基于布尔置换的ElGamal体制
5) ElGamal signature
ElGamal签名
1.
An oblivious signature-based envelope scheme for Schnorr signature and Elgamal signature wss proposed, and the security of which based on the computational the Diffe-Hellman assumption was proved.
提出了基于Schnorr签名及基于Elgamal签名的不经意的电子信封方案,并且在计算性Diffe Hellman假设下证明了其安全性。
2.
In this paper, a new user authentication scheme for wireless communication network is proposed based on the Elgamal signature.
提出了一种基于Elgamal签名,适用于无线通信系统的用户认证方案。
3.
We first extend the ElGamal signature scheme over the discrete logarithm of the multiplication group to Hypereliptic curves and present a new message recovery signature scheme based on Hyperelliptic curves.
首先将乘法群离散对数上的ElGamal数字签名方案推广到超椭圆曲线上 ,并基于超椭圆曲线提出一个消息恢复签名方案 ,然后利用签名方案的强等价概念 ,证明了这个超椭圆曲线上的消息恢复签名方案与超椭圆曲线上的ElGamal签名方案不是强等价的 。
6) ELGamal digital signature
ELGamal签名
1.
In this paper,we design a new anonymity controlled Electronic Payment scheme based on RSA blind digital signature and ElGamal digital signature.
文章设计了一个基于RSA盲签名和ElGamal签名体制的新的不可追踪的电子支付系统,并分析了它的特点和安全性。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条