1) Rabin algorithm
Rabin算法
1.
Based on Rabin algorithm and Elliptic Curve Digital Signature Algorithm(ECDSA),the author proposes an authentication scheme for mobile networks,which is suitable for implementation on smart card.
基于Rabin算法和椭圆曲线数字签名算法(ECDSA),提出了一个适用于移动通信网、适合在智能卡上实现的认证方案,并对该方案的安全性和计算复杂性进行了分析。
2) Miller-Rabin algorithm
Miller-Rabin算法
1.
Works at the common generating algorithms,that is,certain generating algorithms and probabilistic generating algorithms,and demonstrates a programming algorithm based on Miller-Rabin algorithm improved by Montgomery algorithm and Pocklington .
文中在研究了密钥生成的一般算法的基础上,即确定性素数产生和概率性素数产生方法,给出了利用Montgomery算法优化的Miller-Rabin算法和Pocklington定理算法实现,构造了大素数的生成算法,以提高RSA算法的安全性和运行速度。
2.
To solve the serious problems such as long time testing,low testing efficiency and so on when the digit of prime number is increasing,this paper presents a method of adding pre-processing before running Miller-Rabin algorithm to improve the speed of testing by reducing the times of power-module operation in original algorithm.
针对素数值越大,检测时间越长,效率越低等问题,在研究了Miller-Rabin算法基础之上,通过加入预处理过程,对原算法进行了细致地优化,减少了原算法中幂模运算的次数,从而大大提高了对于素数的检测速度。
3) Karp-Rabin algorithm
Karp-Rabin算法
4) Rabin-Miller Algorithm
Rabin-Miller算法
5) Rabin-OAEP algorithm
Rabin-OAEP算法
1.
This paper discuses about the security against adaptive chosen-ciphertext attack aiming at Rabin-OAEP algorithm.
针对Rabin-OAEP算法在自适应选择密文攻击下是否安全,采用Adversary和Simulator进行的合理交互,论证"分解大整数N=pq是困难的(其中p,q为2个大素数),则Rabin-OAEP算法在自适应选择密文攻击下是安全的"的逆否命题,结果证明了Rabin-OAEP算法的安全性。
6) Rabin Decryption Algorithm
Rabin解密算法
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