数学代写|密码学作业代写Cryptography代考|Other types of public-key cryptosystem

Doug I. Jones

Doug I. Jones

Lorem ipsum dolor sit amet, cons the all tetur adiscing elit

如果你也在 怎样密码学Cryptography Theory 这个学科遇到相关的难题,请随时右上角联系我们的24/7代写客服。密码学Cryptography Theory 是对存在对抗行为的安全通信技术的实践和研究。 更广泛地说,密码学是关于构建和分析防止第三方或公众阅读私人信息的协议;信息安全的各个方面,如数据保密性、数据完整性、认证和不可抵赖性是现代密码学的核心。现代密码学存在于数学、计算机科学、电子工程、通信科学和物理学等学科的交叉点。密码学的应用包括电子商务、基于芯片的支付卡、数字货币、计算机密码和军事通信。

密码学Cryptography Theory 在现代很大程度上是基于数学理论和计算机科学实践的;密码学算法是围绕计算硬度假设设计的,这使得这种算法在实际操作中很难被任何对手破解。虽然在理论上有可能破解一个设计良好的系统,但在实际操作中这样做是不可行的。因此,这种方案,如果设计得好,被称为 “计算安全”;理论上的进步(例如,整数分解算法的改进)和更快的计算技术要求这些设计被不断地重新评估,如果有必要的话,要进行调整。信息理论上的安全方案,即使有无限的计算能力也无法被破解,如一次性密码键盘,在实践中比理论上可被破解但计算上安全的最佳方案更难使用。

couryes-lab™ 为您的留学生涯保驾护航 在代写密码学Cryptography方面已经树立了自己的口碑, 保证靠谱, 高质且原创的统计Statistics代写服务。我们的专家在代写密码学Cryptography代写方面经验极为丰富,各种代写密码学Cryptography相关的作业也就用不着说。

数学代写|密码学作业代写Cryptography代考|Other types of public-key cryptosystem

数学代写|密码学作业代写Cryptography代考|Other types of public-key cryptosystem

There are several interesting extensions of the basic idea behind public-key encryption which have been gaining interest.

Identity-based encryption. The idea behind identity-based encryption is that the sender can specify an arbitrary identity string (for example, a user name or email address) as the public key of the recipient. This is in contrast to cryptosystems such as RSA and ElGamal, where the public keys cannot be so specifically selected. Identity-based encryption has some very interesting key management features (both positive and negative), so we will look at this idea in more detail in Section 11.4.2.

Attribute-based encryption. There are potential applications of encryption where it may not be possible (or desirable) to identify the intended recipients of a ciphertext. For example, we might want to encrypt a medical record in such a way that any qualified specialist can decrypt it. If using conventional public-key encryption, we would either have to encrypt the record using the public key of every such specialist (as well as being inefficient, we probably will not know the identities of all such specialists, and this list is likely to change over time), or deploy a common public key among all such specialists (which is unlikely to be a secure option in practice). Attribute-based encryption uses a combination of a set of attributes (features or properties such as ‘qualified radiologist’ or ‘clearance level 2’) and policies (rules defined on the attributes such as ‘must be a qualified radiologist who also has clearance level 2’) to determine who can decrypt a ciphertext. We will revisit this in Section 11.4.2.

Homomorphic encryption. In some applications, it is desirable to be able to perform computations on encrypted data, particularly when the data represents numerical values. For example, suppose $C_1$ is the encryption of $P_1, C_2$ is the encryption of $P_2$, and we would like to compute the ciphertext associated with $P_1$ multiplied by $P_2$ (all encryptions computed using the same key $K$ ). One obvious option is to decrypt the data first, perform the computation, and then re-encrypt the result. However, this solution requires that whoever does the decryption and computation is trusted, since they learn both the data and the result of the computation. This is not the case in, for example, cloud computing environments, where the cloud storage provider is usually a third party who is trusted to store encrypted data but not to know the plaintext data. It would be wonderful if the ciphertext associated with $P_1$ multiplied by $P_2$ could be computed directly from $C_1$ and $C_2$ (without first decrypting them), but this is sadly not the case for most traditional encryption schemes. Fully homomorphic encryption schemes allow any computation to be performed directly on the ciphertexts. There are only a few schemes of this type known, and they are extremely inefficient. Partially homomorphic encryption schemes allow certain specific computations (typically addition or multiplication) to be performed directly on the ciphertexts but not others. Interestingly, the ‘textbook’ version of RSA we presented in Section 5.2.2 is partially homomorphic. It supports multiplication since:
$$
C_1 \times C_2=\left(P_1^e \times P_2^e\right) \quad \bmod n=\left(P_1 \times P_2\right)^e \bmod n,
$$
hence $C_1 \times C_2$ is the encryption of $P_1 \times P_2$. Unfortunately, the more secure versions of RSA deployed in practice, such as RSA-OAEP (see Section 5.2.4), are not partially homomorphic. ElGamal is also partially homomorphic with respect to multiplication of plaintexts.

数学代写|密码学作业代写Cryptography代考|The future for public-key cryptosystems

As we have seen, the security of a (good) symmetric cryptosystem primarily relies on the difficulty of conducting an exhaustive key search. On the other hand, the security of a public-key cryptosystem is based on the difficulty of solving some underlying hard computational problem. As we discussed in Section 5.2.3, the security of RSA is based on the belief that factoring is hard, while, as we discussed in Section 5.3.3, the security of ElGamal is based on the belief that solving the discrete logarithm problem is hard. As suggested by Table 5.2, both of these problems are regarded as hard, and neither one is regarded as easier than the other.

There are considerable advantages to be gained from ensuring we retain efficient public-key cryptosystems based on different hard problems. If, one day, someone develops an efficient method for factoring large numbers, then the discrete logarithm problem might, at least in theory, still be secure. That said, there are some experts who hold the opinion that if a breakthrough occurs which results in one of these problems no longer being regarded as hard, then there may be similar implications for the other one. Only time will tell.

Of more concern is that both of these problems are no longer regarded as hard if an attacker has access to a quantum computer (see Section 4.7.2). It is known that a quantum computer can both factor and compute discrete logarithms in polynomial time. There is now considerable interest in developing public-key cryptosystems whose security is based on hard problems which cannot (apparently) be efficiently solved by a quantum computer. There are several candidate hard problems under investigation, and the development of algorithms based on them is sometimes referred to as post-quantum cryptography.

数学代写|密码学作业代写Cryptography代考|Other types of public-key cryptosystem

密码学代写

数学代写|密码学作业代写Cryptography代考|Other types of public-key cryptosystem

对公钥加密背后的基本思想有几个有趣的扩展,这些扩展引起了人们的兴趣。

基于身份的加密。基于身份的加密背后的思想是,发送方可以指定任意身份字符串(例如,用户名或电子邮件地址)作为接收方的公钥。这与RSA和ElGamal等密码系统形成对比,在这些系统中,公钥不能如此具体地选择。基于身份的加密有一些非常有趣的密钥管理特性(积极的和消极的),因此我们将在第11.4.2节中更详细地研究这个想法。

基于属性的加密。在一些潜在的加密应用中,可能不可能(或不希望)识别密文的预期接收者。例如,我们可能希望以任何合格的专家都可以解密的方式加密医疗记录。如果使用传统的公钥加密,我们要么必须使用每个这样的专家的公钥加密记录(而且效率很低,我们可能不知道所有这样的专家的身份,而且这个列表可能会随着时间的推移而改变),要么在所有这样的专家中部署一个公共公钥(这在实践中不太可能是一个安全的选择)。基于属性的加密使用一组属性(特征或属性,如“合格的放射科医生”或“许可级别2”)和策略(在属性上定义的规则,如“必须是同时具有许可级别2的合格放射科医生”)的组合来确定谁可以解密密文。我们将在第11.4.2节中重新讨论这个问题。

同态加密。在某些应用程序中,希望能够对加密数据执行计算,特别是当数据表示数值时。例如,假设$C_1$是$P_1, C_2$的加密是$P_2$的加密,我们希望计算与$P_1$乘以$P_2$相关联的密文(所有加密都使用相同的密钥$K$计算)。一个明显的选择是首先解密数据,执行计算,然后重新加密结果。然而,这个解决方案要求进行解密和计算的人是可信的,因为他们了解数据和计算结果。例如,在云计算环境中,情况并非如此,云存储提供商通常是受信任的第三方,可以存储加密数据,但不知道明文数据。如果与$P_1$乘以$P_2$相关联的密文可以直接从$C_1$和$C_2$计算出来(不需要先解密它们),那就太好了,但遗憾的是,对于大多数传统加密方案来说,情况并非如此。完全同态加密方案允许在密文上直接执行任何计算。目前已知的这类方案很少,而且效率极低。部分同态加密方案允许直接在密文上执行某些特定的计算(通常是加法或乘法),而不是其他计算。有趣的是,我们在5.2.2节中介绍的RSA的教科书版本是部分同态的。它支持乘法,因为:
$$
C_1 \times C_2=\left(P_1^e \times P_2^e\right) \quad \bmod n=\left(P_1 \times P_2\right)^e \bmod n,
$$
因此$C_1 \times C_2$是$P_1 \times P_2$的加密。不幸的是,在实践中部署的更安全的RSA版本,如RSA- oaep(见第5.2.4节),并不是部分同态的。在明文的乘法方面,ElGamal也是部分同态的。

数学代写|密码学作业代写Cryptography代考|The future for public-key cryptosystems

正如我们所看到的,(好的)对称密码系统的安全性主要依赖于执行穷举密钥搜索的难度。另一方面,公钥密码系统的安全性是基于解决一些潜在的硬计算问题的难度。正如我们在5.2.3节中讨论的那样,RSA的安全性是基于分解是困难的信念,而正如我们在5.3.3节中讨论的那样,ElGamal的安全性是基于求解离散对数问题是困难的信念。如表5.2所示,这两个问题都被认为是困难的,没有一个比另一个更容易。

确保我们保留基于不同难题的有效公钥密码系统可以获得相当大的优势。如果有一天,有人开发了一种有效的方法来分解大数,那么离散对数问题可能,至少在理论上,仍然是安全的。也就是说,有一些专家认为,如果出现突破,导致其中一个问题不再被认为是困难的,那么另一个问题可能会有类似的影响。只有时间会告诉我们答案。

更令人担忧的是,如果攻击者能够访问量子计算机,这两个问题就不再被认为是困难的了(参见4.7.2节)。众所周知,量子计算机可以在多项式时间内分解和计算离散对数。现在有相当大的兴趣开发公开密钥密码系统,其安全性基于量子计算机无法有效解决的难题。有几个候选的难题正在研究中,基于它们的算法的发展有时被称为后量子密码学。

统计代写请认准statistics-lab™. statistics-lab™为您的留学生涯保驾护航。

金融工程代写

金融工程是使用数学技术来解决金融问题。金融工程使用计算机科学、统计学、经济学和应用数学领域的工具和知识来解决当前的金融问题,以及设计新的和创新的金融产品。

非参数统计代写

非参数统计指的是一种统计方法,其中不假设数据来自于由少数参数决定的规定模型;这种模型的例子包括正态分布模型和线性回归模型。

广义线性模型代考

广义线性模型(GLM)归属统计学领域,是一种应用灵活的线性回归模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。

术语 广义线性模型(GLM)通常是指给定连续和/或分类预测因素的连续响应变量的常规线性回归模型。它包括多元线性回归,以及方差分析和方差分析(仅含固定效应)。

有限元方法代写

有限元方法(FEM)是一种流行的方法,用于数值解决工程和数学建模中出现的微分方程。典型的问题领域包括结构分析、传热、流体流动、质量运输和电磁势等传统领域。

有限元是一种通用的数值方法,用于解决两个或三个空间变量的偏微分方程(即一些边界值问题)。为了解决一个问题,有限元将一个大系统细分为更小、更简单的部分,称为有限元。这是通过在空间维度上的特定空间离散化来实现的,它是通过构建对象的网格来实现的:用于求解的数值域,它有有限数量的点。边界值问题的有限元方法表述最终导致一个代数方程组。该方法在域上对未知函数进行逼近。[1] 然后将模拟这些有限元的简单方程组合成一个更大的方程系统,以模拟整个问题。然后,有限元通过变化微积分使相关的误差函数最小化来逼近一个解决方案。

tatistics-lab作为专业的留学生服务机构,多年来已为美国、英国、加拿大、澳洲等留学热门地的学生提供专业的学术服务,包括但不限于Essay代写,Assignment代写,Dissertation代写,Report代写,小组作业代写,Proposal代写,Paper代写,Presentation代写,计算机作业代写,论文修改和润色,网课代做,exam代考等等。写作范围涵盖高中,本科,研究生等海外留学全阶段,辐射金融,经济学,会计学,审计学,管理学等全球99%专业科目。写作团队既有专业英语母语作者,也有海外名校硕博留学生,每位写作老师都拥有过硬的语言能力,专业的学科背景和学术写作经验。我们承诺100%原创,100%专业,100%准时,100%满意。

随机分析代写


随机微积分是数学的一个分支,对随机过程进行操作。它允许为随机过程的积分定义一个关于随机过程的一致的积分理论。这个领域是由日本数学家伊藤清在第二次世界大战期间创建并开始的。

时间序列分析代写

随机过程,是依赖于参数的一组随机变量的全体,参数通常是时间。 随机变量是随机现象的数量表现,其时间序列是一组按照时间发生先后顺序进行排列的数据点序列。通常一组时间序列的时间间隔为一恒定值(如1秒,5分钟,12小时,7天,1年),因此时间序列可以作为离散时间数据进行分析处理。研究时间序列数据的意义在于现实中,往往需要研究某个事物其随时间发展变化的规律。这就需要通过研究该事物过去发展的历史记录,以得到其自身发展的规律。

回归分析代写

多元回归分析渐进(Multiple Regression Analysis Asymptotics)属于计量经济学领域,主要是一种数学上的统计分析方法,可以分析复杂情况下各影响因素的数学关系,在自然科学、社会和经济学等多个领域内应用广泛。

MATLAB代写

MATLAB 是一种用于技术计算的高性能语言。它将计算、可视化和编程集成在一个易于使用的环境中,其中问题和解决方案以熟悉的数学符号表示。典型用途包括:数学和计算算法开发建模、仿真和原型制作数据分析、探索和可视化科学和工程图形应用程序开发,包括图形用户界面构建MATLAB 是一个交互式系统,其基本数据元素是一个不需要维度的数组。这使您可以解决许多技术计算问题,尤其是那些具有矩阵和向量公式的问题,而只需用 C 或 Fortran 等标量非交互式语言编写程序所需的时间的一小部分。MATLAB 名称代表矩阵实验室。MATLAB 最初的编写目的是提供对由 LINPACK 和 EISPACK 项目开发的矩阵软件的轻松访问,这两个项目共同代表了矩阵计算软件的最新技术。MATLAB 经过多年的发展,得到了许多用户的投入。在大学环境中,它是数学、工程和科学入门和高级课程的标准教学工具。在工业领域,MATLAB 是高效研究、开发和分析的首选工具。MATLAB 具有一系列称为工具箱的特定于应用程序的解决方案。对于大多数 MATLAB 用户来说非常重要,工具箱允许您学习应用专业技术。工具箱是 MATLAB 函数(M 文件)的综合集合,可扩展 MATLAB 环境以解决特定类别的问题。可用工具箱的领域包括信号处理、控制系统、神经网络、模糊逻辑、小波、仿真等。

Days
Hours
Minutes
Seconds

hurry up

15% OFF

On All Tickets

Don’t hesitate and buy tickets today – All tickets are at a special price until 15.08.2021. Hope to see you there :)