基于认知功能的精神分裂症特征的分类研究

通过任务转换实验(task-switching task,TST)与机器学习相结合的方法对精神分裂症患者进行客观辨别。本实验中,45例精神分裂症患者和55例正常被试参与了实验,原始特征为反应时间、准确率、转换代价、干扰、年龄和性别等17个特征,利用Relief算法进行特征选择,并利用支持向量机(SVM)对不同的特征组合进行分类。研究结果表明短提示一致有转换、短提示一致无转换、短提示不一致无转换、长提示一致有转换、长提示一致无转换、转换代价、剩余转换代价和反应转换代价8个特征创建的SVM分类模型达到了90%的分类准确率,ROC曲线下面积(AUC)大小为0.89.该方法能够客观、有效地鉴别精神分裂症患者,能运用于精神分裂症的辅助诊断,以提高医生诊断结果的准确率。     

面向Lippold安全模型的无证书两方认证密钥协商协议

【目的】通过分析Lippold安全模型中的会话部分密钥泄露伪装攻击(P-KCI),发现现有无证书密钥协商协议存在安全缺陷，无法抵挡会话部分密钥泄露伪装攻击。【方法】总结了Lippold安全模型中会话部分密钥泄露伪装攻击的8种不同密钥组合泄露攻击，利用这些攻击，分析了现有无证书密钥协商协议的安全缺陷。【结果】提出了一种可以完全抵挡P-KCI攻击的高效无证书两方认证密钥协商协议，并扩展了eCK(extended extended-Canetti-Krawczyk)模型，证明了本协议的安全性。【结论】与现有的同类协议相比，本文协议安全性有较大提高且计算损耗降低了28.4%.