Improved Authenticated Multi-Key Agreement Protocol

Zhou et al give an attack on Ham＇s modified authenticated multi-key agreement protocol, and give a protocol that can prevent the unknown key-share attack. The paper points out that the protocol is vulnerable to a concatenation attack. This paper proposes an improved authenticated multi-key agreement protocol which shows how to make Harn＇s protocol more secure by modifying the signature and verification. And this protocol can escape the concatenation attack.     

混凝土楼板裂缝成因与鉴别防治

混凝土出现裂缝是难以避免的,产生裂缝的因素较多,如何做好混凝土裂缝的控制与防治,本文通过分析混凝土裂缝成因,提出了鉴别防治措施.     

翻译美学论

翻译与美的结合产生了另外一门年轻充满活力的学科:翻译美学。翻译美学以美为特征。本文先简述美的渊源及表现,接着强调了译者求美的要求,最后论述了如何求美。     

朝鲜红参(高丽参)真伪鉴别

朝鲜人参为五加科植物人参 Panax genseng C.A.Mey.带根茎的根 ,现均系栽培品 ,其植物来源与国产人参相同。商品主要分为朝鲜红参与朝鲜白参 ,国内外所称的高丽参 ,一般指朝鲜红参 (系经加工蒸制而成 )。1　正品朝鲜红参 (高丽参 )的特征朝鲜红参呈长柱形 ,上半部均压制成不规则的类方柱形 ,长 7～ 1 5 cm,宽 1～ 2 cm,表面红棕色至深红棕色 ,有光泽 ,略透明 ,皮细腻显油润。顶端为根茎(参芦 ) ,短而粗壮 ,为单芦或双芦 ,凹窝状茎痕 (芦碗 )大。主根肩部 (即上部 )宽阔 ,参体上下近等粗或下部略细 ,有的残存黄色栓皮 (习称“黄马褂”) ,上…     

创新活动与计算机产业的进化模式

本文从计算机产业进化的角度对创新活动的内部机制进行了分析 ,认为类创造和真创造是创新过程中经常发生的现象 ,在技术创新、企业创新过程中占有重要的地位 ,同时 ,市场需求、市场结构、组织发展的多元化策略以及行业进入也和创新活动密切相关 ,是计算机产业进化模式的重要动力     

高等植物基因的内含子

针对高等植物基因的内含子结构和功能的研究现状进行了评述，内含子是真核基因的一个重要组成部分，对其结构和功能的认识随着研究的深入而不断变化（或华），高等植物基因内含子的结构特征既有保守性，又有差异，它的剪辑过程涉及诸多频式元件和反式因子之间的相互作用，如5′剪辑位点、3′剪辑位点以及各种蛋白质因子，高等植物基因内含子的剪辑过程是真核生物表达的一个重要环节，特别是内含子的可为剪能够调节基因的时空表达。另外，高等植物基因内含子序列在基因表达调控中也具有重要作用，如影响基因的表达模式、增强基因的表达水平和启动基因的表达等。     

鉴别海面溢油的正构烷烃气相色谱指纹法

通过一应用实例探讨了鉴别海面溢油的正构烷烃气相色谱指纹法及其可行性和有效性。     

指纹图谱技术在中药鉴别中的应用

简述了中药鉴别发展历史，中药指纹图谱技术鉴别的理论依据以及中药薄层色谱指纹图谱、高效液相色谱指纹图谱、气相色谱指纹图谱、高效毛细管电泳指纹图谱、核磁共振指纹图谱、质谱指纹图谱、X射线衍射指纹图谱和DNA指纹图谱的鉴别．     

磁性参数测试中有关失真波形电压测量方法的研究

介绍了符合有关国际标准、数字与模拟技术相结合的、性能 /价格比较高的多功能磁性参数自动测试系统 .由于磁化曲线的非线性 ,系统中运用真有效值方法测量失真高频信号的有效值 ,在中速 A/ D转换的基础上利用内插采样技术等效提高数字化速率的方法测量失真波形的峰值和平均值 .文中阐述了磁性参数的测试方法、系统结构、失真波形电压的测量方案以及实验结果     

基于乳突纹方向特性的掌纹自动分类方法

针对在利用掌纹进行身份自动鉴别的过程中如何对掌纹进行自动分类 ,提出了一种利用乳突纹方向特性的掌纹自动分类方法。此方法首先生成具有 4个方向的掌纹方向图 ,然后利用改进的庞加莱指数算法对掌纹方向图进行处理来确定三角点和中心点 ,最后根据掌纹指根区和掌纹外侧区中三角点和中心点的数量对掌纹进行分类。利用此方法对340个指根区和 35 4个外侧区的油墨捺印掌纹图像进行了测试 ,在指根区的正确率为 95 .6 % ,在外侧区则为 96 .9%。实验结果说明上述方法能够有效地进行掌纹自动分类。