高级加密标准与跨脚本印英命名实体识别研究

### 高级加密标准与跨脚本印英命名实体识别研究 #### 1. AES 算法新方法 在加密领域，AES（高级加密标准）算法一直是保障信息安全的重要手段。这里提出了一种针对不同密钥长度的 AES 算法新方法。 对于 AES - 192，第 ((n/2) + 1) 个字节是第 13 个字节。在前两轮，从这个字节中选择高半字节和低半字节。在第 3 轮，考虑密钥的第一个字节。其余 6 轮与标准的 AES - 192 位算法相同。 对于 AES - 256，第 ((n/2) + 1) 个字节是第 17 个字节。同样，在前两轮从这个字节中选择高半字节和低半字节。在第 3 轮，考虑密钥的第一个字节。其余 6 轮与标准的 AES - 256 位算法相同。 下面是对该新算法的分析表格： | 轮次 | 使用的门 | 垃圾位 | 成本 | 门的数量 | | --- | --- | --- | --- | --- | | Reverse | - | - | - | - | | Swap | Feynman | 128 | 128 | 128 | | Odd and Even | Feynman | 256 | 256 | 256 | | Key expansion | Feynman | 256 | 256 | 256 | | Shift rows | Feynman | 32 | 32 | 32 | | Add round key | Feynman | 128 | 128 | 128 | | Mixed column | Feynman | 256 | 256 | 256 | 该新算法使用可变数量的轮次来加密输入消息，而不考虑密钥长度（如 128、192 和 256 位）的变化。同时，实现了可逆设计，以克服传统设计中存在的侧信道攻击问题。通过 Xilinx 14.2 进行了仿真和验证，并与标准 AES 算法在硬件需求方面进行了比较。结果显示，在保持相同安全性的情况下，硬件需求减少了 10%。 #### 2. 跨脚本印英命名实体识别语料库 在信息处理领域，命名实体识别（NER）是信息提取中的一项重要任务。它用于识别和分类给定文本样本中的命名实体（NEs）。然而，在印度语言的 NER 系统发展中，面临着诸多挑战，尤其是混合语言文本处理方面，由于缺乏标准评估语料库，进展受到阻碍。 为了推动印度混合语言信息提取的研究，有人尝试从维基百科构建跨脚本印英（Hi - En - WP）NER 语料库。以下是具体的构建过程： - **语料库获取**： - 解析了 13 个维基百科类别页面，收集了 7285 个超链接。 - 利用文章之间的维基链接提取链接文本，将其视为可能的命名实体。 - 去除重复项后，得到 5401 个可能的命名实体。