Whitenoise是由BSB Utilities公司提出的一个序列密码算法。Wu在2003年8月巧妙地给出了破译Whitenoise算法的一个解方程组方法。该文对Wu的破译算法进行了深入分析, 证明了Wu方法的两个基本假设是错误的, 因而Wu的方法不可能求出正确密钥。此外, 该文还对Wu的破译方法进行了改进, 给出了求解Whitenoise密码的秘密整数和秘密素数的方法, 并给出了对Whitenoise密码的一个预测攻击方法, 利用该方法可由其前80445个乱数求出其任一时刻的乱数。此外, 该文还给出了求出其全部秘密要素的一个思路。

本文发展了T.T.Wu教授(1985)提出的电磁导弹理论,总结出能产生电磁导弹效应的激励信号频谱渐近条件,提出了几种可能的电磁导弹系统。

该文对可转变认证加密进行了研究，指出了Wu-Hsu(2002)方案和Huang-Chang(2003)方案中存在的问题，分别给出了这两个方案的改进方案，很好地解决了认证加密方案的公开验证问题。

Soo-Chang Pei,Ja-Ling wu(1986)和茅一民(1987)提出了长度为2m的分离基2/4哈脱莱变换算法。本文将分离基算法推广到长度为pm的哈脱莱变换,并证明基p2算法实乘次数比基p算法少,而基p/p2算法实乘次数比前两者都少。作为例子,给出了长度为N=3m的基3/9哈脱莱变换快速算法和流图。

针对半诚信的数据收集者对包含敏感属性(SA)数据收集和使用过程中可能造成隐私泄露问题，该文在传统模型中增加实时的数据领导者，并基于改进模型提出一个隐私保护的数据收集协议，确保无可信第三方假设前提下，数据收集者最大化数据效用只能建立在K匿名处理过的数据基础上。数据拥有者分布协作的方式参与协议流程，实现了准标识(QI)匿名化后SA的传输，降低了数据收集者通过QI关联准确SA值的概率，减弱内部标识揭露造成隐私泄露风险；通过树形编码结构将SA的编码值分为随机锚点和补偿距离两份份额，由K匿名形成的等价类成员选举获取两个数据领导者，分别对两份份额进行聚集和转发，解除唯一性的网络标识和SA值的关联，有效防止外部标识揭露造成的隐私泄露；建立符合该协议特性的形式化规则并对协议进行安全分析，证明了协议满足隐私保护需求。

如何将密钥信息分配给n个被授权的单位(记为：S1, S2, , Sn), 每一个被授权单位Si(#em/em#=1, 2, , n)有qi个被授权人, 使得每一个被授权人所得到的密钥信息与该授权人所在的单位的任何其他被授权人所得到的密钥信息是一致的, 而任意K个被授权人所得到的密钥信息, 若至少包含每一个被授权单位中的至少一个被授权人的密钥信息时, 能够恢复完整的密钥信息, 其他情形时, 无法完全恢复密钥信息, 这种需要经常会遇到. 本文利用代数半群理论, 绐出了一种能实现这种密钥分享的方案.

在车载网络(VANETs)中，联邦学习(FL)通过协同训练机器学习模型，实现了车辆间的数据隐私保护，并提高了整体模型的性能。然而，FL在VANETs中的应用仍面临诸多挑战，如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题，该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先，该方案基于Boneh-Lynn-Shacham (BLS)动态短群聚合签名技术，保护了客户端与路边单元(RSU)交互过程中的数据完整性，确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时，方案利用群签名的特性实现车辆的可追溯性。其次，结合改进的Cheon-Kim-Kim-Song (CKKS)线性同态哈希算法，对梯度聚合结果进行验证，确保在联邦学习的聚合过程中保持客户端梯度的机密性，并验证聚合结果的准确性，防止服务器篡改数据导致模型训练无效的问题。此外，该方案还支持车辆在部分掉线的情况下继续更新模型，保障系统的稳定性。实验结果表明，与现有方案相比，该方案在提升数据隐私安全性和结果的可验证性的同时，保证了较高效率。

量子成像(QI)具有抗侦察、抗干扰和高分辨力等特性，是量子光学领域重要的研究方向。为了解决实际量子成像过程中因环境光引起符合计数值异常所导致成像质量下降的问题，该文提出一种基于符合计数滤波优化的光量子成像方法。首先，对原始的符合计数值进行3层离散小波变换(DWT)得到相应的小波系数；然后，对小波系数中的高频成分进行高斯滤波去噪，并通过小波逆变换得到去噪后的符合计数值；最后，基于该符合计数值，利用线性映射方法实现对目标的量子成像。该文通过仿真分析了图像像素数、单像素曝光时间和符合门宽值对成像结果的影响，并搭建了实际的量子成像光路来验证仿真结果的有效性。