CN116774970A - 基于量子随机数的id生成方法及装置 - Google Patents

基于量子随机数的id生成方法及装置 Download PDF

Info

Publication number
CN116774970A
CN116774970A CN202311054439.8A CN202311054439A CN116774970A CN 116774970 A CN116774970 A CN 116774970A CN 202311054439 A CN202311054439 A CN 202311054439A CN 116774970 A CN116774970 A CN 116774970A
Authority
CN
China
Prior art keywords
quantum random
hash
candidate
quantum
generation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311054439.8A
Other languages
English (en)
Other versions
CN116774970B (zh
Inventor
凌杰
金添
樊迪
肖云松
叶程广
乔旺龙
赵琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianyun Rongchuang Data Science & Technology Beijing Co ltd
Beijing Qiyuan Wentian Quantum Technology Co ltd
Original Assignee
Tianyun Rongchuang Data Science & Technology Beijing Co ltd
Beijing Qiyuan Wentian Quantum Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianyun Rongchuang Data Science & Technology Beijing Co ltd, Beijing Qiyuan Wentian Quantum Technology Co ltd filed Critical Tianyun Rongchuang Data Science & Technology Beijing Co ltd
Priority to CN202311054439.8A priority Critical patent/CN116774970B/zh
Priority claimed from CN202311054439.8A external-priority patent/CN116774970B/zh
Publication of CN116774970A publication Critical patent/CN116774970A/zh
Application granted granted Critical
Publication of CN116774970B publication Critical patent/CN116774970B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

发明属于量子通信技术领域,提供了一种基于量子随机数的ID生成方法及装置,该方法包括如下步骤:配置量子随机数生成参数,包括:位宽N、数据总数量T;量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID;检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。基于量子随机数发生器产生的量子随机数,结合去重算法提供高速ID生成服务,生成的ID具有ID全局唯一、量子随机性、生成速率快、资源占用低、ID位宽可配置等优点,能适应大数据、分布式信息系统对ID生成的需求。

Description

基于量子随机数的ID生成方法及装置
技术领域
本发明属于量子通信技术领域,更具体地,本发明涉及一种基于量子随机数的ID生成方法及装置。
背景技术
量子随机数发生器可基于真空涨落、放大自发辐射、量子隧穿效应等量子过程生成量子随机数,生成速率可达7Gbps以上。量子随机数具备量子内禀的真随机特性,具有良好的不可预测性、不可重复性和无偏性等特征。量子随机数发生器可广泛应用于信息安全、金融、政务、博弈、科研等领域,为客户提供具有真随机特性的量子随机数。
信息系统,特别是分布式数据库系统,会有大量的ID生成服务需求。信息系统会不停的产生或记录事件,比如消息、表单记录等等,并且每个事件或记录都需要唯一ID,从而保障系统处理每个事件或记录时不会产生重复。数据库除了将生成的ID作为主键外,还可以作为数据切片ID用于分布式数据库的设计。目前,在信息系统在ID生成方法基本上采用软件算法。生成随机数通常采用伪随机数生成算法,生成ID通常包括自增ID、UUID和Snowflake算法等。但是随着数据量急速增长、分布式的发展需求等,生成随机数或生成ID在随机性、效率、性能等方面都提出了更多更高的要求。采用自增ID和Snowflake算法产生的ID不具有随机性,UUID算法通常采用伪随机数生成算法,虽然生成的ID具有较好的随机性,但是占用了较多的系统计算资源,生成的速率偏低。
发明内容
本发明提供一种基于量子随机数的ID生成方法,旨在改善上述至少一个问题。
本发明是这样实现的,一种基于量子随机数的ID生成方法,所述方法包括如下步骤:
步骤1:配置量子随机数生成参数,包括:位宽N、数据总数量T;
步骤2:量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID;
步骤3:检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
进一步的,基于哈希算法来检测候选量子随机ID是否与量子随机ID重复。
进一步的,基于哈希算法来的候选量子随机ID重复性检测过程具体如下:
随机数发生器产生位宽为N的候选量子随机ID;取候选量子随机ID的前n比特数据为哈希index值,候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
候选量子随机ID的哈希index值是否存在于量子随机ID,若不存在,则对应候选量子随机ID与量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与量子随机ID重复,若不相同,则对应候选量子随机ID与量子随机ID不重复。
进一步的,哈希key值的获取方法具体如下:
若候选量子随机ID的剩余(N-n)比特数据<=16,将剩余(N-n)比特数据为哈希key值;
若候选量子随机ID的剩余(N-n)比特数据>16,对剩余(N-n)比特数据进行异或运算得到16比特的哈希key值。
进一步的,在步骤S3之后还包括:
在将候选量子随机ID作为量子随机ID后,更新ID哈希表,将量子随机ID的哈希index值添加至ID哈希表,将哈希key放入ID哈希表对应的哈希桶中;
其中,ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值。
进一步的,在ID哈希表的数据总量t大于等于T时,清空ID哈希前表中的历史量子随机ID的哈希值, 将ID哈希表中的量子随机ID的哈希值迁移至ID哈希前表。
进一步的,基于ID哈希表和ID哈希前表的候选量子随机ID的重复性检测方法具体如下:
检测候选量子随机ID是否与ID哈希表、ID哈希前表中的量子随机ID重复,若存在重复,则丢弃该候选量子随机ID,若不存在重复,则候选量子随机ID与量子随机ID不重复。
本发明是这样实现的,一种基于量子随机数的ID生成装置,所述装置包括:
参数配置单元,输出端与随机数发生器通讯的输入端连接,随机数发生器的输出端与ID生成单元连接,其中:
参数配置单元用于配置子随机数发生器的量子随机数生成参数,包括:随机数位宽N、数据总数量T,将量子随机数生成参数发送至量子随机数发生器;
量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID,发送至ID生成单元;
ID生成单元检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
进一步的,ID生成单元包括:哈希index值生成模块及哈希key值生成模块及重复性检测模块;
哈希index值生成模块取候选量子随机ID的前n比特数据为哈希index值;哈希key值生成模块取候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
重复性检测模块检测候选量子随机ID的哈希index值是否存在于已有的量子随机ID中,若不存在,则对应候选量子随机ID与已有的量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与已有量子随机ID重复,若不相同,则对应候选量子随机ID与已有量子随机ID不重复。
进一步的,重复性检测模块包括:存储子模块,用于存储ID哈希表、ID哈希前表以及ID哈希表、ID哈希前表对应的哈希桶,
ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值,哈希桶用于存储ID哈希表及ID哈希前表中量子随机ID的哈希key值;
重复性检测子模块检测候选量子随机ID的哈希index值是否于ID哈希表、ID哈希前表中,若均不存在,则候选量子随机ID与量子随机ID不重复,若存在,则基于哈希index值检测对应哈希桶内是否存在候选量子随机ID的哈希key,若存在,则候选量子随机ID与量子随机ID重复,若不存在,则候选量子随机ID与量子随机ID不重复。
本发明基于量子随机数发生器产生的量子随机数,结合去重算法提供高速ID生成服务,生成的ID具有ID全局唯一、量子随机性、生成速率快、资源占用低、ID位宽可配置等优点,能适应大数据、分布式信息系统对ID生成的需求。
附图说明
图1为本发明实施例提供的基于量子随机数的ID生成方法流程图;
图2为本发明实施例提供的基于量子随机数的ID生成装置的结构示意图。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
图1为本发明实施例提供的基于量子随机数的ID生成方法流程图,该方法包括如下步骤:
步骤1:配置量子随机数生成参数,包括:位宽N、数据总数量T;
步骤2:量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID;
步骤3:检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
在本发明实施例中,基于哈希算法进行候选量子随机ID的重复性检测,其检测过程具体如下:
随机数发生器产生位宽为N的候选量子随机ID,取候选量子随机ID的前n比特数据为哈希index值,对候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
候选量子随机ID的哈希index值是否存在于量子随机ID,若不存在,则对应候选量子随机ID与量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与量子随机ID重复,若不相同,则对应候选量子随机ID与量子随机ID不重复。
在本发明实施例中,若候选量子随机ID的剩余(N-n)比特数据<=16,将剩余(N-n)比特数据为哈希key值,若候选量子随机ID的剩余(N-n)比特数据>16,对剩余(N-n)比特数据进行异或运算得到16比特的哈希key值。
为了更为快速的完成候选量子随机ID的查重,本发明设置ID哈希表和ID哈希前表,定义ID哈希表、ID哈希前表的大小设置为2^n(2的n次方),其中n<N,ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值,ID哈希表及ID哈希前表中量子随机ID的哈希key值存储于各自的哈希桶中,在将候选量子随机ID作为量子随机ID后,更新ID哈希表,将量子随机ID的哈希index值添加至ID哈希表,将哈希key值放入ID哈希表对应的哈希桶中。在ID哈希表的数据总量t大于等于T时,清空ID哈希前表中的历史量子随机ID的哈希值, 将ID哈希表中的量子随机ID的哈希值迁移至ID哈希前表,基于ID哈希表和ID哈希前表的候选量子随机ID的重复性检测方法具体如下:
检测候选量子随机ID是否与ID哈希表、ID哈希前表中的量子随机ID重复,若存在重复,则丢弃该候选量子随机ID,若不存在重复,则候选量子随机ID与量子随机ID不重复。其中,候选量子随机ID与ID哈希前表的量子随机ID重复性检测方法具体如下:
检测候选量子随机ID的哈希index值是否存在于ID哈希前表内,若不存在,则认定对应候选量子随机ID与ID哈希前表内的量子随机ID不重复,若存在,则基于哈希index值检测ID哈希前表的哈希桶内是否存在候选量子随机ID的哈希key值,若存在,则认定对应候选量子随机ID与ID哈希前表内的量子随机ID重复,若不存在,则对应候选量子随机ID与ID哈希前表内的量子随机ID不重复。
候选量子随机ID与ID哈希表的量子随机ID重复性检测方法具体如下:检测候选量子随机ID的哈希index值是否存在于ID哈希表内,若不存在,则认定对应候选量子随机ID与ID哈希表内的量子随机ID不重复,若存在,则基于哈希index值检测ID哈希表的哈希桶内是否存在候选量子随机ID的哈希key值,若存在,则认定对应候选量子随机ID与ID哈希表内的量子随机ID重复,若不存在,则对应候选量子随机ID与ID哈希表内的量子随机ID不重复。
图2为本发明实施例提供的基于量子随机数的ID生成装置的结构示意图,为了便于说明,仅示出与本发明实施例相关的部分,该装置包括:
参数配置单元,输出端与量子随机数发生器通讯的输入端连接,量子随机数发生器的输出端与ID生成单元连接;其中,参数配置单元用于配置子随机数发生器的量子随机数生成参数,包括:随机数位宽N、数据总数量T,将量子随机数生成参数发送至量子随机数发生器;量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID,发送至ID生成单元;ID生成单元检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
在本发明实施例中,ID生成单元包括哈希index值生成模块及哈希key值生成模块及重复性检测模块;
哈希index值生成模块取候选量子随机ID的前n比特数据为哈希index值;哈希key值生成模块取候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
重复性检测模块检测候选量子随机ID的哈希index值是否存在于已有的量子随机ID中,若不存在,则对应候选量子随机ID与已有的量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与已有量子随机ID重复,若不相同,则对应候选量子随机ID与已有量子随机ID不重复。
若候选量子随机ID的剩余(N-n)比特数据<=16,哈希key值生成模块将剩余(N-n)比特数据为哈希key值,若候选量子随机ID的剩余(N-n)比特数据>16,哈希key值生成模块对剩余(N-n)比特数据进行异或运算得到16比特的哈希key值。
在本发明实施例中,重复性检测模块包括:存储子模块,用于存储ID哈希表、ID哈希前表以及ID哈希表、ID哈希前表对应的哈希桶,
ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值,哈希桶用于存储ID哈希表及ID哈希前表中量子随机ID的哈希key值;
重复性检测子模块检测候选量子随机ID的哈希index值是否于ID哈希表、ID哈希前表中,若均不存在,则候选量子随机ID与量子随机ID不重复,若存在,则基于哈希index值检测对应哈希桶内是否存在候选量子随机ID的哈希key值,若存在,则候选量子随机ID与量子随机ID重复,若不存在,则候选量子随机ID与量子随机ID不重复。
在本发明实施例中,重复性检测模块还包括:在将候选量子随机ID作为量子随机ID后,更新子模块更新ID哈希表,将量子随机ID的哈希index值添加至ID哈希表,将哈希key放入ID哈希表对应的哈希桶中。
在ID哈希表的数据总量t大于等于T时,更新子模块清空ID哈希前表中的历史量子随机ID的哈希值, 将ID哈希表中的量子随机ID的哈希值迁移至ID哈希前表。
本发明采用量子随机数为信息系统提供高速量子随机数服务,并结合ID去重方法为信息系统提供高速、随机、全局唯一的ID生成服务。量子随机数发生器产生的量子随机数具有良好的随机性和不可预测性,解决了ID的随机性问题。由于量子随机数本身具有良好的随机性,可以设计轻量级的去重方法,生成的ID具有全局唯一性,可用作信息系统的主键、数据切片ID等。量子随机数发生器生成速度快,去重算法资源占用低,可实现高速率的ID生成服务,客服了传统基于伪随机数算法生成ID资源占用高、速率慢的性能瓶颈,能够适应大数据、分布式信息系统对ID生成性能需求,提升信息系统效能。此外,该方法生成的ID位宽可配置,能够灵活适应系统的不同需求。
本发明提供的基于量子随机数的ID生成方法及装置具有如下有益技术效果:
(1)基于高速量子随机数发生器产生的量子随机数,结合ID去重算法,可以提供高速ID生成服务,该方法具有ID全局唯一、量子随机性、生成速率快、资源占用低、ID位宽可配置等优点,能适应大数据、分布式信息系统对ID生成的需求;
(2)基于哈希表进行候选量子随机ID的重复性检测,支持动态的更新哈希表数据,能够保证一定量的量子随机ID的不重复性;哈希表的查重的CPU运算更为简单,速度更快;能够保证量子随机数的高性能输出。
(3)基于高速量子随机数发生器的量子随机数生成方法,可以提供高速随机数生成服务,该方法生成的随机数具有量子随机性、生成速率快、资源占用低等优点,能适应大数据、分布式信息系统对随机数生成的需求。
本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。

Claims (10)

1.一种基于量子随机数的ID生成方法,其特征在于,所述方法包括如下步骤:
步骤1:配置量子随机数生成参数,包括:位宽N、数据总数量T;
步骤2:量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID;
步骤3:检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
2.如权利要求1所述基于量子随机数的ID生成方法,其特征在于,基于哈希算法来检测候选量子随机ID是否与量子随机ID重复。
3.如权利要求2所述基于量子随机数的ID生成方法,其特征在于,基于哈希算法来的候选量子随机ID重复性检测过程具体如下:
随机数发生器产生位宽为N的候选量子随机ID;取候选量子随机ID的前n比特数据为哈希index值,候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
候选量子随机ID的哈希index值是否存在于量子随机ID,若不存在,则对应候选量子随机ID与量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与量子随机ID重复,若不相同,则对应候选量子随机ID与量子随机ID不重复。
4.如权利要求3所述基于量子随机数的ID生成方法,其特征在于,哈希key值的获取方法具体如下:
若候选量子随机ID的剩余(N-n)比特数据<=16,将剩余(N-n)比特数据为哈希key值;
若候选量子随机ID的剩余(N-n)比特数据>16,对剩余(N-n)比特数据进行异或运算得到16比特的哈希key值。
5.如权利要求1至4任一项所述基于量子随机数的ID生成方法,其特征在于,在步骤S3之后还包括:
在将候选量子随机ID作为量子随机ID后,更新ID哈希表,将量子随机ID的哈希index值添加至ID哈希表,将哈希key放入ID哈希表对应的哈希桶中;
其中,ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值。
6.如权利要求5所述基于量子随机数的ID生成方法,其特征在于,在ID哈希表的数据总量t大于等于T时,清空ID哈希前表中的历史量子随机ID的哈希值, 将ID哈希表中的量子随机ID的哈希值迁移至ID哈希前表。
7.如权利要求6所述基于量子随机数的ID生成方法,其特征在,基于ID哈希表和ID哈希前表的候选量子随机ID的重复性检测方法具体如下:
检测候选量子随机ID是否与ID哈希表、ID哈希前表中的量子随机ID重复,若存在重复,则丢弃该候选量子随机ID,若不存在重复,则候选量子随机ID与量子随机ID不重复。
8.一种基于量子随机数的ID生成装置,其特征在于,所述装置包括:
参数配置单元,输出端与随机数发生器通讯的输入端连接,随机数发生器的输出端与ID生成单元连接,其中:
参数配置单元用于配置子随机数发生器的量子随机数生成参数,包括:随机数位宽N、数据总数量T,将量子随机数生成参数发送至量子随机数发生器;
量子随机数发生器基于量子随机数生成参数生成量子随机参数,将量子随机参数作为候选量子随机ID,发送至ID生成单元;
ID生成单元检测候选量子随机ID是否与量子随机ID重复,若检测结果为是,则丢弃重复的候选量子随机ID,若检测结果为否,则将候选量子随机ID作为量子随机ID。
9.如权利要求8所述基于量子随机数的ID生成装置,其特征在于,ID生成单元包括:哈希index值生成模块及哈希key值生成模块及重复性检测模块;
哈希index值生成模块取候选量子随机ID的前n比特数据为哈希index值;哈希key值生成模块取候选量子随机ID的剩余(N-n)比特数据通过哈希函数运算得到哈希key值;
重复性检测模块检测候选量子随机ID的哈希index值是否存在于已有的量子随机ID中,若不存在,则对应候选量子随机ID与已有的量子随机ID不重复,若存在,则检测相同哈希index值的哈希key值是否相同,若相同,则认定对应候选量子随机ID与已有量子随机ID重复,若不相同,则对应候选量子随机ID与已有量子随机ID不重复。
10.如权利要求9所述基于量子随机数的ID生成装置,其特征在于,重复性检测模块包括:存储子模块,用于存储ID哈希表、ID哈希前表以及ID哈希表、ID哈希前表对应的哈希桶;
ID哈希前表用保存历史量子随机ID的index值,ID哈希表用于保存近期量子随机ID的index值,哈希桶用于存储ID哈希表及ID哈希前表中量子随机ID的哈希key值;
重复性检测子模块检测候选量子随机ID的哈希index值是否于ID哈希表、ID哈希前表中,若均不存在,则候选量子随机ID与量子随机ID不重复,若存在,则基于哈希index值检测对应哈希桶内是否存在候选量子随机ID的哈希key,若存在,则候选量子随机ID与量子随机ID重复,若不存在,则候选量子随机ID与量子随机ID不重复。
CN202311054439.8A 2023-08-22 基于量子随机数的id生成方法及装置 Active CN116774970B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311054439.8A CN116774970B (zh) 2023-08-22 基于量子随机数的id生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311054439.8A CN116774970B (zh) 2023-08-22 基于量子随机数的id生成方法及装置

Publications (2)

Publication Number Publication Date
CN116774970A true CN116774970A (zh) 2023-09-19
CN116774970B CN116774970B (zh) 2024-06-25

Family

ID=

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101996139A (zh) * 2009-08-28 2011-03-30 百度在线网络技术(北京)有限公司 数据匹配方法和数据匹配装置
CN108234501A (zh) * 2018-01-11 2018-06-29 北京国电通网络技术有限公司 一种基于量子密钥融合的虚拟电厂安全通信方法
CN108777616A (zh) * 2018-04-11 2018-11-09 中国科学院信息工程研究所 一种抗量子计算机攻击的电子选举方法、管理装置和和电子选举系统
CN110597489A (zh) * 2019-09-26 2019-12-20 腾讯科技(深圳)有限公司 一种随机数生成方法、设备及介质
CN110620764A (zh) * 2019-08-28 2019-12-27 如般量子科技有限公司 基于非对称密钥池和二次剩余的抗量子计算rfid认证方法及系统
CN111984625A (zh) * 2020-08-24 2020-11-24 北京人大金仓信息技术股份有限公司 数据库负载特征处理方法、装置、介质和电子设备
CN114362971A (zh) * 2022-03-21 2022-04-15 南京大学 一种基于哈希算法的数字资产确权和溯源方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101996139A (zh) * 2009-08-28 2011-03-30 百度在线网络技术(北京)有限公司 数据匹配方法和数据匹配装置
CN108234501A (zh) * 2018-01-11 2018-06-29 北京国电通网络技术有限公司 一种基于量子密钥融合的虚拟电厂安全通信方法
CN108777616A (zh) * 2018-04-11 2018-11-09 中国科学院信息工程研究所 一种抗量子计算机攻击的电子选举方法、管理装置和和电子选举系统
CN110620764A (zh) * 2019-08-28 2019-12-27 如般量子科技有限公司 基于非对称密钥池和二次剩余的抗量子计算rfid认证方法及系统
CN110597489A (zh) * 2019-09-26 2019-12-20 腾讯科技(深圳)有限公司 一种随机数生成方法、设备及介质
CN111984625A (zh) * 2020-08-24 2020-11-24 北京人大金仓信息技术股份有限公司 数据库负载特征处理方法、装置、介质和电子设备
CN114362971A (zh) * 2022-03-21 2022-04-15 南京大学 一种基于哈希算法的数字资产确权和溯源方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
MR李先生: "java—随机数去重(简单的方法)", CSDN *
李恕海;王育民;: "一种基于密钥回收的量子加密算法", 计算机科学, no. 11 *
李真;林琛;李弼程;: "基于Hash技术的重复性评论检测", 计算机应用, no. 2 *
雷奇;尚涛;刘建伟;: "基于随机预言模型的量子仲裁签名方案安全性分析", 密码学报, no. 06 *
驻北静望: "使用hash表进行数据去重", 博客园 *

Similar Documents

Publication Publication Date Title
Broder et al. Using multiple hash functions to improve IP lookups
US7941435B2 (en) Substring search algorithm optimized for hardware acceleration
US7624154B2 (en) Apparatus and method for handling electronic mail
EP2146292B1 (en) Method and apparatus for extracting information from a database
US10489403B2 (en) Embracing and exploiting data skew during a join or groupby
US6748401B2 (en) Method and system for dynamically managing hash pool data structures
Xiao et al. Using parallel bloom filters for multiattribute representation on network services
CA3171992A1 (en) Method and system for confidential string-matching and deep packet inspection
US11706114B2 (en) Network flow measurement method, network measurement device, and control plane device
CN1916838A (zh) 随机数发生器和用于生成随机数种子的方法
CN108460030B (zh) 一种基于改进的布隆过滤器的集合元素判断方法
US20180336357A1 (en) Locally private determination of heavy hitters
Pao et al. String searching engine for virus scanning
CN116774970B (zh) 基于量子随机数的id生成方法及装置
CN109947736B (zh) 实时计算的方法和系统
CN116774970A (zh) 基于量子随机数的id生成方法及装置
CN115292737B (zh) 一种多关键词模糊搜索加密方法、系统及电子设备
Xie et al. Towards Capacity-Adjustable and Scalable Quotient Filter Design for Packet Classification in Software-Defined Networks
Ahmadi et al. A memory-optimized Bloom filter using an additional hashing function
Li et al. Thresholded monitoring in distributed data streams
Minaei et al. Soap serialization performance enhancement, design and implementation of a middleware
US8990173B2 (en) Method and apparatus for selecting an optimal delete-safe compression method on list of delta encoded integers
Prezza Algorithms for Massive Data--Lecture Notes
Yang et al. Fast and accurate stream processing by filtering the cold
CN116319808A (zh) 一种用于数据查询的正向代理集群的实现方法及代理节点

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant