软件算法说明书 算法设计说明书
- 作者: 双腿夹着一个神
- 来源: 51数据库
- 2020-04-15
MD5有哪些算法说明？
Hash，一般翻译做＂散列＂，也有直接音译为＂哈希＂的，就是把任意长度的输入（又叫做预映射， pre-image），通过散列算法，变换成固定长度的输出，该输出就是散列值。
这种转换是一种压缩映射，也就是，散列值的空间通常远小于输入的空间，不同的输入可能会散列成相同的输出，而不可能从散列值来唯一的确定输入值。
Hash算法在信息安全方面的应用主要体现在以下的3个方面： 1） 文件校验 我们比较熟悉的校验算法有奇偶校验和CRC校验，这2种校验并没有抗数据篡改的能力，它们一定程度上能检测并纠正数据传输中的信道误码，但却不能防止对数据的恶意破坏。
MD5 Hash算法的＂数字指纹＂特性，使它成为目前应用最广泛的一种文件完整性校验和（Checksum）算法，不少Unix系统有提供计算md5 checksum的命令。
它常被用在下面的2种情况下： 第一是文件传送后的校验，将得到的目标文件计算 md5 checksum，与源文件的md5 checksum 比对，由两者 md5 checksum 的一致性，可以从统计上保证2个文件的每一个码元也是完全相同的。
这可以检验文件传输过程中是否出现错误，更重要的是可以保证文件在传输过程中未被恶意篡改。
一个很典型的应用是ftp服务，用户可以用来保证多次断点续传，特别是从镜像站点下载的文件的正确性。
更出色的解决方法是所谓的代码签名，文件的提供者在提供文件的同时，提供对文件Hash值用自己的代码签名密钥进行数字签名的值，及自己的代码签名证书。
文件的接受者不仅能验证文件的完整性，还可以依据自己对证书签发者和证书拥有者的信任程度，决定是否接受该文件。
浏览器在下载运行插件和java小程序时，使用的就是这样的模式。
第二是用作保存二进制文件系统的数字指纹，以便检测文件系统是否未经允许的被修改。
不少系统管理/系统安全软件都提供这一文件系统完整性评估的功能，在系统初始安装完毕后，建立对文件系统的基础校验和数据库，因为散列校验和的长度很小，它们可以方便的被存放在容量很小的存储介质上。
此后，可以定期或根据需要，再次计算文件系统的校验和，一旦发现与原来保存的值有不匹配，说明该文件已经被非法修改，或者是被病毒感染，或者被木马程序替代。
TripWire就提供了一个此类应用的典型例子。
更完美的方法是使用＂MAC＂。
＂MAC＂ 是一个与Hash密切相关的名词，即信息鉴权码（Message Authority Code）。
它是与密钥相关的Hash值，必须拥有该密钥才能检验该Hash值。
文件系统的数字指纹也许会被保存在不可信任的介质上，只对拥有该密钥者提供可鉴别性。
并且在文件的数字指纹有可能需要被修改的情况下，只有密钥的拥有者可以计算出新的散列值，而企图破坏文件完整性者却不能得逞。
2） 数字签名 Hash 算法也是现代密码体系中的一个重要组成部分。
由于非对称算法的运算速度较慢，所以在数字签名协议中，单向散列函数扮演了一个重要的角色。
在这种签名协议中，双方必须事先协商好双方都支持的Hash函数和签名算法。
签名方先对该数据文件进行计算其散列值，然后再对很短的散列值结果--如Md5是16个字节，SHA1是20字节，用非对称算法进行数字签名操作。
对方在验证签名时，也是先对该数据文件进行计算其散列值，然后再用非对称算法验证数字签名。
对 Hash 值，又称＂数字摘要＂进行数字签名，在统计上可以认为与对文件本身进行数字签名是等效的。
而且这样的协议还有其他的优点： 首先，数据文件本身可以同它的散列值分开保存，签名验证也可以脱离数据文件本身的存在而进行。
再者，有些情况下签名密钥可能与解密密钥是同一个，也就是说，如果对一个数据文件签名，与对其进行非对称的解密操作是相同的操作，这是相当危险的，恶意的破坏者可能将一个试图骗你将其解密的文件，充当一个要求你签名的文件发送给你。
因此，在对任何数据文件进行数字签名时，只有对其Hash值进行签名才是安全的。
3） 鉴权协议 如下的鉴权协议又被称作＂挑战--认证模式：在传输信道是可被侦听，但不可被篡改的情况下，这是一种简单而安全的方法。
需要鉴权的一方，向将被鉴权的一方发送随机串（＂挑战＂），被鉴权方将该随机串和自己的鉴权口令字一起进行 Hash 运算后，返还鉴权方，鉴权方将收到的Hash值与在己端用该随机串和对方的鉴权口令字进行 Hash 运算的结果相比较（＂认证＂），如相同，则可在统计上认为对方拥有该口令字，即通过鉴权。
散列算法长期以来一直在计算机科学中大量应用，随着现代密码学的发展，单向散列函数已经成为信息安全领域中一个重要的结构模块，我们有理由深入研究其设计理论和应用方法。
软件需求说明书内容都包括哪些
规范化软件开发过程中的《需求说明书》的编写，使之成为整个开发工作的基础。
2 适用范围本规范适用于集团开发项目的（软件）《需求说明书》的编写。
3 编写内容提示1 引言3.1.1 背景说明说明被开发软件的名称，任务提出者，用户及实现该软件的计算机网络。
3.1.2 参考资料列出有关资料（名称，发表日期，出版单位，作者等）。
3.1.3 术语和缩写词列出本文件中用到的专门术语的定义，及术语缩写词。
3.2 软件总体概述3.2.1 目标软件开发的意图、应用目标、作用范围以及需说明背景材料。
3.2.2 系统模型图示说明该软件的所有功能及其相互关系和数据传递情况。
3.2.3 假设和约束说明影响软件开发、运行环境和系统能力（如预告出错类型的能力）的某些假设和约束。
3.3 详细需求详细描述此软件系统的功能需求和性能需求。
3.3.1 功能需求对系统中每一个功能，要详细描述（图示或文字）。
概述 叙述功能名称，目标和作用。
输入 输入该功能的信息。
处理 描述该功能做什么，如何对输入信息进行加工并转换成输出信息。
输出 列出内部生成的文件。
3.3.2 性能需求定量地描述此软件系统应满足的具体性能需求。
可考虑以下方面：3.3.2.1精度说明系统的精度要求，如：数据的精度要求。
数字计算的精度要求。
数据传送的误码率要求。
3.3.2.2 时间特性说明系统的时间特性要求，如：解题时间。
询问和更新数据文件的响应时间。
系统各项功能的顺序关系。
3.3.2.3 灵活性说明当需求发生某些变化时系统的适应能力，指出为适应这些变化而需要设计的软件成分和过程。
3.3.2.4系统容量包括系统的设计容量和理论（计算）容量。
3.3.3 输入和输出解释各输入输出数据类型，并逐项说明某媒体、格式、数值范围等。
对软件的数据输出及必须标明的控制输出量进行解释并举例，包括对硬拷贝报告（正常结果输出、状态输出及异常输出）以及图形或显示报告的描述。
3.3.4 数据管理能力说明需要管理的文卷和记录的个数、表和文卷的大小规模，要按可预见的增长对数据及其分量的存储要求作估算。
3.3.5 故障处理列出可能的软件、硬件故障以及对各项性能而言所产生的后果和对故障处理的要求。
3.4 环境描述所开发软件运行所需的环境。
3.4.1 设备环境描述运行软件系统所需的设备能力，如：处理器的型号和内存容量。
存储媒体的数量。
通信网络（包括说明网络结构，线路速度及通讯协议等）。
3.4.2 支持软件环境列出与待开发的软件互相配合的支持软件（包括名称，版本号和文件资料），必要时还应列出测试软件，还要指出该软件用的编程语言，编译程序，操作系统和数据管理系统。
3.4.3 接口说明本软件与其他软件之间的接口、数据通信协议等。
3.4.4其他说明本软件系统在安全和保密方面的要求以及用户对使用方便、可维护性、可补充性、易读性、可靠性、运行环境可转换性的特殊要求。
软件自动化测试工具介绍有哪些呢？
又称共轭斜量法，是解线性代数方程组和非线性方程组的一种数值方法，例如对线性代数方程组 Ax=?， （1）式中A为n阶矩阵，x和?为n维列向量，当A对称正定时，可以证明求（1）的解X*和求二次泛函的极小值问题是等价的。
此处（x，у）表示向量x和у的内积。
由此，给定了初始向量x(0)，按某一方向去求（2）式取极小值的点x(1)，就得到下一个迭代值x(2)，再由x(2)出发，求x(3)等等，这样来逼近x*。
若取求极小值的方向为F在 x(k=1,2，…)处的负梯度方向就是所谓最速下降法，然而理论和实际计算表明这个方法的收敛速度较慢，共轭梯度法则是在 x(k-1)处的梯度方向r(k-1)和这一步的修正方向p(k-1)所构成的二维平面内，寻找使F减小最快的方向作为下一步的修正方向p(k)，即求极小值的方向p（其第一步仍取负梯度方向）。
计算公式为再逐次计算（k=1,2，…）。
可以证明当i≠j时，从而平p(1),p(2)形成一共轭向量组；r(0),r(1)，…形成一正交向量组。
后者说明若没有舍入误差的话，至多 n次迭代就可得到（1）的精确解。
然而在实际计算中，一般都有舍入误差，所以r(0),r(1)，…并不真正互相正交，而尣（0）尣（1），…等也只是逐步逼近（1）的真解，故一般将共轭梯度法作为迭代法来使用。
近来在解方程组（1）时，常将共轭梯度法同其他一些迭代法结合作用。
特别是对病态方程组这种方法往往能收到比较显著的效果。
其方法是选取一对称正定矩阵B并进行三角分解，得B=LLT。
将方程组（1）化为 hу=b, (3)此处y=lTx,b=l-1?，h=l-1Al-T，而再对（3）用共轭梯度法，计算公式为k=0,1,2，…）适当选取B，当B很接近A时，h的条件数较之A大大减小，从而可使共轭梯度法的收敛速度大为加快，由一些迭代法的矩阵分裂A=M -N，可选取M 为这里的B，例如对称超松弛迭代（SSOR），强隐式迭代（SIP）等，这类方法常称为广义共轭梯度法或预条件共轭梯度法，它也可用于解代数特征值问题。
...
