delle funzioni di verifica V = {ver: Pä Aä K Ø {vero,falso}} è l insieme Alberto Leporati Corso di Crittografia 2 Firme Digitali e Funzioni di Hash

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "delle funzioni di verifica V = {ver: Pä Aä K Ø {vero,falso}} è l insieme Alberto Leporati Corso di Crittografia 2 Firme Digitali e Funzioni di Hash"

Transcript

1 Crttografa Corso d Laurea Specalstca n Informatca Frme Dgtal e Funzon d Hash Alberto Leporat Dpartmento d Informatca, Sstemstca e Comuncazone Unverstà degl Stud d Mlano Bcocca e-mal: alberto.leporat@unmb.t leporat@dsco.unmb.t Frme dgtal come per le funzon d cfratura e decfratura, fssando una chave k œ K s selezonano due funzon: sg k : P Ø A ver k : P ä A Ø {vero,falso} tal che " x œ P e " y œ A ver k x, y vero ñ y sg k x una coppa x, y sffatta vene detta un messaggo frmato Alberto Leporat Corso d Crttografa 3 Frme dgtal Uno schema per le frme dgtal è una untupla P,A,K,S,V dove: P è l nseme de possbl messagg da frmare A è l nseme delle possbl frme K è l nseme delle possbl chav S {sg: Pä K Ø A} è l nseme delle funzon d frma V {ver: Pä Aä K Ø {vero,falso}} è l nseme delle funzon d verfca Alberto Leporat Corso d Crttografa 2 Frme dgtal dfferenze rspetto alle frme autografe: la frma y è separata dal documento x la frma non è sempre uguale: camba al varare del documento la frma dgtale autentca l mttente del messaggo: solo ch conosce una certa nformazone segreta può aver prodotto la frma del messaggo Alberto Leporat Corso d Crttografa 4

2 Frme dgtal supponamo che Alce vogla frmare un messaggo m: scegle una coppa sg k, ver k d algortm tene segreto sg k, e rende pubblco ver k calcola σ sg k m supponamo ora che Bob vogla verfcare la frma calcolata da Alce: consdera la coppa m, σ preleva l algortmo ver k accetta la frma come valda se e solo se ver k m,σ vero Alberto Leporat Corso d Crttografa 5 Frme dgtal ogn crttosstema a chave pubblca può essere usato come schema per le frme dgtal: s frma usando la chave prvata s verfca usando la chave pubblca und, solo ch possede la chave prvata è n grado d frmare chunue può verfcare la frma n uesto modo, s resce ad autentcare l mttente d un messaggo usando solo un crttosstema a chave pubblca vedere prossme slde Alberto Leporat Corso d Crttografa 7 Frme dgtal possbl obettv d Eve: rottura totale dello schema: n ualche modo, Eve resce a determnare la chave segreta k e und la funzone d frma sg k d Alce exstental forgery: avendo osservato alcune coppe x, y,, x, y d messagg con le relatve frme, uando arrva un nuovo messaggo Eve resce a produrre una frma valda solo per uel messaggo, o per una classe d messagg sml tra loro Alberto Leporat Corso d Crttografa 6 Frme dgtal supponamo che Alce vogla nvare a Bob l messaggo m Alce possede una coppa E A, D A d funzon d cfratura e decfratura tene segreta D A rende pubblca E A Bob possede la coppa d funzon E B, D B tene segreta D B rende pubblca E B Alberto Leporat Corso d Crttografa 8

3 Frme dgtal Alce cfra l messaggo m per Bob, e po lo frma, calcolando D A E B m e nva l rsultato a Bob Bob verfca la frma d Alce applcando E A, e po decfra: D B E A D A E B m m problema: anche Eve conosce E A! può applcare E A, e po usare D E per sostturs ad Alce soluzone corretta: Alce frma l messaggo m e po lo cfra per Bob: E B D A m Alberto Leporat Corso d Crttografa 9 Schema d frma d El Gamal supponamo che Alce vogla frmare un messaggo m œ p *; anztutto genera la propra coppa d chav: scegle una chave segreta a, con 0 < a < p- calcola β g a mod p la chave pubblca è la terna p, g, β per frmare m : scegle a caso k œ p- * calcola γ g k mod p e δ m aγ k - mod p- la coppa γ, δ è la frma d m Alberto Leporat Corso d Crttografa Schema d frma d El Gamal pubblcato nel 985 una versone modfcata è stata adottata come standard DSA Dgtal Sgnature Algorthm dal NIST è non determnstco Ø c sono molte frme valde per ogn messaggo sa p un numero prmo sa g un generatore d p * messagg da frmare sono element d p * le frme sono coppe γ, δ, con γ œ p * e δœ p- Alberto Leporat Corso d Crttografa 0 Schema d frma d El Gamal Bob accetta la frma come valda se e solo se β γ γ δ ª g m mod p supponamo che la frma sa stata prodotta correttamente; allora: β γ γ δ ª g aγ ÿ g kδ ª g m mod p la congruenza g aγ + kδ ª g m mod p vale se e solo se aγ + kδ ª m mod p-, ovvero se e solo se γ e δ sono stat calcolat come nella slde precedente Ø Bob accetta e rfuta correttamente Alberto Leporat Corso d Crttografa 2

4 Schema d frma d El Gamal: scurezza supponamo che Eve vogla produrre una frma per m, senza conoscere a se Eve scegleγ e vuole calcolare l δ corrspondente, deve calcolare l logartmo dscreto log γ g m β -γ se Eve scegleδe vuole calcolare γ, deve rsolvere l euazoneβ γ ÿγ δ ª g m mod p, rspetto a γ problema dverso dal logartmo dscreto non s conosce un metodo d rsoluzone polnomale problema poco studato Alberto Leporat Corso d Crttografa 3 Schema d frma d El Gamal: scurezza se mponamo m δª0 mod p- e γ + jδª0 mod p- allora uesta congruenza vale dat e j, se MCDj, p- è facle trovare m, δ e γ che verfcano ueste due congruenze: γ g ÿβ j mod p δ -γÿj - mod p- m -γÿÿ j - mod p- s verfca faclmente che valor γ, δ sono una frma valda per m Alberto Leporat Corso d Crttografa 5 Schema d frma d El Gamal: scurezza se Eve scegleγ e δ, e vuole calcolare un m corrspondente, deve calcolare l logartmo dscreto log g β γ ÿγ δ tuttava, Eve può calcolare γ, δ e m nseme: supponamo d scrvere γ g ÿβ j mod p, con 0, j p-2 la condzone d verfca è: g m ªβ γ ÿ g ÿβ j δ mod p che euvale a: g m - δ ªβ γ + jδ mod p Alberto Leporat Corso d Crttografa 4 Frme dgtal problema: usando un crttosstema a chave pubblca per frmare, le frme hanno la stessa dmensone del messaggo! es: frma dgtale dell mmagne ISO d un CD con El Gamal le frme hanno dmensone doppa! c vorrebbe una funzone che: prende n ngresso un messaggo d dmensone arbtrara produce un output pccolo sa one-way soluzone: le funzon d hash prevengono anche l attacco allo schema d El Gamal Alberto Leporat Corso d Crttografa 6

5 Funzon d hash calcolano un mpronta o message dgest de dat d nput l mpronta è pccola, e soltamente d lunghezza prefssata es: 28 bt per MD5, 60 bt per SHA- possono essere usate per verfcare l ntegrtà de dat coè come MAC Message Authentcaton Codes vengono usate nelle frme dgtal: anzché frmare tutto m, s frma la sua mpronta hm Ø la frma è pccola, e sempre della stessa lunghezza Alberto Leporat Corso d Crttografa 7 Funzon d hash l nseme X può essere fnto es: {0,} n oppure nfnto l nseme Y è sempre fnto se X è fnto, s assume X Y ; anz, spesso, s assume X 2 Y n tal caso, h: X Ø Y vene detta anche funzone d compressone da non confondere con format d compressone zp, arj, ecc. Alberto Leporat Corso d Crttografa 9 Funzon d hash come per crttosstem, le funzon d hash possono essere selezonate da una famgla, sceglendo una chave defnzone: una famgla hash è una uadrupla X, Y, K, H dove: X è l nseme de possbl messagg Y è l nseme delle possbl mpronte K è l nseme delle chav H {h k : X Ø Y k œ K} è l nseme delle funzon d hash Alberto Leporat Corso d Crttografa 8 Funzon d hash deve essere dffcle rsolvere seguent problem premage: nput: h: X Ø Y e y œ Y output: x œ X tale che hx y Ø h deve essere una funzone one-way second premage: nput: h: X Ø Y e x œ X output: x œ X tale che x x e hx hx collson: nput: h: X Ø Y output: x, x œx tale che x x e hx hx Alberto Leporat Corso d Crttografa 20

6 Collson osservazone: collson è pù facle d second premage algortmo per collson s suppone d poter valutare h per volte FndCollson h, scegl X 0 Œ X, con X 0 for each x œ X 0 do y x hx f y x y x per ualche x x then return x, x else return fallmento Alberto Leporat Corso d Crttografa 2 Collson allora, la probabltà d non avere collson è: 2 L M M M M se x è un numero reale pccolo, allora - x º e -x und, Pr[no collson] pertanto, Pr[almeno una e M collsone] e M e 2 M e 2 ε M Alberto Leporat Corso d Crttografa 23 Collson teorema: posto M Y, la probabltà d successo d FndCollson è: ε M M 2 M + L M M M dmostrazone: sa X 0 {x,, x } per, sa E l evento hx {hx,, hx - } allora Pr[E ], e M M 2 Pr[ E E 2 L E ] L M M M + M da cu segue l rsultato. É Alberto Leporat Corso d Crttografa 22 Collson da cu: 2 M e 2 2 M 2 M 2 M ln ε ln ln ε ε ε uesto termne lo gnoramo Alberto Leporat Corso d Crttografa 24

7 Collson se ε ½, allora º.7 M ovvero: calcolando l hash d crca M element scelt a caso abbamo una collsone con probabltà ½ und: Y {0,} 40 Ø M 2 40 Ø M nscura! Y {0,} 28 Ø M 2 28 Ø M 2 64 scura per poco tempo! soltamente s rchede: Y {0,} 60 Ø M 2 60 Ø M 2 80 Alberto Leporat Corso d Crttografa 25 Funzon hash terate data una funzone d compressone compress: {0,} m+t Ø {0,} m, con t mostramo come usarla per costrure una funzone d hash h, usando la tecnca delle funzon hash terate la tecnca consste d tre fas: pre-elaborazone elaborazone trasformazone dell output opzonale pre-elaborazone: data una strnga d nput x, d lunghezza x m+t+, s costrusce una strnga y tale che y ª 0 mod t Alberto Leporat Corso d Crttografa 27 Collson esempo: paradosso del compleanno Quante persone occorre avere n una stanza n modo che abba un probabltà uguale a ½ d trovare due persone con lo stesso compleanno? M nonostante l nome, non è un paradosso, è solo un rsultato controntutvo Alberto Leporat Corso d Crttografa 26 Funzon hash terate soltamente s usa una funzone d paddng padx che ncorpora l valore x e pone ad esempo bt rmanent a zero; s pone und: y x padx s dvde y n r blocch d t bt cascuno: y y y 2 y r la fase d pre-elaborazone deve asscurare che la funzone f: x Ø y da essa calcolata sa nettva, coè: x x fl fx fx altrment s potrebbero generare collson n h è possble asscurare l nettvtà, dato che y rt x Alberto Leporat Corso d Crttografa 28

8 Funzon hash terate elaborazone: sa IV una strnga pubblca d m bt valore d nzalzzazone s calcola: z 0 IV z compressz 0 y z 2 compressz y 2 z r compressz r- y r Alberto Leporat Corso d Crttografa 29 Costruzone d Merkle-Damgård utlzza la tecnca delle funzon d hash terate s resce a dmostrare che se compress è resstente alle collson allora anche la funzone hash h rsultante è resstente alle collson supponamo che x n m+t+ e che t 2 se dvdamo x n k blocch d t- bt cascuno: x x x 2 µ x k allora x k t d, con 0 d t 2 e l valore d hx è dato dall output del seguente algortmo k t n Alberto Leporat Corso d Crttografa 3 Funzon hash terate trasformazone dell output opzonale: sa g : {0,} m Ø {0,} l una funzone pubblca s pone hx gz r la funzone d hash terata costruta n uesto modo è: h : {0,} {0, } U m + t + l und, prende n nput una strnga x d lunghezza arbtrara m+t+, e produce n output una strnga hx d lunghezza fssata l Alberto Leporat Corso d Crttografa 30 Costruzone d Merkle-Damgård compress: {0,} m+t Ø {0,} m, con t 2 n x ; k n/t- ; d n kt- for to k- do y x y k x k 0 paddng y k+ rappresentazone bnara d t- bt d d z 0 m+ y g compressz for to k do z + g y + g + compressz + return g hx g k+ Alberto Leporat Corso d Crttografa 32

9 Costruzone d Merkle-Damgård teorema [Stnson, pag. 29]: se compress è resstente alle collson, lo è anche h se t, occorre una costruzone dversa supponamo und che x n m+2, e che compress: {0,} m+ Ø {0,} m codfchamo x con fx, dove f è defnta su {0,} come segue: f00 f 0 l valore d hx è dato dall output del seguente algortmo Alberto Leporat Corso d Crttografa 33 Costruzone d Merkle-Damgård s ottene una funzone d hash: h : {0,} {0, } U m + 2 l teorema [Stnson, pag. 32]: se compress è resstente alle collson, lo è anche h Alberto Leporat Corso d Crttografa 35 Costruzone d Merkle-Damgård Merkle-Damgård2x n x y fx fx 2 µ fx n sa y, y 2,, y k la seuenza d bt d y g compress 0 m y for k- do g + compress g y + return g hx g k Alberto Leporat Corso d Crttografa 34 Funzon d hash la prma funzone d hash, MD4, è stata proposta da Rvest nel 990 MD5 è una modfca d MD4 costant dverse, pù terazon pù resstente agl attacch sono stat trovat metod per generare collson nelle funzon d compressone d MD4 e d MD5 ma non nella versone completa d MD4 e d MD5 SHA è stata proposta come standard dal NIST nel 993, ed è stata adottata nel documento FIPS 80 s conosce una tecnca per generare collson n SHA con 2 6 tentatv Ø pù effcente del brthday attack, che ne rchede 2 80 SHA- descrtto n FIPS 80- è una pccola modfca d SHA che non rende possble uesto attacco Alberto Leporat Corso d Crttografa 36

10 Funzon d hash nel 200 l NIST ha annuncato la proposta per le nuove funzon SHA-256, SHA-354 e SHA-52 numer s rferscono alla dmensone del message dgest s basano sempre sulla tecnca delle funzon hash terate la loro descrzone è pù complcata d uelle d MD5 e SHA- vedamo ora le funzon hash attualmente pù utlzzate: SHA- e MD5 Alberto Leporat Corso d Crttografa 37 SHA-: paddng prma operazone: paddng d m SHA--PADm d m mod 52 l rappresentazone bnara d m, con l se l < 64 s aggungono zer a snstra fnché l 64 y m 0 d l osservazon: l s aggunge sempre, anche se m 0 m 0 d ha lunghezza ª 448 mod 52 y ha lunghezza ª 0 mod 52 Alberto Leporat Corso d Crttografa 39 SHA- message dgest da 60 bt tutte le operazon sono basate su word da 32 bt operazon usate:,,.,, Ÿ bt a bt + addzone ntera modulo 2 32 rotl s X rotazone a snstra d X d s poszon, con 0 s 3 ndchamo con m l messaggo s assume che m 2 64 Ø l rappresentazone bnara d m è lunga al massmo 64 bt Alberto Leporat Corso d Crttografa 38 SHA- dopo l paddng, y può essere suddvsa n blocch y M M 2 µ M n dove ogn blocco M è d 52 bt defnamo le funzon f 0,, f 79 come segue: B, C, D sono word da 32 bt l output è una word f B, C, D B C B D se 0 B C D se 20 B C B D C D se 40 B C D se Alberto Leporat Corso d Crttografa 40

11 SHA- noltre, defnamo le word costant K 0,, K 79 come segue espresse n esadecmale: K 5A ED9EBA 8FBBCDC CA62CD6 se se se se s usano 5 regstr H 0, H, H 2, H 3, H 4 da 32 bt che alla fne conterranno l rsultato, pù 5 regstr A, B, C, D, E d 32 bt d appoggo Alberto Leporat Corso d Crttografa 4 SHA-: pseudocodce for to n do sa M w 0 w µ w 5, dove ogn w è una word for t 6 to 79 do w t rotl w t-3 w t-8 w t-4 w t-6 A H 0 ; B H ; C H 2 ; D H 3 ; E H 4 for t 0 to 79 do temp rotl 5 A + f t B, C, D + E + w t + K t E D; D C; C rotl 30 B; B A A temp Alberto Leporat Corso d Crttografa 43 SHA-: pseudocodce SHA-m y SHA--PADm sa y M M 2 µ M n, dove ogn M è un blocco d 52 bt H H EFCDAB89 H 2 98BADCFE H H 4 nzalzzazone de regstr Alberto Leporat Corso d Crttografa 42 SHA-: ndentato sotto for t 0 to 79 H 0 H 0 + A H H + B H 2 H 2 + C H 3 H 3 + D H 4 H 4 + E return H 0 H H 2 H 3 H 4 come s vede, SHA- segue l modello delle funzon hash terate Alberto Leporat Corso d Crttografa 44

12 MD5 message dgest da 28 bt è dventato uno standard de facto effcente su macchne a 32 bt pù lento ma pù scuro d MD4 operazon usate le stesse d SHA-:,,.,, Ÿ bt a bt + addzone ntera modulo 2 32 rotl s X rotazone a snstra d X d s poszon, con 0 s 3 ndchamo con mœ {0,} b l messaggo Alberto Leporat Corso d Crttografa 45 MD5: paddng l paddng è uguale a uello d SHA- unca dfferenza: la doppa word che contene la rappresentazone bnara d b vene attaccata al contraro prma la word meno sgnfcatva analogamente, n MD5 all nterno d ogn word compare prma l byte meno sgnfcatvo ne byte, nvece, compare prma l bt pù sgnfcatvo ueste ncongruenze sono state corrette con SHA- valgono le stesse osservazon fatte per SHA-: l s aggunge sempre, anche se m 0 m 0 d ha lunghezza ª 448 mod 52 y ha lunghezza ª 0 mod 52 Alberto Leporat Corso d Crttografa 47 MD5: paddng la lunghezza b d m è arbtrara, nel caso n cu b 2 64 crca 2.5 mlard d GB, s consdera la rappresentazone bnara solo de 64 bt meno sgnfcatv d b prma operazone: paddng d m MD5-PADm d m mod 52 l rappresentazone bnara d b, con l se l < 64 s aggungono zer a snstra fnché l 64 y m 0 d l Alberto Leporat Corso d Crttografa 46 MD5 la lunghezza d y è anche un multplo d 6 word 6 x 4 byte 6 x 4 x 8 bt 52 bt und, dopo l paddng, y può essere suddvsa n word: dove è un multplo d 6 y M 0 M µ M - defnamo le funzon F, G, H, I come segue: F G H X X X,,, Y Y Y,,, Z Z Z I X, Y, Z Y X Z X X X Y Z Y Z X Y Z Z Alberto Leporat Corso d Crttografa 48

13 MD5: pseudocodce X, Y, Z sono word da 32 bt l output è una word s usano 4 regstr A, B, C, D da 32 bt che alla fne conterranno l rsultato pù 4 regstr AA, BB, CC, DD d 32 bt d appoggo noltre, s usa un array T[..64] d 64 word l valore d T[] è dato dalla parte ntera d: ÿ sn dove è espresso n radant l elaborazone avvene un blocco d 6 word alla volta; l blocco attuale è contenuto n un buffer X[0..5] d 6 word Alberto Leporat Corso d Crttografa 49 MD5: pseudocodce for 0 to N/6 do for j 0 to 5 do X[j] M[*6 + j] AA A BB B CC C DD per ogn blocco da 6 copa l blocco n salva l contenuto de ne regstr d seguono uattro per modfcare l valore de A, B, C e D Alberto Leporat Corso d Crttografa 5 MD5: pseudocodce MD5m y MD5-PADm sa y M 0 M µ M N-, dove ogn M è una word d 32 bt, ed N è un multplo d 6 A B 89ABCDEF C FEDCBA98 D sono gl stess usat per H0, H, H2, n SHA- Alberto Leporat Corso d Crttografa 50 MD5: prmo [abcd k s ] è un abbrevazone a b + rotl s a + Fb,c,d + X[k] + T[] [ABCD 0 7 ] [DABC 2 2] [CDAB 2 7 3] [BCDA ] [ABCD 4 7 5] [DABC 5 2 6] [CDAB 6 7 7] [BCDA ] [ABCD 8 7 9] [DABC 9 2 0] [CDAB 0 7 ] [BCDA 22 2] [ABCD 2 7 3] [DABC 3 2 4] [CDAB 4 7 5] [BCDA ] Alberto Leporat Corso d Crttografa 52

14 MD5: secondo [abcd k s ] è un abbrevazone a b + rotl s a + Gb,c,d + X[k] + T[] [ABCD 5 7] [DABC 6 9 8] [CDAB 4 9] [BCDA ] [ABCD 5 5 2] [DABC ] [CDAB ] [BCDA ] [ABCD ] [DABC ] [CDAB ] [BCDA ] [ABCD ] [DABC ] [CDAB 7 4 3] [BCDA ] Alberto Leporat Corso d Crttografa 53 MD5: uarto [abcd k s ] è un abbrevazone a b + rotl s a + Ib,c,d + X[k] + T[] [ABCD ] [DABC ] [CDAB 4 5 5] [BCDA ] [ABCD ] [DABC ] [CDAB ] [BCDA 2 56] [ABCD ] [DABC ] [CDAB ] [BCDA ] [ABCD 4 6 6] [DABC 0 62] [CDAB ] [BCDA ] Alberto Leporat Corso d Crttografa 55 MD5: terzo [abcd k s ] è un abbrevazone a b + rotl s a + Hb,c,d + X[k] + T[] [ABCD ] [DABC 8 34] [CDAB 6 35] [BCDA ] [ABCD 4 37] [DABC 4 38] [CDAB ] [BCDA ] [ABCD 3 4 4] [DABC 0 42] [CDAB ] [BCDA ] [ABCD ] [DABC 2 46] [CDAB ] [BCDA ] Alberto Leporat Corso d Crttografa 54 MD5: pseudocodce A A + AA B B + BB C C + CC D D + DD return A B C D osservazone: byte d A, B, C e D vanno stampat dal meno sgnfcatvo al pù sgnfcatvo Alberto Leporat Corso d Crttografa 56

15 Uso delle funzon d hash supponamo che Alce vogla frmare un messaggo m, usando un crttosstema a chave pubblca calcola hm, dove h è una funzone d hash calcola D A hm spedsce a Bob l messaggo frmato m, D A hm Bob, per verfcare la frma: calcola x hm calcola y E A D A hm accetta la frma come valda se e solo se x y come MAC: Alce spedsce a Bob la coppa m, hm x, y Bob accetta m come genuno solo se y hx Alberto Leporat Corso d Crttografa 57 Dgtal Sgnature Algorthm DSA lo spazo delle frme è A p *µ p * Ø ogn frma è lunga 320 bt lo spazo delle chav è: K {p,, α, β : β ªα a mod p} con 0 a - chave pubblca: p,, α, β chave prvata: a per frmare m œ P, Alce scegle a caso r, con r -, e calcola: sg k m, r γ, δ Alberto Leporat Corso d Crttografa 59 Dgtal Sgnature Algorthm DSA sano: p un prmo da L bt tale che l logartmo dscreto sa ntrattable n p *, dove L ª 0 mod 64 e 52 L 024 un prmo da 60 bt che dvde p- α œ p * una radce -esma d modulo p α ha ordne, coèα ª mod p basta prendere un generatore g d p *, e porre α g p-/ mod p lo spazo de messagg è P {0,}* Alberto Leporat Corso d Crttografa 58 Dgtal Sgnature Algorthm DSA dove: γ α r mod p mod δ SHA-m + aγ ÿ r - mod se vene γ 0 oppure δ 0 s scegle un nuovo valore r per verfcare che γ, δ œ *µ * è una frma per m œ {0,}*, s calcola: e SHA-m ÿδ - mod e 2 γÿδ - mod Alberto Leporat Corso d Crttografa 60

16 Dgtal Sgnature Algorthm DSA e s accetta la frma come valda coè ver k x, γ, δ vero se e solo se: α e β e 2 mod p mod γ la verfca della valdtà del crtero d accettazone rchede alcun cont delcat modulo p e modulo DSA è stato proposto nel 99 dalla NSA, ed è dventato uno standard del NIST a causa del progresso degl algortm per l calcolo del logartmo dscreto, nell ottobre 200 l NIST ha proposto d fssare L 024 Alberto Leporat Corso d Crttografa 6 PKI Publc Key Infrastructures Alce manda E E D A m a Eve Eve calcola E A D E E E D A m e rcava m Eve spedsce a Bob E B D A m Alce e Bob non s accorgono d nulla le frme dgtal asscurano che m è stato prodotto da Alce, non che è stato spedto da Alce! l problema è: uando ad Alce arrva una chave pubblca, come fa a essere certa che è uella d Bob? Alberto Leporat Corso d Crttografa 63 PKI Publc Key Infrastructures problema della crttografa a chave pubblca: l canale non è autentcato ch rceve un messaggo non può essere certo del mttente ch spedsce un messaggo, non può essere certo del destnataro le frme dgtal prma frmo, po cfro rsolvono l problema? Alce deve mandare un messaggo m a Bob chede a Bob la chave pubblca uando Bob spedsce E B, Eve la ntercetta e la sosttusce con E E Alberto Leporat Corso d Crttografa 62 PKI Publc Key Infrastructures soluzone: Certfcaton Authortes CA Alce e Bob s scrvono presso la CA per scrvers devono mostrare de document d denttà la CA fornsce a cascuno una coppa chave pubblca, chave prvata la CA mette le chav pubblche n un elenco, ad es. dsponble su Internet uando Alce vuole la chave pubblca d Bob, la preleva dall elenco Alberto Leporat Corso d Crttografa 64

17 PKI Publc Key Infrastructures così facendo, però, la CA dventa un collo d bottgla per le comuncazon! prma soluzone: la CA delega e autorzza altre CA CA s forma una gerarcha d CA PKI Infrastruttura a chave pubblca problema: mantenere aggornate le nformazon uando vene fatta una modfca n una CA, uesta s deve propagare velocemente alle altre CA CA Alberto Leporat Corso d Crttografa 65 PKI Publc Key Infrastructures l certfcato è frmato dalla CA la chave segreta della CA deve essere molto dffcle da falsfcare la chave pubblca della CA deve essere faclssma da trovare uotdan, rvste, rado, televsone, telefono, Internet, SMS, Ø uando la CA camba chav, bsogna aggornarle dappertutto uando Alce vuole la chave d Bob, Bob le dà l propro certfcato fornto dalla CA Alberto Leporat Corso d Crttografa 67 PKI Publc Key Infrastructures seconda soluzone: all atto dell scrzone, ogn utente rceve un certfcato: sg CA Bob, E B, data nzale, data fnale che ndca: ual è la chave pubblca a ch s rfersce l ntervallo temporale n cu l certfcato è valdo volendo, s possono aggungere altre nformazon utl Alberto Leporat Corso d Crttografa 66 PKI Publc Key Infrastructures per mbroglare, Eve dovrebbe costrure un certfcato del tpo: sg CA Bob, E E, data nzale, data fnale se Bob pensa che la propra chave segreta sa compromessa, può revocare le chav e und l certfcato uando Bob revoca le chav, la CA mette l certfcato corrspondente n una lsta, che s chama Certfcate Revocaton Lst CRL uando Alce rceve l certfcato da Bob, deve controllare che non sa nella CRL Alberto Leporat Corso d Crttografa 68

18 PKI Publc Key Infrastructures la CRL può essere pubblcata dalla CA oppure dstrbuta a tutt gl utent problema: dstrbuzone rapda delle modfche problema a monte: bsogna fdars della CA le persone possono essere corrotte, e comunue non rescono a svolgere l lavoro a mano computer hanno un sacco d problem d scurezza altro modello: Web of Trust adottato da PGP non rchede alcuna autortà centrale Alberto Leporat Corso d Crttografa 69 Web of Trust dea: cascuno assegna un punteggo alle persone con cu comunca l punteggo può essere dato drettamente oppure calcolato l calcolo del punteggo s basa su regole del tpo: se m fdo d A punteggo alto e A s fda d B, l punteggo d B sale se m fdo d A e A non s fda d B, l punteggo d B scende und, l punteggo d B è calcolato come combnazone lneare su tutte le persone che lo conoscono e che o conosco Alberto Leporat Corso d Crttografa 70

Crittografia. Firme Digitali e Funzioni di Hash. Corso di Laurea Specialistica. in Informatica

Crittografia. Firme Digitali e Funzioni di Hash. Corso di Laurea Specialistica. in Informatica Crittografia Corso di Laurea Specialistica in Informatica Firme Digitali e Funzioni di Hash Alberto Leporati Dipartimento di Informatica, Sistemistica e Comunicazione Università degli Studi di Milano Bicocca

Dettagli

* + %&'() H i. Consultare una tabella che riporta il valore h(x) scelto in maniera casuale

* + %&'() H i. Consultare una tabella che riporta il valore h(x) scelto in maniera casuale %&()!"### "$ Il paradosso del compleanno può essere utlzzato per attaccare le funzon hash Se l dgest prodotto è d n bt: Genera r1 varant del messaggo orgnale: Alce è n debto con Bob d 1000 euro Genera

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Scrivere programmi corretti

Scrivere programmi corretti Scrvere programm corrett L esempo della rcerca bnara o dcotomca J. Bentley, Programmng Pearls, Addson Welsey. 1 Schema processo produzone funzone teratva Algortmo n pseudo-codce Indvduazone nvarante Codfca

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione: Cognome... Nome.. Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 17 Luglo 2014 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un documento

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Lezione 2 Codifica della informazione

Lezione 2 Codifica della informazione Lezone Codfca della nformazone Vttoro Scarano Archtettura Corso d Laurea n Informatca Unverstà degl Stud d Salerno Organzzazone della lezone La codfca della nformazone Notazone poszonale Rappresentazone

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Misure dirette utilizzate per il calcolo della misura indiretta X:

Misure dirette utilizzate per il calcolo della misura indiretta X: Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Algoritmi basati sulla tecnica Divide et Impera

Algoritmi basati sulla tecnica Divide et Impera Qucksort Algortm basat sulla tecnca Dvde et Impera In questo corso: Rcerca bnara Mergesort (ordnamento) Qucksort (ordnamento) Moltplcazone d nter Moltplcazone d matrc (non n programma) NOTA: nonostante

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

Reti neurali feedforward

Reti neurali feedforward Ret neural feedforward Stefano Ferrar Unverstà degl Stud d Mlano stefanoferrar@unmt Ret Neural Stage 04 Rete neurale feedforward S () x y S () x y 4 S () x 4 5 Stefano Ferrar Stage d Ret Neural aa 0/4

Dettagli

Verifica reti con più serbatoi (II)

Verifica reti con più serbatoi (II) Verfca ret con pù serbato (I) Condzon al contorno per gl N nod della rete e corrspondent ncognte: Condzone mposta Incognta A) carco pezometrco portata concentrata B) portata concentrata carco pezometrco

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 03-4, lez.9) Matematca Computazonale, Ottmzzazone,

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca

Dettagli

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini Esame del corso d Tecnche Avanzate per l Trattamento delle Immagn Data: 18 Settembre 2007 1 Es.1 [pt. 5]: Nella fgura (10x10 pxel) rportata a fanco l rettangolo banco è d dmenson 6x4 pxel. Indcando con

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

Dettagli

Laboratorio di Matematica e Informatica 1

Laboratorio di Matematica e Informatica 1 Laboratoro d Matematca e Informatca 1 Matteo Mondn Antono E. Porreca matteo.mondn@gmal.com porreca@dsco.unmb.t Dpartmento d Informatca, Sstemstca e Comuncazone Unverstà degl Stud d Mlano - Bcocca 10 Gennao

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Errata corrige del libro Fondamenti di Informatica in Java

Errata corrige del libro Fondamenti di Informatica in Java corrge del lbro Fondament d Informatca n Java Emlo D Gacomo, Walter Ddmo Captolo 1 R1 R2 R3 Rn PC IR PSW Untà d controllo Pag. 23, Fgura 1.2 Bus nterno ALU MAR MDR al bus dat al bus ndrzz al bus d controllo

Dettagli

Classificazione di immagini con GRASS

Classificazione di immagini con GRASS Classfcazone d mmagn con GRASS Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento Classfcazone d mmagn Scopo della classfcazone: rcavare da una mmagne nformazon sulla superfce. Foto

Dettagli

IL GRUPPO SIMMETRICO S n

IL GRUPPO SIMMETRICO S n EMILIO ZAPPA MATRICOLA UNIVERSITA DEGLI STUDI DI TORINO DIPARTIMENTO DI MATEMATICA ANNO ACCADEMICO 00/00 TESINA PER IL LABORATORIO DI COMBINATORICA IL GRUPPO SIMMETRICO S n IL GIOCO DEL Sa A un nseme fnto

Dettagli

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali. FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore

Dettagli

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE MODLLI R GSTION LA RICRCA DLL'INFORMAZION Algortm d Apprendmento avanzato per l Informaton Retreval Alessandro Moschtt Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: moschtt@nfo.unroma2.t

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

INDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata

INDICE. Scaricabile su:   Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Corsi di Laurea in Ingegneria Elettrica, Elettronica ed Informatica, Ingegneria Biomedica

Corsi di Laurea in Ingegneria Elettrica, Elettronica ed Informatica, Ingegneria Biomedica Calcolator Elettronc Prof. Fabo Rol Cors d Laurea n Ingegnera Elettrca, Elettronca ed Informatca, Ingegnera Bomedca Captolo 6 Untà d Centrale d Elaborazone Artmetca de Calcolator Font Prncpal: Stallngs,

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

Incertezza di sensibilità < fluttuazione intrinseca delle misure. Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

Appunti di Teoria dell Informazione

Appunti di Teoria dell Informazione Corso d Telecomuncazon (Classe Qunta della specalzzazone Elettronca e Telecomuncazon) Pagna - - . La teora dell nformazone La teora dell nformazone descrve l funzonamento de sstem d comuncazone sa analogc

Dettagli

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III Ingegnera Elettrca Poltecnco d Torno Luca Carlone ControllAutomatcI LEZIONE III Sommaro LEZIONE III Trasformata d Laplace Propretà e trasformate notevol Funzon d trasfermento Scomposzone n fratt semplc

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 28/0/2008 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 20 soggett. Soggetto Età Resdenza

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

urto v 2f v 2i e forza impulsiva F r F dt = i t

urto v 2f v 2i e forza impulsiva F r F dt = i t 7. Urt Sstem a due partcelle Defnzone d urto elastco, urto anelastco e mpulso L urto è un nterazone fra corp che avvene n un ntervallo d tempo normalmente molto breve, al termne del quale le quanttà d

Dettagli

Integrazione numerica dell equazione del moto per un sistema non lineare a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema non lineare a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone nmerca dell eqazone del moto per n sstema non lneare a n grado d lbertà Prof. Adolfo Santn - Dnamca delle Strttre Rgdezza secante e rgdezza tangente /2 Per n sstema non lneare, l eqazone del

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 21: 29 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/35? Eserczo Dmostrare che l portafoglo d mnmo rscho

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora

Dettagli

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli