基于局部保持映射的音频数字签名算法

为了实现对音频作品的完全级认证和对篡改操作的定位,提出了一种新的基于局部保持映射LPP(locality preserving projections)和小波包线性预测技术的音频数字签名算法.为降低音频特征向量的维数,同时保持其内在的低维结构,方便构造更有效的数字签名算法,在经过小波包变换和线性预测形成音频特征后,利用LPP算法得到音频特征集的低维流形,实现对音频数据高维特征的降维.通过混沌算法对低维流形进行置乱来得到最终的签名.实验结果表明,签名对音频数据的篡改具有较高的敏感性,可以实现对音频作品内容的完全级认证.     

高校网络课程建设探析

本文探讨了网络课程的含义,分析了网络课程建设中存在的问题,提出了开发网络课程的几点建议。     

基于新型校准度量的F5隐写分析算法

通过对JPEG隐写分析中校准技术的研究,提出一种新的校准设计原则,并利用M-S(Mumford-Shah)模型引入新的校准方法,提出一种针对F5的隐写检测算法.算法首先从待测图像中提取M-S估计图像作为第一幅校准图,然后利用剪切重压缩法从隐写图中得到第二幅校准图,利用两幅校准图提取新型校准表示下的分类特征集.实验表明:该算法具有较好的检测性能,在嵌入率为5%时仍取得较高的检测率.     

加密域的可分离四进制可逆信息隐藏算法

针对当前加密域可逆信息隐藏技术可分离性差,载体恢复存在较大失真的问题,提出了一种可分离的加密域可逆信息隐藏方案。在对偶LWE(learning with errors)公钥密码算法加密过程中对密文冗余进行再编码,通过对加密域冗余区间的重量化,可以在密文冗余中嵌入四进制数构成的秘密信息。嵌入信息后,使用隐写密钥可以有效提取隐藏信息,使用解密密钥可以无差错恢复出加密前数据,提取过程与解密过程可分离。理论推导论证了信息提取与嵌入后明文直接解密的可分离性与结果的正确性。仿真实验结果表明与现有算法相比,所提方案在实现加密域的可分离可逆信息隐藏的基础上充分保证了嵌入后的明文解密的可逆性,并有效提高了嵌入负载。方案的实现与原始载体种类无关,适用性较强。     

基于混沌映射和POB编码的密文域可逆信息隐藏

为了解决运用预测误差扩展算法进行信息嵌入时会造成溢出问题以及加密后图像分块内仍存在一定的相关性问题,提出了基于混沌映射和置换有序二进制(permutation ordered binary,POB)编码的密文域可逆信息隐藏.首先,图像拥有者运用混沌映射系统对原始图像进行加密.然后,数据隐藏者对加密图像中的参考像素点与其相邻像素点做差值计算后,再运用POB编码进行秘密信息的嵌入.最后,接收方不仅能正确提取秘密信息,还能无损地恢复原始图像.实验结果表明,与预测误差扩展算法相比,运用POB编码进行信息嵌入时不仅能够避免移位时造成的溢出,而且会进一步破坏分块内的相关性,使得加密图像的安全性提高.因此,该算法具有更广阔的应用场景.     

基于二叉树标记与码分复用的密文域图像可逆信息隐藏

针对当前密文域可逆信息隐藏中嵌入容量不高的问题,结合码分复用的特性,提出了一种基于二叉树标记的密文域可逆信息隐藏优化方案,首先利用梯度下降的预测方法在图像加密前获取冗余空间,然后借助参数二叉树标记的方法对像素进行分类,最后利用码分复用的正交特性将重要的辅助信息嵌入密文图像中。经仿真实验验证:该算法同时具有可逆性与可分离性,嵌入率可高达到3.473 bpp,与现有的基于二叉树标记的密文域可逆信息隐藏的方法相比,有效提高了密文域可逆信息隐藏算法的嵌入容量。。     

基于纹理特征的H.264视频隐写算法

针对当前视频隐蔽通信算法对视频质量以及码率有较大影响的问题,结合H.264/AVC编码标准,提出了一种新的视频隐蔽通信算法。算法根据离散余弦变换特点,对块依据纹理块判别准则进行判断,修改某些低频系数来进行嵌入。实验结果表明,该算法对视频质量和码率有较小影响,并具有隐写容量大、抗隐写分析较好等优点。     

一种基于浅层卷积神经网络的隐写分析方法

为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则化以及使用单层全连接层的方式,提高隐写分析网络的泛化性能。实验结果表明,针对S-UNIWARD隐写算法,在嵌入率为0.4 bpp和0.1 bpp时,检测准确率分别能达到96%和81.7%,同时在载体库源及嵌入率失配情况下,该方法仍能保持较好的检测性能。     

基于改进Fisher准则与极限学习机集成的图像隐写分析

集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系。实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度。     

基于帧内预测模式修改的视频隐写算法

针对隐写载体为视频的特点,提出了一种新的基于帧内预测模式修改的H.264视频隐写算法.算法通过改进的局部二值模式方法选择所要嵌入区域,判断嵌入块的帧内预测模式,并将嵌入块分组,然后将与Logistic映射产生的混沌序列处理后的秘密信息经过预定的嵌入规则进行隐写,通过拉格朗日率失真优化算法改变帧内预测模式.实验结果表明,算法具有较好的视觉不可见性以及较高的嵌入效率,并且隐写后比特率增加量较小,同时具有较高的嵌入容量.