基于频段选择的JPEG图像可逆信息隐藏

通过研究分析联合图像专家小组(joint photographic experts group,JPEG)图像离散余弦变换(discrete Cosine transform,DCT)系数的编码方式以及各频段DCT系数分布与其编码尺寸间的关系,发现利用中高频段DCT系数进行可逆信息隐藏对图像编码效率的影响更小.为此,考虑将JPEG图像DCT系数按频段组合,使相邻子块同一频段区间的DCT系数构成一组系数集合,并优先选择0系数较多的集合以嵌入信息.实验结果证明,所提出的基于频段选择的JPEG图像可逆信息隐藏算法能够大大降低因信息嵌入而引起的图像存储空间的增加,同时还能较好地保持图像视觉质量.     

针对空域明文LSB隐写的消息提取方法

在嵌入消息为明文的情况下,利用中英文字节比特的统计特性,改进了已有的针对空域连续最低有效位(LSB)隐写的消息提取方法,提高了提取消息的准确度;提出了一种针对空域随机LSB隐写的消息提取方法.该方法首先求出恢复隐写密钥的唯一解距,然后穷举隐写密钥空间,对每个密钥确定长度为T的隐写路径,提取此隐写路径上像素的LSB,并从该LSB序列的第一个比特开始间隔7采样获得一条子序列,若该子序列为全0或全1,则该密钥为真密钥,否则为伪密钥;同时还研究了漏检的情况.实验结果表明了本文方法的可行性和有效性.     

云存储中可验证完整性的可搜索加密协议

为了提高可搜索加密的实用性,构造了一个可以实现云存储数据完整性验证的可搜索加密系统,并利用多文件可恢复证明方法构造了一个安全协议,实现了云存储环境下多类型文件完整性验证的可搜索加密,最后给出了协议的安全性证明。相比于同类协议在可搜索加密的安全性与数据安全审计的效率方面有所提高和改善。     

构造从字符串到Huff曲线的散列函数

首次构造了从有限域Fq到Huff曲线的确定函数,其时间复杂性为O(log3q).在此基础上构造了从字符串到Huff曲线的散列函数.该散列函数的构造为基于身份协议的构造奠定了基础.其在中国椭圆曲线密码算法标准SM2推荐的素域上的运行时间为557.8μs.     

一种支持数据渗透迁移的片上缓存模型研究

分析一种支持数据在处理器片上如流水般浸润迁移的渗透缓存层次模型,以及片上数据渗透迁移的基本算法.为了仿真验证渗透缓存模型的有效性、分析该模型及其上的数据迁移算法的性质,本文给出了描述渗透迁移模型基本结构的构成关系、渗透迁移数据的形式化方法.仿真实验结果表明:该模型在改进处理器访存的命中率方面具有明显优势.     

基于改进的Cifar-10深度学习模型的金钱豹个体识别研究

将深度学习方法首次应用到金钱豹个体识别研究中,通过对山西沃成生态环境研究所2010-2016年的金钱豹影像数据进行清洗及预处理,得到训练图片540张,测试图片110张。基于Cifar-10深度学习模型,使用"Dropout"防止模型训练结果过拟合,采用多种池化方式组合训练,得到较优的金钱豹个体识别深度学习模型。最终得到的深度学习模型的识别准确率可以达到99.3%,能够有效地识别金钱豹个体。     

基于深度主动学习的信息安全领域命名实体识别研究

针对通用领域模型不能很好地解决信息安全领域的命名实体识别问题,提出一种基于字符特性,双向长短时记忆网络(Bi-LSTM)与条件随机场(CRF)相结合的信息安全领域命名实体识别方法.该方法不依赖于人工选取特征,通过神经网络模型对序列进行标注,再利用CRF对序列标签的相关性进行约束,提高序列标注的准确性.而且,针对信息安全领域标注数据样本不足的问题,采用主动学习方法,使用少量标注样本达到较好的序列标注效果.     

基于时域解析估计的多重信号分类波束形成方法

针对频域多重信号分类(MUSIC)算法估计子空间的不稳定性问题,提出了一种基于时域解析估计子空间的MUSIC(TAMUSIC)波束形成方法.通过Hilbert变换将各阵元时域实数据转变为复解析数据,在时域构建经过时延后的协方差矩阵,利用特征分解求取噪声子空间,并利用噪声子空间自身的正交特性获得来波方向波束.数值仿真及实测数据处理结果表明,与频域MUSIC波束形成方法相比,TAMUSIC波束形成方法可以稳定获取快速运动目标的噪声子空间和来波方向波束,使波束旁瓣级最少降低3 dB,能够有效检测运动目标,且无虚假目标和波束分裂现象,并提高MUSIC波束形成方法在工程应用中的稳定性.     

面向云端融合计算的防御性数据销毁机制

云端融合计算将云计算和对等计算有机地融合,充分挖掘网络中心集群服务器端和网络边缘终端所蕴含的各种可利用的资源。引入了动态性比较强的网络边缘节点之后,云端融合计算环境下的数据安全保护和远程数据销毁更加困难,特别是恶意的异地主体可能对被托管的数据实施非法篡改等攻击行为。为此,本文提出了基于移动Agent的防御性数据销毁机制,利用移动Agent对云端数据进行检测,将待上传密文数据的HASH值拼接在密文后面,并定时对数据进行双重检测,有效区分云端数据的正常修改和非法篡改。通过预测相关数据受攻击的可能性,对已被非法篡改或有被非法篡改可能性的数据进行有效处理。设计并构建了基于移动Agent的云端数据防御性数据销毁原型系统。实验结果表明,基于移动Agent的防御性数据销毁机制在检测准确性、安全性、时间开销等方面具有良好的性能表现。