仿真模型结构设计技术及对催化裂化动态系统的仿真

给出了结构化仿真模型以及它的两个基本组成部分。即模块和模块层次结构的框架描述，提出了一个用于搜索结构化仿真模型模块求解顺序的算法，在此算法的驱动下计算机可顺序组织仿真模型的求解，以催化裂化动态系统作为仿真实例，说明所提出的仿真模型结构设计技术的可行性。     

针对视频运动向量隐写的深度神经网络检测方法

现有的深度神经网络隐写检测技术主要针对数字图像隐写,但视频隐写与图像隐写存在很大差异,因此无法将用于图像隐写分析的深度神经网络直接用于视频隐写分析。为此,文中以修改运动向量的视频隐写为检测对象,在新型图像隐写分析网络SRNet基础上,设计了一种用于视频隐写检测的深度神经网络,构造了能准确反映运动向量隐写修改的输入矩阵。实验结果表明,文中提出的方法对中低码率的视频检测准确率明显高于两种传统的视频隐写分析方法,且对不同码率的视频检测性能平稳。     

空域图像隐藏信息检测技术研究

隐藏信息检测技术是对信息隐藏技术的攻击技术,是对抗非法信息传播的一个重要手段,也是衡量隐藏系统安全性的一个重要手段.针对常用的数字图像隐写载体,回顾图像隐藏信息检测技术的研究进展.重点针对空域LSB替换隐写的检测与隐藏信息量估计进展,针对克服了统计不对称性的LSB匹配嵌入检测或嵌入率估计进展,以及针对调色板图像隐写的检测研究进展.对于反隐写研究的发展趋势和面临的新问题也作了讨论.     

LSB Matching的嵌入效率分析

为了提高LS Bmatching算法的嵌入效率，提出了使用完全覆盖集的隐写方法。建立了基于完全覆盖集的隐写方法的理论框架，使用将像素点分组的方式对每组像素点来嵌入信息，同时保证了在嵌入过程中每点像素值最多改变1。给出了基于不同参数的完全覆盖集的具体例子以及与之相应的隐写方法的嵌入效率。计算结果表明：由完全覆盖集所给出的隐写方法能够显著提高LS Bmatching的嵌入效率。     

基于机载LiDAR点云的建筑物三维重建

建筑物三维重建是遥感领域的一项基本任务。由于机载LiDAR点云稀疏、不完整、有噪点，传统重建方法难以从中重建出完整水密的模型。同时，建筑物模型的表面紧凑程度也限制了其应用的广泛性。针对该问题，提出了一个从LiDAR点云重建紧凑建筑物模型的网络框架。该架构包含两个模块：一是基于隐式表示的表面提取模块，该模块通过隐式神经网络从点云在提取到建筑物的基本结构信息并生成表面网格模型。一是基于结构感知的网格优化模块，该模块对模型各平面的拓扑进行改善并重建出轻量级建筑物模型。利用苏黎世建筑物数据集对所提出的框架进行了验证，与现有方法相比，该框架重建结果具有更高的精度。     

基于GAN的视频隐写算法

视频隐写术是一种将视频作为嵌入载体实现隐蔽通信的技术。为了解决视频隐写算法中最优修改概率矩阵生成困难的问题,提高信息传输的隐蔽性,提出了一种基于生成对抗网络(generative adversarial network, GAN)的视频隐写算法,该算法包含两种生成对抗网络,分别生成原始载体与修改概率矩阵,前者能够生成视频的静态后景、动态前景与掩模;后者将前景作为隐写生成器的输入,以提高修改概率矩阵的内容自适应性,并利用Tanh-simulator函数拟合最优嵌入函数,促进梯度的反向传播,基于三维卷积网络的隐写分析器作为隐写判别器,它与隐写生成器进行博弈训练以提高载密样本的抗检测性。实验结果表明,视频生成模块不仅能生成逼真的视频,且前景能够代表视频中的时空特征信息,本算法与经典的S-UNIWARD算法相比,在0.05、0.1、0.3 bpc(bit per channel)的嵌入率下,抵抗彩色隐写分析器SCRM检测的能力提高了0.65%～3.26%。     

基于二维Baker映射的隐写算法设计

为了提高隐写算法的性能,通过对混沌映射原理进行深入的研究和分析,提出了一种基于二维Baker映射的隐写算法设计方案.对二维Baker映射的主要特点和映射变换过程进行了系统的研究,给出了基于二维Baker映射隐写算法的设计原理和实现过程,分别描述了信息隐写和提取的流程,最后进行了仿真与测试,选取标准图片库与三种传统的隐写算法进行了对比测试,结果表明对隐写容量和抗检测能力都达到较高的性能指标.     

高阶隐写直觉模糊集距离安全性测度

在隐写安全性研究滞后于隐写算法发展的前提下，隐写安全性研究成为亟待解决的问题。根据隐写通信过程的模糊不确定性，对隐写数据采用n阶Markov链建模，提出了隐写系统直觉模糊集距离安全性测度，并证明了该安全性测度的有界性、交换性和一致性。仿真实验表明，该安全性测度具有对不同隐写算法的度量区分能力。与确定模式下安全性相比较，在相同数据统计模型下，直觉模糊集距离安全性测度获得了更全面的隐蔽性评价。     

基于图像分割的LSB隐写信息盲检测方法

为消除LSB隐写术不当使用造成的不良影响，提出了基于图像分割的LSB隐写信息存在性盲检测方案，该方案首先选用特定的图像分割技术得到多个区域，并研究图像区域特性，根据图像分割方法，区域形成的过程即其最小生成树（MST）形成的过程，基于图论给出嵌入LSB隐写信息前后对应区域最小生成树中结点的度的不同统计特性，其次考虑到实际应用中隐藏信息一般嵌入在图像的复杂、阴暗区域，给出图像复杂度的定义，最后利用Fisher鉴别分析检测该区域中是否存在LSB隐写信息，试验结果显示所提方案对具体的LSB隐写术均有较好的检测效果，在嵌入率低于0.1bpp时仍然具有较高的检测率，因此，通过对图像局部特性的研究可以提高LSB隐写信息的盲检测率。     

基于参数特征偏移的神经网络隐写检测方法（英文）

目前,许多深度学习的预训练模型被发布出来用以帮助工程师和研究人员开发基于深度学习的系统或进行研究,从而减少了他们的工作量。过去的工作表明,秘密信息可以被嵌入到神经网络参数中且不影响模型的准确性,恶意开发者可以借此将恶意软件或其他有害信息隐藏到预先训练的模型中。因此,对这些隐写后的预训练模型进行可靠的检测非常重要。我们分析了现有的神经网络隐写方法,发现它们不可避免地会导致参数统计的偏差。针对LSB隐写,实验发现其会造成参数位平面随机性上的偏差;针对COR隐写和SGN隐写,实验发现其会造成参数分布上的偏差。基于这些偏差,我们提出神经网络隐写的隐写分析方法,即从良性和恶性模型中提取特征建立分类器。据我们所知,这是第一个检测神经网络隐写术的工作。实验结果表明,本文提出的检测算法能够可靠地检测出含有嵌入式信息的模型。值得注意的是,我们的检测方法即使在低负载下仍然有效。