基于二阶差分的音频重采样盲取证

音频信号在拼接、重压缩、变速变调、伪装高质量音频等篡改操作中, 经常伴随着重采样的操作. 因此, 检测重采样是音频取证的重要方面. 提出采用二阶差分的方法来检测重采样音频, 从理论上证明了重采样的音频信号经过二阶差分处理后, 频谱上会呈现出明显的离散尖峰, 该方法也适用于常见的非线性插值情况. 运用该特点设计了重采样的自动检测方案, 研究了离散尖峰与音频时长、音频内容、音频格式的相关性. 大量实验结果表明, 该方法能够简单、快速、有效地检测重采样音频.     

结合对比特性与局部清晰特性的图像显著区域检测

为了有效地确定图像中的重要区域,文中根据人眼视觉关注中自上而下和自下而上的两种特点,提出了一种结合图像对比特性与清晰区域的显著检测方法. 图像中颜色的全局和局部对比引起低级视觉关注,而图像的清晰部分通常对应于拍摄时所关注的对象,反映高级视觉特性. 采用颜色分类和检测图像细节区域的方法分别提取了两类显著图,并将它们组合起来. 实验结果表明,通过综合考虑两种视觉特性得到的显著图,对多类图像都能较好地检测出与人眼视觉关注相吻合的区域.     

融合方向编码和湿纸编码的高效信息隐藏

基于融合方向编码和湿纸编码,提出一种新的高效数据隐藏方法.嵌入载体数据的秘密信息分为两部分:第一部分由载体数据加权和负载,第二部分则通过选择载体数据的调整方向来嵌入.湿纸编码用于确定载体数据的调整方向,并将不同的载体数据对应于不同的秘密信息.该方法适用于多种载体类型,在不同嵌入率条件下具有较高的嵌入效率,优于单纯使用方向编码的EMD(exploiting modification direction)方法.     

基于时间间隔的社交行为信息隐藏

提出了一种基于时间间隔的社交行为信息隐藏算法。首先发送者和接收者获取双方共同拥有的具有社交关系的用户信息;随后发送者结合密钥,利用交互行为（如“点赞”）的时间间隔隐藏秘密信息;最后接收者通过周期性获取共同拥有的社交用户的行为信息提取出秘密信息。以知名社交平台QQ为研究对象进行实验仿真,结果表明该方法能以较少的时间代价显著提高秘密信息传递的容量。所提出的方法不局限于特定的社交平台,具有普适性。     

聚焦ChatGPT：发展、影响与问题

ChatGPT是大规模自然语言模型GPT不断发展优化的产物,最近受到学术界和产业界的高度关注。ChatGPT可用语言交流形式实现与人的交互,并从语言拓展到多模态形式。文章对ChatGPT的发展历程进行回溯,并介绍其在多模态、个性化、交互性方面的影响,最后对Chat GPT当下和未来的应用中可能存在的问题进行探讨。