一种基于YUV空间的DCT彩色图像信息隐藏算法

信息隐藏作为一种信息安全技术已经得到越来越多的关注和研究,但是实用的彩色图像信息隐藏技术不多。文中充分考虑到人类视觉系统对彩色细节的分辩能力远比对亮度细节的分辩能力低的特点,采用JPEG2000推荐的可逆彩色变换RCT在YUV彩色空间,将秘密信息嵌入到载体彩色图像的V分量的中频DCT系数中。实验证明,该算法对几何裁剪,叠加噪声,滤波以及JPEG压缩等攻击具有较好的鲁棒性。     

随机参考点下带有最小收益约束的投资组合

在完全市场下,考虑基于随机参考点的带有下限约束的证券组合投资问题.利用等量代换,将随机参考点等价转化为另一损失厌恶水平下的固定参考点,进而应用鞅方法求解固定参考点下的模型,给出损失厌恶投资者的最优财富过程和最优投资策略的解析表达式.     

Q-m-clean环及其推广

主要利用拟可逆元和m-potent元的概念，定义了Q-m-clean元和Q-m-clean环，给出了Q-m-clean元的一些等价条件，研究了Q-m-clean环的一些性质，证明了Q-m-clean环的同态像及有限直积均是Q-m-clean环。     

一类可逆饱和生化反应模型的定性分析

研究一类可逆饱和生化反应的数学模型：应用微分方程定性理论，完整地解决了该系统极限环的存在性、惟一性和不存在性等问题。     

关于feckly-约化环

给出feckly-约化环的等价刻画,研究了feckly-约化环与相关环的关系。     

基于可逆网络的对抗样本防御算法的设计与研究

深度学习模型极容易受到对抗样本的攻击。为了提高模型的鲁棒性，提升相关技术在现实生活中应用的安全性，提出一种轻型可逆网络(lightweight reversible network, LRNet)用于有效去除对抗样本中的对抗扰动。首先，将哈尔小波变换与可逆网络相结合，获得更丰富的特征；其次，将特征通道分离，利用干净样本的高低频特征指导学习，从随机数中重采样替换高频信息去除对抗扰动；再次，提出特征分离模块，去除非鲁棒特征，提高分类准确率。结果表明：LRNet防御模型能显著提高防御准确率，其分类准确率在MNIST,CIFAR-10数据集上较防御模型ARN分别从91.62%和67.29%提升到97.65%和78.55%;模型的参数大小降低至0.48 MiB,是APE-GAN模型的20%;防御模型的迁移能力得到极大提高，为对抗样本的防御提供了一种新方法。