结合Gabor滤波器和ICA技术的纹理分类方法

提取有效的特征用于纹理描述和分类一直是纹理分析的难点.本文提出一种结合Gabor滤波器和ICA技术的纹理特征提取方法,即纹理图像首先经过Gabor滤波器组滤波,然后由滤波图像直接构建高维特征矢量;再将这些高维特征矢量通过主成分分析PCA进行降维,最后采用ICA技术分析和提取降维后的特征矢量中的独立成分用于纹理分类.通过与经典Gabor滤波器和ICA方法的对比实验,验证和评价了本文方法的性能.     

基于PCA和ICA的人脸识别

提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。     

电磁泄露信息的采集与预处理

在对电磁差分能量分析攻击的研究中,电磁泄露曲线的对齐处理是攻击成功的关键.在迹线对齐处理时,以相位相关性为基础进行了改进,采用泰勒级数展开的方法得到了迹线的偏移量.针对对齐后的数据进行了极大值提取,实现了电磁泄露曲线的降维处理,降低了攻击的复杂度.提出了一种采用欧式距离对对齐效果进行分析的判据.试验结果表明,在一定维数范围内未对齐的欧式距离波动程度较大,而对齐后的欧式距离波动较小.可通过判断欧式距离的波动程度确定曲线是否对齐.     

基于主成分分析和独立成分分析的调制分类算法

基于主成分分析(PCA)和独立成分分析(ICA),提出了一种新的调制分类算法。算法采用PCA对样本数据降维、去除冗余成分,采用FastICA方法提取分类特征;采用支持矢量机(SVM)作为分类器,以解决数据在低维空间中的不可分问题。该算法具有较低的复杂度和较高的训练速度。仿真表明,与最大似然(ML)算法相比,算法仅具有1.8 dB的信噪比损失,在Rayleigh慢衰落信道和中速运动的条件下,算法对5种QAM调制类型具有较好的分类性能。     

ICA及其在阵列信号处理中的应用研究

独立成分分析（Independent Component Analysis,ICA）是一种有效的盲信号分离（Blind Source Separation,BSS）方法。当目标源信号相互独立时,它能从多通道的混合观测信号中将目标源信号分解开来。本文通过对ICA的详细介绍,对比了ICA模型和阵列信号处理模型的特点,分析了二者的关系,并就二者的综合应用进行了研究,同时对盲波束形成、雷达信号分选和外辐射源雷达信号分离等典型应用进行了介绍和评价。     

基于主成分分析的指令旁路模板分析方法

提出一种微控制器指令逆向恢复方法.根据微控制器内执行的指令与功耗、电磁等旁路信号之间的相关性,为不同指令分别构建旁路模板,将未知指令的旁路轨迹与模板进行匹配来恢复指令.为解决旁路轨迹中样本点数量较大,导致的模板构建与匹配效率较低的问题,利用主成分分析(PCA)的方法从功耗轨迹中提取旁路信号主成分.实验结果显示,在约400个样本点中选取约30个分量的相同条件下,PCA 方法获得的匹配正确率比人工选取有效点方法提高近50%.     

基于PCA算法的人脸识别方法研究比较

主成分分析(Principal Component Analysis,PCA)方法是人脸识别技术中一种广泛应用的数据降维技术。当通过使用PCA变换获得的主成分去重建原始人脸图像时,能使均方误差最小。在传统的PCA基础上,Yang等人提出了2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。文章对这两种方法做了理论上比较并给予实验数据支持,实验证明,2DPCA在识别方面略优于传统PCA算法。     

基于核主成分分析的二次雷达脉冲信号初始特征提取

针对二次雷达脉冲信号的特征选择与分类问题进行研究,提出了一种基于核主成分分析(KPCA)的初始特征提取方法.根据二次雷达脉冲信号的特点,首先经过数据整编、预处理,获取样本的初始特征参数;然后利用KPCA方法对特征参数进行主成分组合,以消除信号特征间的相关性和压缩特征向量的维数,最后利用聚类工具进行分类.数学分析和可视化实验结果都表明这种分析方法是有效的.试验还表明,KPCA在特征选取方面性能优于PCA.     

2DPCA-ICA算法在人脸识别中的应用

传统独立元分析(Independent Component Analysis,ICA)用于人脸识别首先是将人脸图像矩阵转换成向量求白化矩阵,然后利用快速固定点算法求分离矩阵,获得人脸图像独立基子空间,从而实现人脸识别.二维主元分析(Two-dimensional Principle Component Analysis,2DPCA)无须将人脸图像矩阵转换成向量,直接利用二维人脸图像矩阵求协方差矩阵,其特征值与特征向量的计算得到简化.本文结合2DPCA与ICA算法的特点,提出2DPCA-ICA人脸识别算法.该方法通过2DPCA算法计算白化矩阵;接着利用ICA算法获得人脸图像的独立元;然后构造独立基子空间;最后依据测试样本在独立基子空间上的投影特征实现人脸识别.基于ORL与Yale人脸数据库的实验结果表明,2DPCA-ICA算法正确识别率与识别效率均高于PCA-ICA算法与2DPCA算法,是一种有效的人脸识别方法.     

乐山茶叶的近红外光谱分类识别

以乐山产正品竹叶青、劣质竹叶青和峨眉山毛峰为研究对象,提出了一种基于近红外光谱的不同茶叶品种分类识别算法.该算法采用多元散射校正(Multiplicative Scatter Correction,MSC)对3种茶叶的近红外光谱数据进行预处理,最大限度地扣除光谱数据中的随机变异;再采用主成分分析算法(Principal Component Analysis,PCA)对预处理后的光谱数据进行降维,去除冗余;接下来进行线性判别分析(Linear Discriminant Analysis,LDA),进一步提取特征;最后采用K_近邻算法(K_Nearest Neighbor,KNN)对LDA结果的前两个特征进行分类,从而达到对茶叶进行定性分类的目的.实验结果表明,该算法能有效地对3种茶叶进行分类,正确识别率达到100％.本研究为不同品种茶叶的分类识别提供了一种新思路.     

基于数据预处理的侧信道分析优化方法

电磁侧信道信息具有数据庞杂无序,信噪比低的特征,对侧信道分析的结果存在较大影响。针对电磁侧信道数据的特性,该文提出一种最小相关差值的对齐方法,通过参考信号的自相关函数与待对齐信号的互相关函数之间的相似度来估计延时差值。同时,提出一种K奇异值分解(KSVD)字典学习的降噪方法,交替迭代进行稀疏编码和字典更新来滤除高频噪声。为了验证数据预处理方法对侧信道分析结果的优化效果,设计并搭建了电磁侧信道测评系统,并基于实际芯片进行了近场电磁侧信道信息采集与分析。该文使用所提预处理方法对电磁数据进行对齐与降噪,通过t-test泄露评估与相关性电磁分析,对比最大相关系数对齐与小波降噪方法,能够将侧信道攻击的效率分别提高29.91%和55.23%。     

Random Point Blinding Methods for Koblitz Curve Cryptosystem

While the elliptic curve cryptosystem (ECC) is getting more popular in securing numerous systems, implementations without consideration for side‐channel attacks are susceptible to critical information leakage. This paper proposes new power attack countermeasures for ECC over Koblitz curves. Based on some special properties of Koblitz curves, the proposed methods randomize the involved elliptic curve points in a highly regular manner so the resulting scalar multiplication algorithms can defeat the simple power analysis attack and the differential power analysis attack simultaneously. Compared with the previous countermeasures, the new methods are also noticeable in terms of computational cost.     

基于强跟踪GHF的里程计辅助SINS动基座对准研究

为提高车载捷联惯导系统动基座初始对准精度,提出了一种强跟踪降维高斯-厄米特非线性动基座初始对准算法。里程计辅助捷联惯导粗对准后水平姿态误差角为小角度,里程计辅助捷联惯导动基座对准模型简化为大方位失准角非线性模型,采用降维高斯-厄米特滤波(GHF),以少数非线性状态积分点估计整个系统状态,减少计算量,应用强跟踪滤波,提高系统对突变的滤波状态的跟踪能力。实验表明,应用强跟踪降维高斯-厄米特滤波提高了动基座初始对准精度,减少了计算量,提高了滤波的稳定性。     

Jetson Nano神经网络物理电磁泄漏安全研究

如果采用旁路攻击方法对神经网络结构、框架进行攻击,恢复出结构、权重等信息,会产生敏感信息的泄漏,因此,需要警惕神经网络计算设备在旁路攻击领域产生敏感信息泄露的潜在风险。本文基于Jetson Nano平台,针对神经网络及神经网络框架推理时产生的旁路电磁泄漏信号进行采集,设计了基于深度学习方法的旁路攻击算法,对旁路进行分析研究,并对两个维度的安全进行评估。研究表明,良好的网络转换策略能够提升网络分类识别准确率5%~12%。两种评估任务中,针对同一框架下不同结构的典型神经网络推理时,电磁泄漏的分类准确率达到97.21%;针对不同神经网络框架下同一种网络推理时,电磁泄漏的分类准确率达到100%。说明旁路电磁攻击方法对此类嵌入式图像处理器(GPU)计算平台中的深度学习算法隐私产生了威胁。     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

基于功耗预处理优化的 LED 密码模板攻击研究

对CHES 2011会议提出的轻量级分组密码LED抗功耗模板攻击能力进行了评估,从功耗曲线预处理优化的角度对模板攻击提出了改进：利用功耗曲线频域上的相位相关性计算偏移量,消除了模板构建过程中的数据干扰;利用明文片段对功耗曲线聚类划分的特征差异,提出了一种基于类间距离的特征提取方法,可实现不同泄露点的功耗数据自动切割;利用均值和噪声信息评估模板区分度,提出了一种基于聚类有效度的动态选点策略,提高了旁路信息利用率。实验结果表明：数据对齐和切割提高了匹配度的区分效果,降低了模板构建和攻击所需功耗曲线数量;聚类有效度选点策略与现有策略相比,攻击数据复杂度低,2条功耗曲线即可使成功概率收敛于1。     

基于轮廓线曲率特征的人脸分类及识别

文中提出一种人脸分类及识别方法。在对人脸图像进行预处理之后,提取出人脸的轮廓,再细化,去除边缘噪声,得到人脸的轮廓线。对此轮廓线逐点计算曲率得到曲率线。将不同的曲率线之间的互相关函数定义为曲率线之间的相似性,并由此对人脸进行分类和识别。由于曲率几何特征明显,具有位移和旋转不变性,所提出的方法有较好的鲁棒性,并且得到了良好的分类效果。     

The Study of the Recognizability of Electromagnetic Leakage Information Arising from Computer

1　Introduction　Electromagneticradiationwillbegeneratedwhenelectricdeviceworksandcangiverisetoelectromag neticleakage.Whentheelectromagneticleakageisrecognized,theavailableinformationcanberecov ered.Thiswillcauseinformationleakage[1～8] .TEMPESTtechnologyisanewandhopefulsubjectbasedontheinformationleakageofcommunicationequipmentthatwasproposedin 1 980 s.Thecom putercircuitsareverycomplex ,andhavevariousclocksignals.Theelectromagneticradiationofcom puterscanbeclassifiedasprocessorradiatio…     

基于流形学习能量数据预处理的模板攻击优化方法

能量数据作为模板攻击过程中的关键对象,具有维度高、有效维度少、不对齐的特点,在进行有效的预处理之前,模板攻击难以奏效。针对能量数据的特性,该文提出一种基于流形学习思想进行整体对齐的方法,以保留能量数据的变化特征,随后通过线性投影的方法降低数据的维度。使用该方法在Panda 2018 challenge1标准数据集进行了验证,实验结果表明,该方法的特征提取效果优于传统的PCA和LDA方法,能大幅度提高模板攻击的成功率。最后采用模板攻击恢复密钥,仅使用两条能量迹密钥恢复成功率即可达到80%以上。