基于变进制规则的方程式软件水印算法

针对方程式重排序算法信息隐藏量低、水印嵌入和提取过程复杂的缺点,提出了一种基于变进制规则的方程式重排序软件水印算法。算法以程序中可安全交换方程式的初始系数序列作为密钥向量,无须借助远程认证中心,利用变进制转换规则和方程式系数循环右移操作实现了水印的嵌入和提取。实验分析表明,算法进一步提高了水印的数据率,增强了水印的隐蔽性,对BLOAT等扭曲攻击具有很强的抵抗能力。     

基于变量防篡改的动态图软件水印方案

为了提高动态图软件水印的隐藏容量和鲁棒性,本文提出了一种基于变量防篡改的动态图软件水印方案。该方案利用不同进制形式的数可以相互转化的思想将大的水印信息分割成多个小的水印信息,然后将这些小的水印信息编码成一组图结构,动态地嵌入目标程序中。在编码水印信息时,利用动态图结构中结点的父指针来编码,并使其叶结点与目标程序变量关联,起到防篡改的作用,从而可对水印进行有效的保护。实验结果表明,嵌入水印信息后,目标程序的运行速度和结果都没有明显的变化,但水印对溢出攻击、扭曲攻击和附加攻击等都有明显的抵抗效果,水印也能够准确、方便地被提取出来。该方案的性能明显优于PPCT算法和常量防篡改水印算法。     

一种保护Java3D应用的软件水印算法

针对Java3D应用程序固有的场景图数据结构,提出一种新的用于保护Java3D应用程序的动态数据结构软件水印算法。该算法将一个对场景图节点遍历的初始顺序作为嵌入密钥,利用循环左移及基于阶乘的进制数制方法将水印嵌入软件。阐述水印的嵌入及提取算法步骤。该算法具有不增加场景图节点个数和不影响程序性能的优势,比其他水印算法更加健壮。     

基于混沌优化的分存软件水印方案

针对软件水印鲁棒性差、水印分存算法执行效率低的问题, 提出了一种基于混沌优化的分存软件水印方案。该方案通过引入混沌系统, 将水印信息矩阵分割、混沌置乱, 形成分存水印; 水印嵌入时, 将分存水印一一编码为DPPCT拓扑图, 并将hash处理后的水印信息分别填充于各个DPPCT的info域; 水印嵌入后, 利用混沌加密, 保护全部代码, 防止逆向工程等手段对软件水印的破坏。理论分析和实验表明, 该方案可有效地抵抗各种语义保持变换攻击, 减少程序负载, 提高水印的鲁棒性及执行效率。     

基于Asmuth-Bloom门限方案的动态图软件水印保护技术

动态图软件水印在抗攻击性方面较通常的静态水印有明显的优势,然而通过透彻的分析和修改嵌入水印后的程序,攻击者仍然可以找到水印结构并对其进行恶意破坏,从而使水印提取过程失败.为此,本文提出一种基于Asmuth-Bloom门限方案的软件水印分存算法,该算法将密码学中的密钥共享思想引入到软件水印中,实现了基于部分内容提取水印;最后通过鲁棒性对此算法进行了评测.该算法具有较强的鲁棒性,但该算法的不足之处是将水印数据扩张,减小了数据率和隐蔽性.     

一种基于位置图的可逆水印方案

提出一种基于位置图的可逆水印算法,选取载体图像的低位平面值作为水印嵌入位置,将载体图像分块,根据分块中低位平面像素值的大小关系将其分成三种不同类型的组,并用变长编码方式对组别进行算术编码,经逐组顺次判断便形成位置图编码,根据位置图信息,将位置图编码、水印信息、位置图所占用像素的LSB全部嵌入载体图像的低位,形成加密图像;提取时,先获取位置图,然后根据位置图无损提取水印,无损还原载体图像。算法具有可逆性和可多重嵌入性,安全性高、隐蔽性好、适用性强。     

具有纠错编码特性的指令统计特征水印算法

提出一种具有纠错编码特性的水印算法,将纠错编码的概念与改变指令统计特征方式相结合,通过替换等价指令改变程序指令统计特征,利用特征与水印信息的映射关系嵌入水印信息,提取程序的指令统计特征即可提取水印.运用纠错编码,增强了水印的鲁棒性.通过理论分析和实验证明,新方案对程序性能的影响非常小,并能抵御增加、混淆、反编译等攻击.     

压缩域自适应映射能量视频水印算法

提出了一种自适应映射能量（AMEW）视频水印算法，将水印嵌入到压缩域中，从压缩码流中提取水印，提取过程不需要原始视频，是一种新型的盲视频水印算法．在该算法中，作者选择一定的整数DCT量化系数构造嵌入空间，然后利用能量映射函数将水印嵌入其中．在嵌入过程中，作者利用三个模块（最大匹配串模块，最小更改串模块和最小丢弃串模块）调整嵌入后的码流来降低对编码效率（通常我们用视频质量和压缩率来衡量编码效率）的影响，实现最优嵌入；重同步策略和水印编码是用来保证水印的鲁棒性．实验结果证明水印对于重编码、帧删除、变帧率及锐化等操作具有一定的鲁棒性，几乎对编码效率没有影响．除此以外，在同码率条件下，与XDEW算法相比，该算法还具有高水印负载和低计算复杂性的优势．在该文末尾，作者将阐述该算法的理论根据并分析其鲁棒性．     

用于图像认证的变容量恢复水印算法

兼顾水印嵌入容量和安全性,提出一种水印容量可变的数字图像可恢复水印算法.该算法提取2×2图像块特征生成变容量恢复水印——平滑块6比特,纹理块12比特.图像块的恢复水印基于密钥随机嵌入在其它图像块的低有效位,通过比较图像块特征与相应恢复水印重构的块特征并结合邻域特征判定图像块的真实性,变容量恢复水印用尽可能少的比特数保存足够的图像块信息,仅被嵌入一次且同时用于篡改检测与恢复,不仅有效降低了水印嵌入容量,而且提高了算法抵抗恒均值攻击的能力.实验仿真结果表明,该算法得到的含水印图像和恢复图像的质量好,且能有效抵抗拼贴攻击、恒均值攻击等已知伪造攻击.     

基于表达式逆序数的软件水印算法

为解决表达式重排序等算法存在的程序运行速度、隐藏信息量等问题,研究与实现了基于表达式逆序数的软件水印算法.算法通过排列的逆序数和二进制数的一一对应关系得到映射字典,再根据映射字典完成水印数据的编码、嵌入和提取.仿真结果表明,该算法对提高程序的运行速度和隐藏水印的数据率有明显的效果,性能优于表达式重排序等算法.     

一种基于AI-Fuzzy VCR算法的FPGA新技术

基于神经模糊系统原理及数值换算规则．提出一种基于VCR模糊数值算法的FPGA技术方案。该算法采用了一种VCR运算路径可部分重复使用技术、中间结果可任意变形处理及存放于动态RAM中的实现方法。经深入的理论研究和典型的试验分析．证明该算法是切实可行的。     

基于CDMA的多重数字水印

针对多用户共享版权时联合水印嵌入等需求,提出了基于CDMA的多用户多重数字水印算法。提出并实现了小波域直接嵌入(WD)和基于邻域线性预测值嵌入(WNLP)两种CDMA水印方案。分析了用户数量和嵌入深度对含印图像质量和提取水印质量的影响。实验结果表明,该算法能有效解决多重数字水印中水印碰撞和用户数量受限问题。     

基于VCN智能特性动态实时输入技术的算法

提出一种基于VCN智能特性的定时向量中断技术,来实现工业上非线性动态实时输入的测试与控制技术的方法.即增加一路这样的变步数据VSD采样,用于智能地确定计算机对其他信号的采样速度,同时套用VCN分段处理技术及其变溢性VCO等动态计数设置规则加以实现.     

一种基于混沌置乱和SVD的小波域盲水印算法

提出了一种基于混沌和奇异值分解相结合的数字水印算法.该算法对原始图像做离散小波变换后得到4个子带,并将低频子带(LL1)分成互不重叠的8×8分块,然后对每一块做奇异值分解,将混沌置乱后的水印信息嵌入每块中最大的奇异值中.实验结果表明,该算法具有较好的不可见性、鲁棒性和安全性.     

基于栈状态关系的动态软件水印算法

针对已有软件水印算法的不足,提出了一种基于栈状态关系的动态软件水印算法。算法通过控制程序运行过程中产生的栈状态转移关系隐藏软件水印,给出了栈状态转移图的概念,并对其满足的性质进行了阐述;给出了详细的嵌入和提取算法,并通过一个具体实例描述了软件水印嵌入过程。对该算法的安全性和效率的实验和分析表明,该算法有着良好的隐蔽性,并能有效抵抗多种攻击。     

一种基于混沌的软件水印算法框架及实现

针对现有软件水印算法中存在的一些不足,将反逆向工程技术和混沌系统与Easter Egg软件水印的思想相结合,提出了一个基于混沌的软件水印算法框架.该框架通过引入混沌系统,把水印信息散列编码到整个代码当中,以保护全部代码;通过引入反逆向工程技术来抵抗逆向工程攻击,算法框架与软硬件平台无关.在i386体系结构Windows平台下实现了该算法框架,并以该实现为例分析了水印的鲁棒性,讨论了水印的嵌入对程序性能的影响.分析表明,该算法可以有效地抵抗各种语义保持变换攻击,对逆向工程攻击具有较好的抵抗性,鲁棒性较高.     

VCR智能无扰动特性的精确数值运算

根据智能变进制(VCR)的变溢性、拓展性及申缩性有机结合的技术,提出一种新颖智能的、无数字扰动的精确数值运算.该运算结果值的精确位数.是可以任意或无限地确定的,它可以很好地解决了计算机数值分辨率即由CPU字长制约的有效数字位教不足而造成的数值精确计算PC(Precise Computing)的扰动性问题,例如对中国古代数学家祖冲之曾研究圆周密率π值实验数据(π=355/113)的除法精确计算.     

结合人类视觉系统的数字图像水印技术

小波变换已经被广泛的应用到数字图像处理的许多领域,利用小波变换的数字水印技术被认为是一种最有效的保护数字信息版权的技术.提出了一种结合人类视觉系统的数字图像盲水印技术,它利用小波变化和人类视觉系统的共通点,进行水印的嵌入.实验结果表明,基于此种方法对图像进行数字水印的处理会有很好的效果.     

基于残差学习的新型不可感知水印攻击方法

传统的水印攻击方法虽然能够干扰水印信息的正确提取, 但同时会对含水印图像的视觉质量造成较大损失, 为此提出了一种基于残差学习的新型不可感知水印攻击方法. 首先, 通过构建基于卷积神经网络的水印攻击模型, 在含水印图像和无水印图像之间进行端到端非线性学习, 完成含水印图像映射到无水印图像的任务, 达到水印攻击的目的; 其次, 根据水印信息的嵌入区域选择合适数目的特征提取块以提取含水印信息的特征图. 鉴于含水印图像和无水印图像之间的差异过小, 水印攻击模型在训练过程中的可学习性受到限制, 导致模型很难收敛. 引入残差学习机制来提升水印攻击模型的收敛速度和学习能力, 通过减少残差图像(含水印图像和提取的特征图像做差)与无水印图像之间的差异来提升被攻击图像的不可感知性. 此外, 还根据DIV2K2017超分辨率数据集以及所攻击的基于四元数指数矩的鲁棒彩色图像水印算法构建了训练水印攻击模型的数据集. 实验结果表明该水印攻击模型能够在不破坏含水印图像视觉质量的前提下以高误码率实现对鲁棒水印算法的攻击.