改进的RSA签名在远程控制中的应用

针对传统的RSA签名在远程控制中签名效率低的问题,将传统的双素数RSA算法改为四素数,并采用中国剩余定理和蒙哥马利模指数算法对签名过程加以优化。经测试,在模数为2 048 bits的RSA密码系统中,改进算法对一个512 bits消息摘要进行签名耗时约300 ms,其效率约是传统签名算法的11倍。实验结果和安全性分析表明,新算法在保证安全性的同时,大幅度提高了签名效率,更适合应用于交互频繁的远程控制系统中。     

改进的轻量型网络在图像识别上的应用

针对卷积神经网络在图像识别任务上模型复杂度大、参数量多,首先提出了一种轻量化的SepNet网络结构,该结构在分类器模块上采用克罗内克积替换了传统的全连接层。为进一步优化网络结构,在特征提取模块均衡网络深度、宽度,设计了一个利用深度可分离卷积和残差网络的可分离残差模块,最终形成了一个能实现端到端训练的轻量化网络架构,称为sep_res18_s3。实验分别在MNIST、CIFAR-10、CIFAR-100数据集上验证SepNet的有效性,设计的SepNet网络结构相比VGG10,参数数量和运算量在不损失其精度下均降低了94.15%。同时,相比设计的类残差网络cov_res18_s3,sep_res18_s3仍能降低58.33%的参数量和81.82%的FLOPs。实验结果表明,采用克罗内克积替换全连接层可以在保证训练结果准确度的同时显著降低参数数量和计算成本,并在一定程度上防止过拟合,在此基础上结合深度可分离卷积和类残差结构,证明了sep_res18_s3的有效性。     

基于椭圆曲线的改进RC4算法

针对流密码（RC4）算法存在不变性弱密钥、密钥流序列随机性不高和算法初始状态可以被破解等问题，提出一种基于椭圆曲线的RC4改进算法。该算法利用椭圆曲线、哈希函数和伪随机数产生器生成初始密钥，在S盒和指针的作用下进行非线性变换最终生成具有高随机性的密钥流序列。美国国家标准与技术研究院（NIST）随机性测试结果表明，改进算法的频率检验、游程检验和Maurer指标比原RC4算法分别高出0.13893，0.13081和0.232050，能有效防止不变性弱密钥的产生，抵抗"受戒礼"攻击；初始密钥是一个分布均匀的随机数，不存在偏差，能够有效抵御区分攻击；椭圆曲线、哈希函数具有单向不可逆性，伪随机数产生器具有高密码强度，初始密钥猜测赋值困难，不易破解，能够抵抗状态猜测攻击。理论和实验结果表明改进RC4算法的随机性和安全性高于原RC4算法。     

自适应聚焦损失的图像目标检测算法

现代目标检测算法仍然存在由现有目标检测架构引起的正负样本不平衡和训练数据引起的难易样本不平衡。现有方法一般采用基于类别频率的重采样或基于类别预测概率的重新加权,虽然减轻了类别的不平衡问题,但是引入了新的超参数,为每个训练任务需要进行大量的手动调整超参数。为此在现有Focal Loss损失函数基础上提出了一个新的损失函数自适应聚焦损失（Adaptive Focal Loss）,使模型聚焦于对训练过程贡献更大的困难样本,并且可自适应地调整超参数。根据训练过程中每批图像标签中的正负样本数量计算出自适应的加权因子来实现对正负样本的动态平衡。根据训练过程中不同阶段各类真实标签的期望概率计算出自适应的调制因子来自适应地平衡难易样本。为验证方法的有效性,在PASCAL VOC2007测试数据集中平均精度均值达到80.75%,相比较于原算法提高了3.45个百分点。在PASCAL VOC2012测试数据集中平均精度均值达到77.17%,相比较于原算法提高了1.87个百分点。实验结果表明,把Adaptive Focal Loss作为网络的损失函数,相比于原始的Focal Loss损失函数检测精度有所提升,并具有较大的实用价值。     

密度峰值聚类的全尺度相关滤波跟踪方法

针对背景感知相关滤波算法对目标进行尺度预测时采用图像金字塔,在跟踪过程中需要根据多尺度的目标样本训练出跟踪滤波器,导致跟踪过程中存在计算开销大、跟踪速度慢的问题,提出了一种基于密度峰值聚类的全尺度跟踪方法。分别提取搜索区域中目标和背景的特征信息,通过密度峰值聚类方法分别对目标和背景进行聚类;通过单尺度的滤波器对目标位置进行粗预测,并通过交替方向乘子法（ADMM）降低滤波器训练的时间复杂度;对搜索区域中的前景点和背景点进行分类,并根据尺度置信度得到目标的最终位置与尺度。该算法和目前一些主流的跟踪算法在公共数据集通过在OTB2013、OTB2015和DTB70上进行实验,在有效提高跟踪速度的前提下,面对旋转、遮挡等多种复杂情况时的跟踪效果较好、跟踪成功率较高,满足实时性要求。     

基于改进的混合高斯模型的目标检测

混合高斯模型已经广泛应用于背景建模中,但是结果受到噪音的干扰和光照突变的影响。为了解决这个问题,将Stauffer的混合高斯模型进行改进,当帧间差分判断出场景变化时,每个像素点的学习率会随着变化。由于边缘图像受到噪音干扰小,将这种改进的混合高斯模型也应用在边缘图像中,来提取边缘前景。边缘前景膨胀后,通过原图像的前景和边缘前景的与运算,得到最后的结果。实验结果表明,可以很好地去除噪音和解决光照突变的影响,提高了目标检测的效果,比传统方法更加有效。     

基于自适应聚焦CRIoU损失的目标检测算法

在目标检测任务中，传统的边界框回归损失函数所回归的内容与评价标准IoU(Intersection over Union)之间存在不相关性，并且对于边界框的回归属性存在一定不合理性，使得回归属性不完整，降低了检测精度和收敛速度，甚至还会造成回归阻碍的情况。并且在回归任务中也存在样本不均衡的情况，大量的低质量样本影响了损失收敛。为了提高检测精度和回归收敛速度提出了一种新的边界框回归损失函数。首先确定设计思想并设计IoU系列损失函数的范式；其次在IoU损失的基础上引入两中心点形成矩形的周长和两框形成的最小闭包矩形周长的比值作为边界框中心点距离惩罚项，并且将改进的IoU损失应用到非极大值抑制（Non-Maximum Suppression,NMS）处理中。接着引入两框的宽高误差和最小外包框的宽高平方作为宽高惩罚项，确定CRIoU(Complete Relativity IoU,CRIoU)损失函数。最后在CRIoU的基础上加入自适应加权因子，对高质量样本的回归损失加权，定义了自适应聚焦CRIoU(Adaptive focal CRIoU,AF-CRIoU)。实验结果表明，使用AF-CRIoU损...     

基于IHS_LSSVR的网络安全态势预测方法

针对网络安全态势感知中的态势预测问题,提出一种基于IHS_LSSVR的网络安全态势预测方法。对和声搜索算法（HS）的原理进行了研究,在该基础上提出一种改进的和声搜索算法（IHS）。将最小二乘支持向量回归机（L-SSVR）嵌入到改进的和声搜索算法（IHS）的目标函数计算过程中,利用IHS算法的全局搜索能力来优化选取LSSV-R的参数,在一定程度上提升了LSSVR的学习能力和泛化能力。仿真实验表明,通过与已有的其他预测方法作对比,该方法具有更好的预测效果。     

基于超混沌的医学图像篡改定位零水印算法

摘  要：针对医学图像面临恶意篡改、信息窃取和泄露等安全问题,提出了一种基于超混沌的医学图像篡改定位零水印算法。首先将原始载体图像的最低有效位LSB（Least Singificant Bit）置零,然后将其分成互不重叠的子块,计算每块的均值,利用块中每个像素值与块均值的大小关系构造特征矩阵,最后利用Arnold置乱后的特征矩阵与超混沌加密的二值水印进行异或运算来构造零水印;另外,如果图像遭到篡改,通过计算差值图像,则能精确定位篡改位置及篡改形状。实验结果表明,该方案不仅具有较好的安全性,而且达到良好的篡改检测和定位效果。     

基于GPRS网络的煤矿瓦斯监控系统的设计与实现

详细介绍了GPRS网络应用于煤矿瓦斯监控系统的设计与实现的方法,对监控系统软硬件组成、GPRS网络、数据传输的可靠性与数据图表的Web发布等关键技术问题做了详尽描述。