基于噪声模型和特征联合的PS图像与隐写图像检测

为了有效区分PS图像(经过常见图像处理操作得到的图像)和隐写图像,提高隐写检测的正确率,该文分析了隐写和PS这两类操作不同的噪声模型,并给出了一类基于图像噪声模型和特征联合的检测算法.该算法基于小波分解和小波滤波,分别得到待检测图像的小波系数子带和噪声小波系数子带,从这两类子带中分别提取直方图特征函数绝对矩,并将这两部分统计矩联合作为特征,最后采用BP神经网络分类器进行图像分类.在特征选取方面,文中对两类常用典型特征:概率密度函数矩和特征函数矩,基于高斯分布模型证明了对噪声小波子带系数,提取特征函数绝对矩优于概率密度函数绝对矩.基于LSB、LTSB、SLSB、PMK等隐写图像和锐化、对比度增强、添加标签等类型PS图像的实验表明:该算法能够有效区分原始图像和非原始图像,并能对PS图像和隐写图像进行较为可靠的分类检测.     

一类非线性组合大系统的分散鲁棒镇定

研究一类比较广泛的非线性组合大系统的分散鲁棒镇定问题。给出了检验这类非线性组合大系统可分散鲁棒镇定的条件,该判别条件只     

不确定相似组合系统的分散自适应输出反馈控制

本文讨论了不确定组合大系统的分散自适应输 出反馈控制问题,不确定项满足通常的匹配条件．针对不确定项界未知的情形,通过设计自 适应输出反馈控制器,使系统渐近稳定．仿真结果表明本文的设计方法是有效的．     

基于混沌的信息隐藏在TCP／IP协议族中的应用

文中选择以PWLCM(分段线性混沌映射)产生的伪随机数序列作为密钥流进行加密编码的方案，能有效克服现有的使用自同构矩阵的TCP／IP的信息隐藏方案因其短周期和单表替换而存在的安全隐患。在局域网环境实验中已成功地验证了本方案的有效性。     

一类可抵御SPA分析的动态补偿LSB信息隐藏方法

针对常用的LSB信息隐藏,SPA(Sample Pair Analysis)分析方法能以很高的精度估计出图像中隐藏信息的比率.文章通过对隐藏信息后的图像进行动态补偿,给出了一类可抵御SPA分析的LSB信息隐藏方法.该方法使得即使嵌入比率接近于100%,使用SPA方法分析仍将得到一个接近于0的低于判决门限的估计值,从而做出错误的判决.同时,将动态补偿的相关参数作为密钥的一部分,进一步提高了隐藏系统的安全性.实验表明:该方法同时还能有效抵抗RS分析及SPA和RS的多种改进方法的攻击.     

一种新的数字化混沌扰动方案

在混沌系统中施加主动扰动是混沌从理论研究向实际应用转化的有效手段。本文提出了一种对数字化混沌系统进行扰动的可行方案,该方案选择性地扩散数字化混沌系统的部分变量,以达到对整个系统的扰动。扰动后系统可生成具有均匀的不变分布和良好密码学特性的伪随机序列。实验的数据表明该扰动方案有效地补偿了数字化混沌系统动力学特性的退化。     

一种基于影响力预测的节点排序模型

节点影响力排序一直是复杂网络研究的热点问题。Susceptible-Infected-Recovered(SIR)模型是一种较为理想的节点影响力排序方法，业内常将其用于评价其他的节点影响力排序方法，但该方法时间复杂度较高，难以实际应用。文中提出一个基于sir值学习的节点影响力排序模型，模型综合节点的局部和全局结构信息描述节点特征，利用机器学习方法构建sir值学习模型，以构建的同等规模网络的节点特征和sir值对模型进行训练，训练后的模型能够基于节点特征预测节点的sir值，进而实现节点影响力排序。文中基于该模型实现了一个具体的节点影响力排序方法，并在真实数据集上进行了实验，结果表明，基于该模型得到的影响力排序结果，其准确性和单调性相比度中心性、Kshell、Weighted Kshell degree neighborhood等基于结构特征的方法均有所提升。     

基于动态间隔压缩的鲁棒网络流水印算法

针对基于间隔质心的流水印缺乏纠错能力且难以抵御多流攻击的问题，提出一种基于动态间隔压缩的鲁棒网络流水印算法。该算法在基于间隔质心流水印基础上利用编解码技术增强其纠错能力，将携带同一水印信息的网络流量采用动态间隔压缩的方式调制为多种模式以抵御多流攻击。同时在检测端对水印进行分层检测，减少检测端计算资源浪费。实验结果表明，当检测阈值设为0.8时，误报率低于5%,且水印检测率可高于原始间隔质心方法10%左右，合并多条水印数据流后也无明显静默间隔。可见该算法具有良好的鲁棒性和隐蔽性，能够有效提高网络流水印的可用性。