基于Markov链安全性的LSB匹配隐写算法

隐秘信息的安全性是隐写算法关注的核心问题之一,设计大容量、高安全性的隐写嵌入算法是隐写方法的研究重点.基于Markov链安全标准,以Markov链散度距离最小作为优化嵌入条件,指导LSB匹配嵌入函数,提出了一种优化LSB匹配隐写算法.实验表明该隐写算法在大容量嵌入的同时,保持了载密图像的二阶统计特性,提高了隐写的安全性.     

基于双层模糊逻辑信任的OLSR安全路由协议

由于移动自组网的开放性、分散性的特点, 导致传统的OLSR信任模型存在无法明确量化节点的信任指标和忽视节点的网络环境的问题. 针对上述问题, 本文提出一种基于环境自适应决策的双层模糊逻辑信任模型, 并与OLSR协议搭建了EFT-OLSR协议. 该模型划分为参数提取模块、双层模糊推理模块、决策模块. 首先选取节点剩余能量(P), 阻止隐式的自私攻击; 其次通过运用改进的双层模糊逻辑结构, 限制计算节点信任指标的复杂度; 最后根据网络环境动态调整路由协议中的信任阈值. 实验表明, EFT-OLSR协议在数据包传递率(PDR)、平均端到端延迟、丢包率方面优于现有的FT-OLSR信任模型.     

多分辨率视觉哈希方案

提出一种基于认证安全性的视觉Hash设计方案．通过分析视觉Hash认证中鲁棒性和认证集合的相互关系,指出了采用多分辨率构造视觉Hash的必要性．多分辨率方法可以平衡视觉Hash认证中的虚警、漏警问题．设计了一种基于树状结构分解的视觉Hash算法．在图像经过树状结构分解之后,对各个分辨率级别的图像块量化提取鲁棒特征,进行精确Hash计算组合生成认证Hash．实验结果表明,本方案对JPEG压缩、滤波、噪声等处理具有良好的鲁棒性,Hash误比特率低于0.15,而对图像的恶意篡改有较强的敏感性,可以用于图像的真实性认证．     

基于Markov链安全性的二阶统计保持隐写算法

如何设计高阶统计安全的大容量隐写算法是当前隐写研究的难点和热点。该文基于Markov链安全性指标和动态补偿的思路,提出一种二阶统计保持的隐写算法。该算法在不降低嵌入量的前提下尽量保持了载体图像的二阶统计特性。实验结果表明,该算法在较大容量数据嵌入过程中,能较好保持二阶统计特性,取得隐写安全性的提高。     

对一种抗统计分析的LSB隐写方案的攻击

针对张新鹏等人提出的抗统计分析的LSB隐写方案对图像差分直方图的影响，本文提出了一种基于差分直方图分析的隐写分析方案．该方案使用隐写前后图像差分直方图转移矩阵结合对差分直方图广义拉普拉斯分布的拟合偏差实现对嵌入数据长度的估计．实验证明该算法具有较好的估计精度．     

基于身份公钥体制的新型SSL协议设计与实现

安全套接层（Secure Socket Layer, SSL）协议是当前广泛使用的安全连接协议,现有SSL协议中的公钥密码大部分是基于证书服务来实现。基于身份加密为代表的新型非证书公钥体制可以在保证较高安全性的前提下,尽可能降低计算开销和网络负载,并避免对证书的管理。本文提出一种基于身份公钥体制的新型SSL协议IBE-SSL,并使用开源的OpenSSL库和PBC库对其进行实现,通信过程数据包捕获分析结果表明,所提的IBE-SSL协议在取消证书操作的基础上依然可以建立安全的SSL连接。     

基于图像高阶MARKOV链模型的扩频隐写分析

 扩频隐写分析是信息隐藏研究领域的一个重要方面.文章提出基于高阶Markov链的数字图像统计分布模型,在对常用图像扫描方法构成高阶Markov链的效果进行比较后,采用Hilbert扫描方式构建数字图像n阶Markov链模型,进而提出度量数字图像隐写统计安全性的n阶Markov链测度,并证明其有界.最后文章通过研究扩频隐写对高阶Markov链模型经验矩阵的影响,利用该模型提取图像统计特征,并使用支持向量机对几种常用图像扩频隐写方法进行分析.实验说明文章所提方法对扩频隐写分析效果良好,且随着模型阶数提高,分析准确率也随之提高.     

一种基于卷积神经网络的轨道交通场景人群计数模型

现有的人群计数方法不能够完全适用于轨道交通场景中,为此,提出一种基于卷积神经网络的人群计数模型。模型采用VGG16作为前端网络提取浅层特征,提出一种基于Inception结构改进的M-Inception结构,结合空洞卷积构成后端网络,增大感受野,适应多监控角度下不同尺寸的行人目标;并提出一种融合行人总数估计损失和密度图损失的加权损失函数。将本文模型与4种现有模型进行对比实验,结果表明,提出的人群计数算法在地铁场景中的平均绝对误差和均方误差仅为1.46和2.13,优于4种对比模型。考虑到模型的实际应用,将模型部署到海思嵌入式芯片上,实测结果表明,模型可在嵌入式芯片上取得较高的计算速度和准确率,满足实际应用场景的需求。     

一种基于关联分析和HMM的网络安全态势评估方法

当前大部分基于隐马尔科夫（HMM）的网络安全态势的评估方法都集中于对HMM参数的研究,而忽视了观测值的选取对评估准确度的影响。本文在告警信息聚合的基础上,以攻击模式作为关联依据,结合网络资产的脆弱性信息,识别主机所处受攻击阶段并转化为主机的威胁等级,以威胁等级作为HMM的观测值,最后利用HMM实现对主机和网络的安全态势评估。基于DARPA2000测试数据集的相关实验表明,相比一般的HMM方法,本文方法能体现攻击的多步骤特点,且能更加准确地反映网络态势的变化。     

瑞利衰落下车载辅助低检测概率通信研究

随着第5代无线通信技术的高速发展,无线通信广播特性带来生活便利的同时也使得通信过程存在被非法用户拦截和窃听的风险。为了保护信息传输过程,低检测概率通信自提出以来逐渐受到学界和产业界的关注。与传统固定干扰辅助低检测概率通信不同,移动干扰辅助能够大幅提升低检测概率通信的场景适应性,论文建立了一种基于车载移动干扰辅助的低检测概率通信模型,并在瑞利衰落信道下使用波束成形技术,分析低检测概率通信性能。首先利用假设检验分析检测方检错概率并以此获得最优检测阈值;然后根据最优检测阈值分情况求解模型的平均隐蔽概率进而推导出中断概率的表达式;最后以隐蔽吞吐量为优化目标设计优化算法。仿真结果表明相比于固定干扰,采用车载移动干扰对低检测概率通信性能有所提升。