新的可证明安全的无证书代理盲签名

为满足实际应用中对于安全高效代理盲签名的需要,基于双线性对映射提出了一个新的无证书代理盲签名方案。方案中对相关参数进行预先计算,并作为系统公开参数发布,签名生成过程无须进行双线性对的运算,与现有同类算法比较,具有更高的计算效率,在实际应用中更具优势。在随机预言机模型和双线性Diffie-Hellman困难性假设下,证明了本文方案在两类攻击者适应性选择消息攻击和身份选择攻击下是存在不可伪造的。     

低压气体放电光源的统计模型

根据低压气体放电管发光的特点，建立了它的统计模型，由统计模型计算得到它的统计自相关函数，经过付里对变换，得到该类光源的功率谱密度，最后对此类光源的时间相干性及光增特点作了简要的讨论。     

基于GIF动态图像的自适应隐写方案

提出了一种新的针对GIF(graphics interchange format)动态图像的自适应隐写算法。通过图像帧间相同位置像素的颜色亮度方差和颜色平均亮度建立帧间自适应准则,通过帧内的颜色规则与颜色匹配表建立帧内自适应准则,将图像分为可隐写像素与不可隐写像素,并用多帧可隐写像素联合隐写秘密信息。实验结果表明,算法具有良好的隐写效果并且具有较大的隐藏容量,与其他的密写方案相比,本方案保证了未授权者非法提取秘密信息的难度足够大,具有较高的安全性。     

人工智能模型水印研究进展

以神经网络为代表的人工智能技术在计算机视觉、模式识别和自然语言处理等诸多应用领域取得了巨大的成功,包括谷歌、微软在内的许多科技公司都将人工智能模型部署在商业产品中,以提升服务质量和经济效益。然而,构建性能优异的人工智能模型需要消耗大量的数据、计算资源和专家知识,并且人工智能模型易于被未经授权的用户窃取、篡改和贩卖。在人工智能技术迅速发展的同时,如何保护人工智能模型的知识产权具有显著学术意义和产业需求。在此背景下,本文主要介绍基于数字水印的人工智能模型产权保护技术。通过与传统多媒体水印技术进行对比,首先概述了人工模型水印的研究意义、基础概念和评价指标;然后,依据水印提取者是否需要掌握目标模型的内容细节以及是否需要和目标模型进行交互,从“白盒”模型水印、“黑盒”模型水印、“无盒”模型水印3个不同的角度分别梳理了国内外研究现状并总结了不同方法的差异,与此同时,对脆弱模型水印也进行了分析和讨论;最后,通过对比不同方法的特点、优势和不足,总结了不同场景下模型水印的共性技术问题,并对发展趋势进行了展望。     

基于语义解析的印刷图矢量化系统

印刷机通过解析矢量图来完成印刷,但是其逆向过程难以实现,即通过印刷图恢复出原始矢量图以供编辑和再利用。印刷过程中颜料的堆叠、纸质的凹凸性、扫描的曝光等多种因素导致获取的位图大幅失真,利用现有的矢量化软件无法完成高精度的矢量图还原。对于图元的精确分离是一大核心问题,提出了基于语义解析的矢量化系统,利用深度学习语义分割对图元结构进行解析分类,再结合图元类型分别采用基于连通域跟踪以及基于线条骨架跟踪的矢量化算法完成矢量化。     

基于图遍历的自适应调色板图像密写方案

提出了一种新的基于图遍历的自适应调色板图像 密写方案。将调色板中各颜色视 为图节点,利用颜色间的亮度差和欧氏距离,构建颜色图。应用图的遍历为颜色节点,分配 秘密比特。嵌入秘密信息的过程中,利用相邻像素颜色间的相关性,建立自适应嵌入准则。 对比实验结果表明,提出的密写方案具有较大的嵌入容量,并保持很好的图像质量,与其他 的密写方案相比,提出的方案更能抵抗直方图特征函数(HCF)统计分析。     

基于多分类的QDCT域大容量H.264/AVC视频信息隐藏算法

提出了一种在开环外的量化离散余弦变换(QDCT )系数上的H.264视频信息隐藏算法。在抑制漂移失真的条件下,对 邻块所需参考像素进行多组分类。其次,充分挖掘帧 内4×4亮度可用QDCT系数对,结合9进制方向调整(EMD)嵌入算法和 矩阵编码,实 现秘密信息的高容量嵌入。同时,通过最多修改一组QDCT系数保证了含密视频的质量。 此外,本文的信息提取算法不需要对含密视频完全解码,只需得到QDCT系数和帧内预测 模式,即可完全提取秘密信息。实验结果表明,本文算法在大幅度提高嵌入容量的同时,对 比特率和视频的质量影响不大。