基于超混沌和Slant变换的鲁棒水印算法

为进一步提高水印算法的安全性和抗攻击能力,结合超混沌和Slant变换的优点,提出一种基于超混沌和Slant变换的鲁棒水印算法。首先,在隐藏水印之前采用超混沌系统对水印图像进行加密,提高了待隐藏图像的安全性;其次,将原始载体图像划分成大小为8×8的不重叠分块并对各个分块分别进行Slant变换;最后,将加密后的水印图像隐藏到Slant变换后的直流系数和中频系数中。大量的仿真结果表明,本文算法具有较好的隐蔽性,对JPEG压缩、噪声、滤波、缩放、对比度调整等攻击具有较好的抗攻击能力。与相似算法相比,本文算法具有更好的鲁棒性能。     

轨迹嵌入研究综述

表示学习方法已在自然语言处理领域得到了突破性的发展,但在轨迹大数据挖掘领域内,成果屈指可数。轨迹嵌入主要是通过合适的方法把高维稀疏有噪音的原始轨迹数据嵌入成低维稠密无噪音的抽象向量。目前的轨迹嵌入方法大多是将自然语言处理领域成熟的模型进行迁移,试图以尽可能少的代价来获得高质量的轨迹的抽象表示。从不同角度详细地对现有的表示学习方法的研究现状进行了分析和比较,最后对现有的轨迹嵌入进行了总结和进一步指出了有价值的研究方向。     

航空制造知识图谱构建研究综述

目前航空装备制造企业的设计、制造相关流程中积累了大量数据,基于知识图谱技术可以对这些数据进行有效融合与管理,对不断更新的制造知识进行挖掘,将为航空制造企业智慧化升级提供有力的知识支撑。为探明知识图谱在航空制造领域的理论支撑体系与实际应用情况,通过文献调研分析航空制造知识图谱架构、定义及特点;阐明知识图谱领域构建过程中的核心技术并进行研究综述,对比航空制造知识图谱与通用知识图谱构建技术上的异同,并提出了三个切合实际的航空制造知识图谱应用方向及其解决方案;最后对未来航空制造知识图谱的挑战进行了分析及展望,为后续该领域的研究提供一些思路。     

基于生成式对抗网络的图像修复研究进展

图像修复是图像处理的一个重要问题,目的是利用计算机视觉技术自动恢复退化图像中损坏或丢失的部分,被广泛应用于影视特技制作、图像编辑、数字化文物保护等领域。近几年,以生成式对抗网络(GAN)为代表的深度学习技术在计算机视觉和图像处理领域大获成功,基于GAN的图像修复逐渐成为主流,受到了广泛关注。针对图像修复的关键问题,文章对GAN和基于GAN的修复方法进行理论分析,首先整理分析了传统的基于人工特征的经典图像修复方法,其次总结了近年来基于GAN的代表性图像修复算法,并进行归纳分类,探讨了各类方法的特点和局限性。然后对图像修复模型常用的评价指标和公开数据集进行整理和分析,最后阐述了图像修复面临的挑战,对图像修复技术未来的发展方向进行展望。     

完备局部凸凹计数模式及其旋转不变纹理分类

局部凸凹模式是新近提出的一种有效纹理描述子,但对旋转纹理图像描述不足。针对局部凸凹模式算法的此缺陷,提出了局部凸凹计数模式进行旋转不变纹理描述。局部凸凹计数模式统计纹理的局部凸或凹模式数目,而抛弃了局部凸凹模式的结构信息。在纹理图像发生平面内旋转情况下,局部凸凹计数模式所提取的纹理特征具有不变性。另外,为了增强局部凸凹计数模式的性能,提出了完备局部凸凹计数模式算法。完备局部凸凹计数模式不仅统计了局部凸或凹模式数目,还对局部纹理的凸或凹强度进行了描述,中心像素所包含的鉴别信息也统计在完备局部凸凹模式算法中。二个纹理数据库和一个掌纹数据库上的试验充分表明完备局部凸凹计数模式是一种有效的旋转不变纹理特征提取算法。     

基于神经网络电极移动速度影响放电参数分析

结合小间隙放电的双过程模型[1],探讨电极移动引起的气体压强变化和场强变化对放电间隙内部相关因子的影响[2],进而分析电极移动速度对放电参数的影响.基于静电放电电极移动速度效应检测仪,不断改变电极移动速度,反复多次进行放电实验,统计试验数据,然后利用神经网络进行仿真分析,探究电极移动速度与放电参数之间的相关性.结果表明:电极移动速度与放电电流峰值、平均上升速度之间具有正的线性相关性,与平均下降速度间具有负的线性相关性.研究结果对于探寻非接触式静电放电的规律和静电放电标准的制定,有一定的参考价值.     

空域强鲁棒零水印方案

为了解决传统鲁棒水印技术不可感知性和鲁棒性间的矛盾,对空域零水印技术进行研究,分析了常规图像处理攻击对载体图像所有选择分块整体均值与分块均值间大小关系的影响,结果表明此关系具有较强的稳健性.基于此,提出了一种新的空域强鲁棒零水印方案.1）利用混沌系统对初值敏感的特性映射图像分块的位置和采用混沌加密与Arnold空间置乱技术对原始水印信号进行预处理;2）采用载体图像所有选择分块整体均值与分块均值间大小关系的稳健性能来构造特征信息;3）采用混沌加密和Arnold空间置乱技术对生成的零水印信号进行后处理.仿真实验结果表明,本文算法对常规的图像处理、尺寸缩放、旋转和多种组合攻击等都表现出较强的抗攻击能力.与相似的鲁棒零水印方案相比,本文算法的平均运行时间不仅减少了约90%,而且抗攻击平均性能提高了约15%,表明它具有较低的计算复杂度和更优越的鲁棒性能,适用于对载体图像质量要求较高的作品版权保护应用场合.     

基于图像插值的大容量可逆水印算法

提出一种基于图像插值的大容量可逆水印算法 。首先,对输入图像进行下采样 处理,利用某种图像插值方法对下采样生成的图像进行插值放大,得到待嵌入水印信号的载 体图像;然后,对载体 图像进行分块,得到每一分块4个基准像素的最大值和最小值,之后计算每一个非基准像素 分别与最大值和最小值 差值的绝对值,根据自适应选定的差值,计算每一个非基准像素能嵌入的最大水印位数;最 后,从待嵌入的水印信 号中将每一个非基准像素能嵌入的位数转换为十进制数,并将此数修改像素值,完成水印 信号的嵌入。大量的仿 真实验结果表明,本文算法不会出现像素值溢出现象,能实现可逆数据隐藏;与相似的基于 图像插值的可逆水印算法 相比,该算法的嵌入率(ER,embedding rate)更高;在相同 的ER条件下,本文算法的性能更好。     

SDN环境下基于LightGBM的DDoS流量分类

软件定义网络(SDN)以其高度的网络可编程性和灵活性,通过将控制平面与数据平面解耦,克服了传统网络中存在的问题,近年来成为一种新的网络结构。但由于控制器是SDN的核心部分,因此更容易发生攻击,尤其是分布式拒绝服务攻击(DDoS),已经成为SDN环境的最大安全威胁。分布式拒绝服务(DDoS)攻击会使SDN控制器和交换机流表过载,导致网络性能下降,甚至瘫痪整个网络。检测攻击速度快、精度高,误报率低是解决DDoS攻击的关键。为此,我们通过公开的入侵检测数据集IDS2018,使用LightGBM算法训练DDoS分类模型,实现对正常流量和DDoS攻击流量的分类。对比XGBoost算法,改进后的LightGBM算法分类效果更好。使用虚拟环境Mininet构建SDN拓扑,使用Ryu作为SDN控制器。模拟DDoS攻击并通过sFlow RT收集攻击流量,利用训练好的DDoS流量分类模型进行检测,模型五折交叉验证AUC达到0.81。