明文图像可逆信息隐藏综述

图像可逆信息隐藏作为信息隐藏的重要分支,发展至今已近三十年,因其独有的图像无损恢复能力,一直备受医学、司法、军事等重点领域的青睐。然而现有可逆信息隐藏研究成果繁多,迁移知识广泛,本文简要梳理可逆信息隐藏的发展脉络,在回顾经典算法的基础上,加以简化、注释,总结成功经验,展望潜在应用,以期为研究者提供一个按图索骥的探索路径。本文主要包括3个部分,分别为位图（Bitmap,BMP）图像的可逆信息隐藏（适用于空域嵌入操作）、JPEG （Joint Photographic Experts Group）图像的可逆信息隐藏（适用于频域和编码域嵌入操作）和鲁棒可逆水印（适用于扩展性研究）。通过近百篇高影响力文献的梳理可知,可逆研究的受众广泛、基础深厚,其严谨的数学定义和简明的机理论证是深受研究者推崇和坚持的重要原因。“干净、简明”的特点也是其能够与现实应用有效结合的强力抓手。增加可逆算法对于载体多样性的普适性研究,引入新的评价指标来导引算法与现实应用的融合,将是未来可开拓的方向。可逆信息隐藏技术能够恢复图像初始状态,其独特之处在于图像本身就是一个复杂语义的信息表达。这既要求可逆嵌入操作所施加的影响不能改变图像所表达的主要语义,又要求该操作是可消除的,保留溯源能力,将内容的信息表达权始终交由图像本身。这一特点不仅为敏感领域信息处理所亟需,也是其他常见领域并不排斥的。严格来说,一定程度上的复原本就是事物发展到一定阶段后的必然追求。据此,本文认为推广可逆研究与多学科融合解决更难、更广泛的问题,实现长远发展,是完全必要且可行的。     

某工业园区空调冷热源系统改造

近年来,由于建筑空调冷热源系统设计及配置的不合理而进行改造的项目及情况越来越多,合同能源管理的改造模式也是在这样的情况下产生的。分析了西安市某工业园区空调冷热源系统的现状及存在的问题,并结合园区内可供利用的一次能源、市政能源和可再生能源,以经济性最优为出发点,设计了由土壤源热泵系统、冰蓄冷系统、水源热泵系统和燃气锅炉系统构成的新的空调冷热源系统。通过技术经济性比较得出,改造系统的动态投资回收期小于10年。     

抗几何失真的视频Hashing算法研究

文中提出了一种基于视频灰度直方图形状的Hashing算法,能有效抵抗各种常见的几何失真和视频处理操作.算法的鲁棒性原理如下:1)由于直方图的形状与像素位置无关,故基于直方图的视频Hashing算法能有效抵抗各种常见的几何攻击;2)由于在计算Hashing前对视频帧进行了平滑预处理,故算法对加噪攻击、模糊滤波、有损压缩等处理操作有很好的鲁棒性;3)由于计算Hashing前在时间轴上进行了低通滤波预处理,故算法能抵抗帧率变化、帧丢失等时域同步攻击.实验结果表明,所提出的Hashing算法有良好的唯一性和鲁棒性能.     

基于手工特征提取与结果融合的CNN音频隐写分析算法

随着互联网技术的快速发展,出现了基于IP的语音传输技术,给人们带来方便的同时也带来了许多安全隐患,如不法分子利用VoIP压缩域语音传输协议传送秘密信息.因此,针对基于G.729A编码的基音隐写算法和互补邻居顶点的量化索引调制音频隐写算法,本文提出了一种基于手工特征提取与结果融合的卷积神经网络音频隐写分析算法.通过将手工提取特征与卷积神经网络相结合,可以实现在VoIP压缩域同时对基于基音的隐写算法和互补邻居顶点的量化索引调制音频隐写算法进行有效检测.实验结果表明,在同时对基音隐写算法和互补邻居顶点的量化索引调制音频隐写算法进行检测时,本文所提出的基于手工特征提取与结果融合的卷积神经网络音频隐写分析算法的检测准确率可以达到86.2％(嵌入率为100％、音频样本时长为0.1s).与现有隐写分析算法相比,在音频时长较短时,本文所提算法取得了优异的检测结果.     

NEQR量子图像下的差分扩展可逆数据隐藏算法

量子图像安全处理是一个新兴的研究领域,而量子图像数据隐藏是量子图像安全处理技术的一种,在不损害载体的情况下可用于保护量子图像的版权和认证量子图像是否完整。目前尚缺乏对量子图像可逆数据隐藏的详细技术研究。结合差值扩展技术,本文提出了一种量子图像可逆数据隐藏算法：1）选用NEQR量子图像表示法来表示图像;2）借鉴经典的差值扩展算法,在NEQR量子图像上对量子比特进行处理,可逆嵌入数据;3）设计了信息嵌入、信息提取和载体无损恢复的量子线路图,并进行了仿真。基于经典图像的实验结果表明,本文算法是可逆的,可用于将来对量子图像的认证和保护。     

基于同态加密系统的图像鲁棒可逆水印算法

同态加密技术可用于保护数据隐私并允许对密文数据进行算术操作,在云计算安全上有着很好的应用前景.针对云计算中的隐私保护和数据安全等问题,本文提出了一种基于同态加密系统的图像鲁棒可逆水印算法,主要思想为：1）对原始图像进行分块和利用Paillier加密系统进行加密得到密文图像;2）在加密域中,通过模乘法逆元MMI （Modular Multiple Inverse）方法和查询相应的密文映射表得到每个密文分块的统计量,然后利用同态特性对统计量进行直方图平移来嵌入水印信息;3）在接收方,可从含水印的密文图像的统计量直方图中完整提取水印,并可通过对统计量进行与嵌入过程相反的直方图平移操作来恢复原始密文图像;4）含水印的密文图像在直接解密后可从其统计量直方图中完整提取水印信息和恢复原始图像;5）解密后的含水印图像在受到一定程度的攻击后（如JPEG/JPEG2000压缩和叠加高斯噪声等）,水印仍能正确提取.该算法实现了在不对原始图像进行预处理的情况下可直接在加密后的密文图像中嵌入水印,并可分别在加密域或明文域提取水印和恢复原始密文图像或原始明文图像,而且嵌入的水印对常见的图像处理操作具有一定的鲁棒性.实验仿真结果验证了本文算法的有效性.     

一种保序加密域数据库认证水印算法

加密域水印技术适用于云环境下的隐私保护（加密）和数据安全认证（加水印）.通过结合保序加密、离散余弦变换、密码哈希和数字水印技术,提出了加密域数据库认证水印算法.首先对数据进行保序加密,以达到对敏感数据内容的隐私保护;对加密后的数据进行分组和离散余弦变换处理,然后将交流系数的哈希（Hashing）值作为认证信息嵌入到直流系数中来认证数据的完整性;可通过比对交流系数的哈希值和从直流系数中提取的水印信息,来判断加密数据是否受到篡改.水印嵌入设计很好地结合了保序加密的特性,使得对加密数据的水印嵌入不会影响到明文数据的正确恢复,利用密钥对加水印的加密数据库直接解密可得到原数据库.实验结果表明：所提出的算法不仅能够用于保护数据库中的内容隐私,而且能检测出不同程度的篡改和有效认证数据库数据的完整性.     

同态公钥加密系统的图像可逆信息隐藏算法

同态加密技术在加密信息、对信息进行隐私保护的同时,还允许密文数据进行相应的算术运算(如云端可直接对同态加密后的企业经营数据进行统计分析),已成为云计算领域的一个研究热点.然而,由于云存在多种安全威胁,加密后信息的安全保护和完整性认证问题仍然突出.另外,信息在加密后丢失了很多特性,密文检索成为了云计算需要攻克的关键技术.为了实现对加密图像的有效管理及其安全保护,本文提出了一种基于同态加密系统的图像可逆信息隐藏算法.该算法首先在加密前根据密钥选择目标像素,并利用差分扩展DE(Difference Expansion)的方法将目标像素的各比特数据嵌入到其它像素中.然后,利用Paillier同态加密系统对图像进行加密得到密文图像.在加密域中,利用待嵌入信息组成伪像素,加密后替换目标像素,完成额外信息的嵌入.当拥有相应的密钥时,接收方可以分别在密文图像或明文图像中提取出已嵌入的信息.当图像解密后,通过提取出自嵌入目标像素的各比特数据来恢复原始图像.实验仿真结果表明,该算法能够在数据量保持不变的前提下完成同态加密域中额外信息的嵌入,信息嵌入快速高效,并可分别从加密域和明文域中提取出嵌入的信息.     

小波域基于差分统计量直方图平移的图像鲁棒可逆信息隐藏算法

随着互联网技术的飞速发展和5G时代的到来,数字多媒体的交流和传播变得越来越便捷。为了解决网络环境下,数字图像的版权保护、完整性认证和篡改定位等问题,本文提出了一种小波域基于差分统计量直方图平移的图像鲁棒可逆信息隐藏算法,其主要思想为：1）对载体图像进行Haar小波变换;2）对变换后所得到的低频子带进行分块并计算分块的差分统计量以构造差分统计量的直方图;3）通过平移直方图将秘密信息嵌入到图像的低频子带中,并通过Haar小波逆变换得到带秘密信息的图像;4）在接收方,通过计算低频子带的分块差分统计量可以将秘密信息准确地提取出来,并且通过执行直方图平移的逆操作可以无损地还原出原始的低频子带,从而无失真地恢复出原始载体图像;5）带秘密信息的图像在遭到一定程度的图像处理操作的攻击后,被嵌入的秘密信息仍然可以被有效地提取出来,例如压缩因子为30的JPEG压缩和标准差为30的加性高斯噪声。与现有的几种鲁棒可逆信息隐藏算法相比,本文算法有更强的鲁棒性。实验结果验证了本文算法的有效性。     

用VOF方法数值计算液滴燃烧

引 言 液体燃料通过喷射进入内燃机的汽缸或喷气发动机的透平中燃烧产生热能.近年来能源危机加剧及减排CO2以保护环境意识提高,促使研究者们采用新的技术提高化石燃料的燃烧效率,其中对单个液滴燃烧物理过程的深刻了解是改进喷射燃烧为特征的内燃机械能量利用效率的基本.对液滴燃烧过程的数值及实验研究已经有几十年.最早的研究者有Godsave[1]、Spalding[2]等,他们基于常物性、球对称及类稳态假设,对液滴在静止空气中的燃烧过程建立了基本数学描述,并得到了著名的"d2定律",即液滴直径平方随时间线性减小,用公式表示为dd2/dt=k,k为燃烧速率常数.