gyrator变换域的高鲁棒多图像加密算法

目的 随着互联网通信和多媒体技术的快速发展,单幅图像加密技术难以满足日益增长的数据传输需求。为提高图像加密系统的传输效率,同时保证安全性和鲁棒性,本文构建一种基于gyrator变换和多分辨率奇异值分解（multi-resolution singular value decomposition,MRSVD）的多图像加密算法。方法 首先,将明文图像每两幅组合为复数矩阵,利用改进的logistic映射生成混沌相位掩模,对复数矩阵进行gyrator域的双随机相位编码。其次,将变换后矩阵的实部分量和虚部分量组合为实数矩阵并进行多分辨率奇异值分解。最后,使用正交系数矩阵对多分辨率奇异值分解的结果进行线性组合得到密文图像。结果 实验结果表明,使用本文算法得到的解密图像的峰值信噪比大于300 dB,解密图像质量相较于对比算法的解密图像质量更好;密钥发生微小改变前后密文相关系数（correlation coefficient,CC）远小于0.20,明文像素值发生微小变化时像素变化率（number of pixels change rate,NPCR）与归一化平均变化强度（unified average changing intensity,UACI）分别约为0.999 0和0.333 7;密钥空间大小为5.616 9×10⁶⁰,可以抵御蛮力攻击;当密文图像受到一定强度的高斯白噪声和剪切攻击时,本文算法能够较好地恢复明文图像。结论 所提出的多图像加密算法在高质量恢复明文图像的同时具有较高的安全性和较强的鲁棒性,可以应用于图像的内容保护与安全传输。     

IPv6发展特点及对策建议

基于互联网行业和IPv6技术发展的实际情况,从部署情况、网站支持和地址资源等角度描述了IPv6全球发展趋势。通过数据比对和政策解读,分析了中国IPv6多年来的发展进程和后来居上的主要因素,总结出国内IPv6深入发展所面临的支持度低、升级缓慢和产业链不完整的三大困境,并针对性地提出具体的对策建议。     

一种基于信誉机制的科学文献影响力评价方法

学术影响力评价一直是文献计量学领域的一个研究热点。已有的大多基于数据挖掘的学术影响力评价方法忽略了恶意活动产生的影响,导致评价结果欠佳。为解决这一问题,提出了一种名为ReputeRank的新方法,该方法采用信誉机制来评估引文网络中出版物的有效性。信誉机制包括3个阶段:种子集选择阶段、信誉传播阶段和集成计算阶段。首先,ReputeRank利用SCI期刊分区信息选择引文网络中潜在的好种子和坏种子;然后,根据信誉传播思想,信誉度良好的种子指向的论文通常具有更高的可信度,而信誉度不好的种子指向的论文通常具有较低的可信度,该方法使用TrustRank和Anti-TrustRank评价公式在引文网络中迭代传播信任值和不信任值;最后,根据引文网络中的信任值和不信任值,利用综合集成公式对每篇论文计算评分,并根据评分结果对所有论文降序排列。在KDD cup 2003数据集上的实验结果表明,与3种影响力评价方法PageRank,CountDegree和SPRank相比,ReputeRank能够获得更优的效果。     

基于Space系统的叠合式安全机制

基于Space系统(Space Operating System, SpaceOS)提出了一种叠合式安全机制, 该机制在保证安全性的同时具有实用性的特点. 首先对系统安全域进行划分, 定义了安全机制的要求. 提出了安全机制的设计思想, 通过形式化方法证明其达到安全的要求, 然后通过Overlay文件系统说明技术的可行性, 并将该安全机制应用于SpaceOS上. 最后对其进行性能测试, 安全性测试以及实用性测试. 测试表明, 叠合式安全机制具有安全性和实用性, 对SpaceOS运行速度影响很小, 具有实用价值.     

Strategic Engineering of Sub-5 nm Dyes@CDs Nanoassemblies Platform for Super Resolution Imaging

The design and construction of fluorescence probes with small size, high quantum yield, photostability, and solubility in an aqueous solution to achieve biomarker have become a focus of interest in super-resolution bioimaging application. Herein, four kinds of GFP-like supramolecular nanoassemblies (SNAs) are constructed in a very facile manner by the host–guest interaction between isopercolic acid derivatives (IADs) and cyclodextrin (CD). ¹H NMR, Fourier transform infrared spectroscopy (FT-IR) and single crystal structure well prove the formation of SNAs. Moreover, compared to the initial state, the fluorescence quantum yield of the SNAs is dramatically improved through suppressing nonradiative relaxation pathways and shielding quenchers. The bimolecular exciton–exciton annihilation (bmEA) process under the high pumping fluence has been suppressed effectively. Both the improved gain and the reduced loss facilitate the buildup of stimulated emission and enable the high stimulated emission efficiency of these SNAs. Sub-5 nm IADs@β-CDs-mediated STED imaging exhibits excellent stimulated emission depletion (STED) performance: high photostability, low saturation intensity ( ≈ 0.50 MW cm⁻²), and high resolution (30 nm) under P_STED-775 nm of 109 MW cm⁻². This supramolecular strategy avoids the tedious molecular synthesis process and paves a new pathway for insights into building up novel high-performance STED probes.     

DPENet：轻量化文档姿态估计网络

现有的用于矫正透视倾斜变形文档的深度学习模型存在空间泛化性差、模型参数量大、推理速度慢等问题。从姿态估计的角度出发,提出一种轻量化文档姿态估计网络DPENet（lightweight document pose estimation network）,以优化上述问题。将文档图像中的单一文档视为一个姿态估计对象,将文档的四个角点视为文档对象的四个姿态估计点,采用兼具全连接回归与高斯热图回归优点的DSNT（differentiable spatial to numerical transform）模块实现文档图像角点的高精度定位,并通过透视变换处理实现透视变形文档图像的高精度矫正。DPENet采用轻量化设计,以面向移动端的MobileNet V2为主干网络,模型体量只有10.6?MB。在SmartDoc-QA（仅取148张文档图像）数据集上与现有的三种主流网络进行了对比实验,实验结果表明,DPENet的矫正成功率（96.6%）和平均位移误差（mean displacement error,MDE）（1.28个像素）均优于其他三种网络,同时其平均矫正速度也有良好的表现。在保持轻量化和速度快的条件下,DPENet网络具有更高的变形文档矫正成功率和矫正精度。     

基于可变局部边缘模式的绿色植物物种识别

绿色植物物种识别在生态环境保护、中药制取、农业与园艺应用等方面有着重要的应用前景和潜在的经济价值。边缘是一种直观、简单、有效的对象识别特征,文中针对传统边缘算子方向少,尺度单一,操作不灵活等缺点,使用一种具有多尺度、多方向属性的圆形局部边缘模式算子(varied local edge pattern,VLEP)提取植物图像的边缘特征,同时考虑阈值细分的思想,在自建的绿色植物物种数据库上进行的实验结果表明,该算法不仅可以弥补传统算子由于边缘方向少、尺度单一导致丢失边缘信息的缺陷,同时可以有效用于绿色植物物种识别。     

Discriminative transfer learning with sparsity regularization for single-sample face recognition

Discriminant analysis is an important technique for face recognition because it can extract discriminative features to classify different persons. However, most existing discriminant analysis methods fail to work for single-sample face recognition (SSFR) because there is only a single training sample per person such that the within-class variation of this person cannot be estimated in such scenario. In this paper, we present a new discriminative transfer learning (DTL) approach for SSFR, where discriminant analysis is performed on a multiple-sample generic training set and then transferred into the single-sample gallery set. Specifically, our DTL learns a feature projection to minimize the intra-class variation and maximize the inter-class variation of samples in the training set, and minimize the difference between the generic training set and the gallery set, simultaneously. To make the DTL be robust to outliers and noise, we employ a sparsity regularizer to regularize the DTL and further propose a novel discriminative transfer learning with sparsity regularization (DTLSR) method. Experimental results on three face datasets including the FERET, CAS-PEAL-R1, and real-world LFW datasets are presented to show the efficacy of the proposed methods.     

不同合作度下机会网络典型路由算法健壮性分析*

机会网络路由算法在不同合作度下的健壮性是一个重要的但未被充分研究的问题,分析了机会网络中可能存在的节点间不合作的情况,定义了三种适用于不同场景的节点合作度,设计了评价方法及指标体系,通过对真实城市场景中带有智能蓝牙设备行人移动行为的仿真,定量分析了不同节点合作度下Direct Delivery、Epidemic、Spray and Wait、Prophet和MaxProp 五种典型路由算法的健壮性。结果表明Spray and Wait和MaxProp算法健壮性较差,Prophet 和Epidemic算法较     

可穿戴设备的信息安全风险及我国应对建议

可穿戴设备面临着个人隐私泄露风险,黑客远程攻击风险,政府、军队等办公网络核心数据泄露风险,并进一步引发国家安全问题。究其根源,主要是由于系统漏洞和恶意软件、Wi Fi热点安全等问题引起的。据此,本文提出了我国应对的三点建议：提高对可穿戴设备信息安全的重视;加强可穿戴设备信息安全防护技术研发和体系建设;引导用户增强信息安全意识。