基于改进支持向量机的高维隐写盲检测方法

针对高维大样本空间中支持向量机( SVM)存在计算复杂度高、分类精度低等问题,在随机子空间方法与主成分分析方法的基础上,提出一种特征加权支持向量机的高维隐写盲检测方法。通过随机子空间对原始高维样本的特征空间进行随机采样,产生多个低维的特征子集,在特征子集中采用主成分分析法进行特征提取,并利用卡方统计计算特征权重,运用特征加权核函数训练各基SVM分类器,并用多数投票法融合各基分类器结果得到最终分类结果。对HUGO隐写算法的实验结果表明,该方法能有效降低SVM计算复杂度,与传统方法相比,具有较高的隐写检测率和更快的分类速度。     

基于角色的Android手机平台木马检测系统

有效保障手机各类通信的安全,是当前手机安全软件研究的热点问题。基于Android手机操作系统平台,引入角色思想,提出一种基于支持向量机(SVM)二分类算法、Android OS中的权限机制及用户自定义策略的角色安全检测模型。在该模型的基础上详细描述设计方案,并实现一个针对典型木马的检测系统,实验结果证实该系统的有效性。     

网络环境下地图的混沌加密实用算法

针对地图的存储特性，提出了一个混沌序列加密算法．该算法首先用单向Hash函数把密钥散列为混沌映射的迭代初值，混沌序列经过数次迭代后才开始取用；然后将迭代生成的混沌序列值映射为ASCII码后与地图数据逐字节进行异或运算．考虑到实际计算中的有限精度效应，随步长改变混沌映射参数．采用实际的地图数据，经与DES及A5算法的比较表明，该算法效率高、保密性好、使用简单。     

基于博主背景的博客倾向性检索归一化策略

博客倾向性检索的目标是检索出不仅与特定查询主题相关而且包含针对该主题的评论的博文单元,并依据倾向性强度进行排序。目前大多数研究工作仅仅通过单个博文单元包含的主题倾向性强弱对博文进行排序。然而,博客是博主表达自己观点情感的媒介,博主的个性风格很大程度上影响着倾向性强度,忽略博主因素仅仅使用单个博文单元获取倾向性评分,会给倾向性评分带来偏差。针对这个问题,该文首先分析博主背景因素对倾向性评分的影响并建立博主背景模型,然后提出基于博主背景的博客倾向性检索归一化策略,最后使用该策略对基于概率推理模型的博客倾向性检索算法进行归一化。实验结果表明,基于博主背景的倾向性检索归一化策略能够更加合理地对博主单元进行排序。     

基于改进AdaBoostSVM的JPEG图像多特征融合隐写检测方法

传统的JPEG图像盲隐写检测算法主要是通过单个或是两个特征集融合的方式来设计。而对于多个特征集,如何从这些特征集中选取一个较优的组合进行融合,目前尚处于研究阶段。本文提出一种基于改进AdaBoostSVM的多特征融合隐写检测方法,并通过设计多个实验来验证算法的性能。通过实验比较,在JPEG图像隐写多特征融合盲检测中,该方法能够在有限的计算复杂度下得到一个融合效果较优的特征组合。     

论设计模式的重用

本文针时设计模式与重用这两种不同的、但又紧密相关的技术之间的相互关系和相关问题进行讨论。阐述了设计模式本身的重用机制;提出了实现设计模式重用的方法：比较了设计模式与其它软件重用技术的异同：说明了设计模式重用所带来的优点之外的代价。     

密码体制及其应用中的对称与不对称

本文从自然科学哲学的角度揭示并分析密码体制及其应用中的对称与不对称。指出了密码体制中的对称性,以及对称的破缺现象;讨论了密码技术应用和密码体制本身当中体现的对称和非对称的嵌套性与统一性;总结了这些自然科学哲学原理对往后的网络信息安全领域研究中可能起的指导作用。     

基于四元数多特征并行融合的JPEG隐写检测

针对串行特征融合方法易出现“维数灾难”以及并行复矢量特征融合方法只能融合两类特征的弱点,提出一种基于四元数多特征并行融合的JPEG隐写检测方法。方法利用四元数有4个分量能融合4种特征的性质,首先提取4种经典特征,然后用主成分分析(PCA)进行数据降维,去除冗余信息,最后将4种特征组合为四元数矢量,实现多特征的并行融合。实验结果表明,和传统特征融合方法相比,所提方法不仅有效提高了JPEG隐写图像检测率,而且具有较强的鲁棒性。     

采用复合整数变换差值扩大法的矢量地图可逆水印算法

现有的二维矢量地图可逆水印算法没有充分考虑原始地图的形状特征,其有效信息嵌入率较低,水印嵌入带来的失真较大,为此提出一种有效的二维矢量地图可逆水印算法.该算法考虑二维矢量地图的结构特点和形状特征,利用矢量地图曲线和曲面坐标序列固有的分段单调性来构造多维向量;对多维向量实施复合差值扩大可逆变换,将水印嵌入引入的误差由多个数据点共同承担,使得每个数据点所承受的误差更均匀,避免了在矢量地图单调转折区因水印嵌入带来较大的失真,使矢量地图能承载更多的有效信息;通过设定矢量地图的误差容限来保证精度,可有效地控制信息的嵌入大小.理论分析和实验结果表明,该算法具有较好的透明性和较高的有效信息载荷,可用于矢量地图认证和隐秘通信等领域.     

基于半监督学习的JPEG图像通用隐写检测方法

目前,JPEG图像的通用隐写检测是基于监督学习的,其关键技术包括图像特征提取和分类器的设计.首次提出了运用半监督学习中的EM算法来进行分类器的设计,该方法利用大量未标记样本辅助少量有标记样本进行分类器的学习.针对经典的JPEG隐写方法:Outguess和F5,用监督学习与文中半监督学习方法进行实验对比,结果表明,在缺少大量标记样本的情况下,文中方法能得到较好的分类性能,从而提高了JPEG图像通用隐写检测方法的实用性.