基于主元特征的隐写分析算法

为克服传统算法对扩频隐秘术产生的隐密彩色图像误检率较高的问题,提出基于主元特征的隐写分析算法.主元特征采用主元分析法对基于高阶微分特征函数的多维统计矩特征向量降维得到.统计像素亮度、一阶、二阶、三阶偏微分、一阶、二阶全微分和梯度这7个对象在彩色RGB图像中颜色信道内部和信道两两之间的统计分布状态.计算这些统计量的“微分特征函数”的一阶和二阶统计矩,从一幅彩色图像中得到136维特征并使用“主元分析法”降为18维,采用支持向量机为分类方法构造隐写分析算法.在CorelDraw和Washington两种图像库上的实验揭示了算法性能的稳健性.对Cox和Piva两种扩频隐秘术的实验结果表明,误检率为0的情况下,该算法检测率均达到100%.     

利用KSN算法发现网络中有影响力的结点

准确高效地发现网络中有影响力的传播者具有非常重要的理论和现实意义。近年来,结点影响力排序受到了多领域学者的广泛关注。K-shell是一种较好的结点影响力评价指标;然而,仅仅依赖结点自身K-shell值实现的算法通常具有评估结果精确度不高、适用性较差等缺陷。针对此问题,提出KSN(the K-shell and neighborhood centrality)中心性模型,该算法综合考虑了结点本身及其所有二阶以内邻居结点的K-shell值。实验结果表明,所提出算法 度量结点传播的能力 比度中心性、介数中心性、K-shell分解、混合度分解等方法更准确。     

基于图像子块颜色复杂度的隐写分析

为实现对以GIF图像为载体的隐藏图像的高效检测,提出了基于图像子块颜色复杂度的隐写分析算法.图像可划分为若干子块,颜色复杂度定义为子块中一个像素同其他像素的索引值差值之和（距离和）.一个距离和可按照索引值差值的符号,区分为正距离和与负距离和两个矢量;根据图像子块的特性,归类为主距离和与次距离和.采用直方图计算这些量的统计状态,并统计邻接图像子块的距离和共生矩阵;计算这些统计量的直方图特征函数的块中心,得到28维特征向量;基于该特征向量和支持向量机,构造隐写分析算法.实验结果表明,该算法对GIF图像上多种隐秘术的检测性能优于传统算法.     

基于信息传递的谣言源检测新算法

近年来,谣言和谣言源检测受到了多领域学者的广泛关注,准确高效地发现社交网络中谣言传播源具有非常重要的理论和现实意义。大多数传统检测方法通常只检测是否存在谣言,很少检测谣言的源头。MPA（Message-passing Algorithm）是基于谣言中心性（Rumor Centrality）的一种谣言源检测方法,在该方法基础上提出一种改进的IMPA算法（Improved Message-passing Algorithm）,用以提高相关算法的准确率。实验结果表明,新算法检测谣言源的准确率更高,此外,针对相同的检测任务,其实际执行时间更短。     

基于距离和的隐写分析基于距离和的隐写分析

为了攻击GIF格式图像中的隐秘术,提出了一种基于图像子块“距离和”的隐写分析算法。该算法中首先将距离用一个索引值同子块中其他索引值的差的绝对值表示,由于索引值的差值可正可负,因而将一个“距离和”区分为“正距离和”和“负距离和”2个矢量,考虑到“正距离和”和“负距离和”两者代数和的符号,它们被归类为“主距离和”和“次距离和”;接着采用直方图计算这些量的统计状态,并通过统计邻接“图像子块”的“距离和”共生矩阵来得到32个统计量;然后通过计算这些统计量的“直方图特征函数的块中心”来得到56维特征向量;最后运用支持向量机构造隐写分析算法。实验结果表明,该算法对GIF图像上多种隐秘术的检测性能均胜过传统算法。此外,“图像子块中不同索引值个数”还可用来改进抽取特征向量的方法。     

基于易变特征实现隐藏信息的盲检测

为检测采用Steghide、MB2隐秘术和较少嵌入信息量得到的隐秘图像，基于压缩标准JPEG的图像及其近似图像的函数，构建了一个统计模型.这些函数从JPEG图像离散余弦变换（DCT）域及其解压图像所在空域中提取易变特征.在DCT域的易变特征中抽取DCT交流系数的统计特性，而在空域的易变特征中捕捉解压图像中DCT块边界像素颜色对差值的统计特性.由原始JPEG图像及其校准图像获取统计量，计算用以表示图像的多维特征向量，得到一个多维统计模型.对8种隐秘术的实验结果表明，基于该模型和支持向量机的盲检测算法对隐秘图像具有很好的检测效果.同传统算法比较，该算法的误检率更低，而检测率更高.     

基于子图归并的全局优化调度算法

为解决调度序列的多目标优化问题，基于数据流图中特定子图调度结果相互独立的原理，提出了一种基于图的分解与合并的构造调度算法.借助弹力引导列表调度（FDLS）的调度结果得出子图调度长度上界，并据此在归并过程中去除不可行的局部序列.把数据流图分解为若干个汇聚节点和独立子图，对独立子图进行调度，按层次逐渐把下层部分结果归并到上层部分结果中，从而得到完整调度结果.结果显示，由于在每次归并部分调度序列时尽可能地对搜索空间进行了裁剪，算法的速度较快，并且能够同时得到多组全局最优解，可以利用功耗、寄存器需求等条件对结果进行进一步筛选.