基于MLP算法的Glitch PUF机器学习攻击

随着攻击技术的不断进步,基于机器学习(Machine Learning,ML)、深度学习(Deep Learning,DL)等技术的建模攻击严重威胁了PUF的安全。针对Glitch PUF单元电路静态输出的缺陷,首次提出使用多层感知器(Multilayer Perceptron,MLP)算法对Glitch PUF进行机器学习,解决了Glitch PUF输出为非线性可分数据的问题,能够对Glitch PUF攻击并预测其输出。实验表明,对比于逻辑回归(Logistic Regression,LR)算法和随机森林(Random Forest,RF)二分类算法,提出的MLP算法显著降低了预测错误率。

基于自适应奇异值调制的抗转码视频隐写算法

近年来,随着网络和多媒体处理技术的飞速发展,互联网视频用户数量呈爆炸性增长之势,目前视频流量已占网络总流量的一半以上,这为以视频为载体的隐蔽通信提供了很好的应用背景。但是另一方面,几乎所有的视频网站都会对上传视频进行转码处理,转码后载体视频的码率、图像组GOP(Group of Pictures)结构、量化参数QP(Quantization Parameters)等关键压缩参数都会受到无法预知的影响,这极大地限制了当前绝大多数基于压缩域嵌入的视频隐写算法的应用。要利用视频网站对应的有损转码信道进行隐蔽通信,关键在于设计能抵抗转码攻击的高鲁棒性,并具有足够安全性的隐写方法。针对这一问题,本文提出了一种面向小波变换域,结合奇异值分解SVD(SingularValueDecomposition)和量化索引调制QIM(QuantizationIndexModulation)的自适应鲁棒隐写方法。该方法基于目标网站的转码特性仿真实现本地编码器,在编码的过程中完成嵌入。嵌入在视频帧亮度分量的DWT(Discrete Wavelet Transform)域进行,通过采用自适应量化步长QIM的方法对分块最大奇异值进行调制达到嵌入消息的目的。另外,提出一种间隔修正的嵌入策略,很好地抑制了嵌入引起的视频闪烁效应。实验结果表明,提出方法提升了含密载体视频经过不同程度的转码后的秘密消息生存率,同时很好地保持了视觉质量和压缩效率。

MPEG-2标准与MPEG-2编解码专用芯片简介

本文介绍MPEG - 2标准和MPEG - 2的关键技术和编解码专用芯片。

浅谈图像视频编码的国际标准

本文浅显地讨论了图像视频编码的国际标准以及每种图像和视频编码的技术特点