基于空频联合卷积神经网络的GAN生成人脸检测

生成式对抗网络(GAN)的快速发展使其在图像生成领域取得了前所未有的成功。StyleGAN等新型GAN的出现使得生成的图像更真实且具有欺骗性,对国家安全、社会稳定和个人隐私都构成了较大威胁。文中提出了一种基于空频联合的双流卷积神经网络的检测模型。鉴于GAN图像在生成过程中因上采样操作在频谱上留下了清晰可辨的伪影,设计了可学习的频率域滤波核以及频率域网络来充分学习并提取频率域特征。为了减弱图像变换至频域过程中丢弃部分信息而带来的影响,同样设计了空间域网络来学习图像内容本身具有差异化的空间域特征,最终将两种特征融合来实现对GAN生成人脸图像的检测。在多个数据集上的实验结果表明,所提模型在高质量生成数据集上的检测精度及在跨数据集的泛化性上都优于现有算法,且对于JPEG压缩、随机剪裁、高斯模糊等图像变换具有更强的鲁棒性。不仅如此,所提方案在GAN生成的局部人脸数据集上也有不错表现,进一步证明了所提模型有着更好的通用性以及更加广泛的应用前景。

基于可逆数字水印的无线传感器网络可恢复数据聚合协议

针对无线传感器网络数据安全认证协议的高能耗与传感器节点资源受限的对立问题,文中提出了一种基于可逆数字水印的聚合协议。一方面,在感知节点处,将水印嵌入到感知数据中,对水印数据进行基于椭圆曲线的同态加密,以此保证数据在传输过程中的私密性;在簇头节点处,对接收的数据只进行聚合和转发操作,以此减小网络通信开销;在基站处,通过提取水印对数据进行完整性认证。另一方面,该协议提出了一种基于环的聚合树,从而降低节点的传输能耗,延长网络生命周期。通过理论分析证明了所提协议将水印技术与数据聚合技术进行了更好的结合,具有较好的安全性和较低的计算开销,且能实现感知数据的完整性认证。此外,与同类算法的对比实验表明该协议在通信开销和时延方面都具有一定的优势。

语义空间下基于情感表达的生成式文本隐写方法

针对现有生成式文本隐写方法存在的“过度优化”文本质量以及生成的隐写文本在语义表达上缺乏约束等问题,提出了一种在语义空间下基于情感表达的生成式文本隐写方法。该方法利用新媒体平台提供的情景融合的伪装场景,研究如何利用无监督抽取模型从原始数据集中抽取情感表达组合候选集合,并基于改进的二部图排序算法对情感表达组合候选集合进行排序,得到情感表达组合集合;然后将其映射到语义空间,实现基于情感表达组合生成用户观点的同时嵌入秘密信息。实验结果表明,与同类语义空间下生成式文本隐写方法相比,所提方法生成的含密商品评论的困惑度最低可达10.536,且含密商品评论与主题具有较强相关性,进一步保证了隐写文本的认知隐蔽性,同时所提方法还可有效地用于安全保密通信领域,能够避免发送方被追踪溯源和关联分析。

采用可逆信息隐藏技术的高性能彩色图像对比度增强算法

针对彩色图像可逆信息隐藏中相对较少的嵌入容量和数据嵌入后的图像质量问题,提出基于可逆信息隐藏的高性能彩色图像对比度增强算法.该算法将原始RGB图像转换成HSV(色调,饱和度,亮度)图像,在预处理时,合并像素直方图单侧2个高度最低的条柱,并设置一个失真阈值防止图像失真;数据嵌入过程中,在保持色调分量不变的同时增大单个像素能嵌入秘密信息的长度,且在增大数据嵌入量的同时减少了图像失真;在多次执行数据嵌入过程后,直方图实现均衡化,从而有效地增强图像的对比度.在Kodak和USC-SICI图像集上的实验结果表明,与同类算法(UCE和HSP算法)相比,所提算法在嵌入容量指标和色彩差异指标CIEDE2000的性能上分别平均提升28.6%和34.7%.

基于改进A*算法的应急救援无人机路径规划

针对救援无人机传统路径规划算法存在搜索扩展节点数多、搜索路径时间长、规划轨迹不平滑的缺点,提出了一种改进A*算法的应急救援无人机路径规划方法。采用对角线距离作为启发函数并进行指数加权,通过双向搜索策略进行搜索优化,对生成的路径点使用贝塞尔曲线进行曲线拟合。实验中设计了多种非结构化地图,对Dijkstra算法、传统A*算法和改进A*算法在搜索扩展节点数、规划路径长度和搜索路径时间三方面进行对比。实验结果表明,设计的多种地图中改进A*算法在搜索扩展节点数较Dijkstra算法和传统A*算法分别至少降低了59.82%、39.40%,在搜索路径时间分别至少降低了57.38%、33.46%,规划后的路径经过贝塞尔曲线优化后满足无人机的实际飞行要求,可以实现高效率无人机应急救援。

基于直线生成的卷积霍夫线段检测

直线检测作为计算机视觉的上游任务,为下游包括工业视觉、遥感图像分析等任务提供支撑。直线检测的一大方向是霍夫直线检测,但现有霍夫检测基于近似原理设计计票器,直线检测准确度不高。为提高霍夫变换线段检测的准确度,利用卷积改进霍夫直线检测的计票器并提出基于直线生成的卷积霍夫线段检测方法。利用中值滤波对原始图像中的复杂纹理平滑处理后检测图像中的边界;通过按位异或卷积去除边界检测结果中的噪点并保留候选的线段端点;将候选的线段端点两两组合并使用布雷森汉姆算法进行线段生成,由利用卷积改进的计票器判断生成的线段是否存在于边界上;确认端点所构成线段位于边界后求取端点对之间的参数并合并参数相似的加检测结果,得到最终线段检测结果。对比实验中该方法的F1指标为0.7626,优于对比方法中最高的0.6523,证明该方法保留了霍夫变换较高鲁棒性的同时提高了检测结果的准确性。

基于空间感知的多级损失目标跟踪对抗攻击方法

针对现有的对抗扰动技术难以有效地降低跟踪器的判别能力使运动轨迹发生快速偏移的问题,提出一种高效的攻击目标跟踪器方法。首先,所提方法从高层类别和底层特征考虑设计了欺骗损失、漂移损失和基于注意力机制的特征损失来联合训练生成器;然后,将干净图像送入该生成器中,生成对抗样本;最后,利用对抗样本干扰目标跟踪器,导致目标运动轨迹发生偏移,降低跟踪精度。实验结果表明,所提方法在OTB数据集上达到了54%的成功率下降和70%的精确度下降,实现了复杂场景下对目标快速有效的攻击。

基于卦限卷积神经网络的3D点云分析

基于深度学习的三维点云数据分析技术得到了越来越广泛的关注,然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点.本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network,Octant-CNN),它由卦限卷积模块和下采样模块组成.针对输入点云,卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点,接着通过多层卷积操作将8卦限中的几何特征抽象成语义特征,并将低层几何特征与高层语义特征进行有效融合,从而实现了利用卷积操作高效提取三维邻域内的局部结构信息;下采样模块对原始点集进行分组及特征聚合,从而提高特征的感受野范围,并且降低网络的计算复杂度.Octant-CNN通过对卦限卷积模块和下采样模块的分层组合,实现了对三维点云进行由底层到抽象、从局部到全局的特征表示.实验结果表明,Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.

基于交易构造和转发机制的区块链网络隐蔽通信方法

针对现有存储型区块链网络隐蔽通信方案存在含密交易多副本、永久存储的问题,以及现有时间型方案隐藏容量低的问题,提出了一种基于交易构造和转发机制的区块链网络隐蔽通信方法。首先发送方借助交易构造机制创建无效交易,并将秘密信息嵌入其中,再利用交易转发机制向邻居节点发送无效交易,形成隐蔽通信信道模型,使含密交易在节点间传播且不存于区块链账本中,达到信息隐蔽安全传输的目的。实验结果表明,传输容量高于现有方案,单次通信时间减少至2.5 s。

基于三维双流网络的视频目标移除篡改取证

为了解决目标移除篡改视频时域检测和定位不准的问题,提出了一种基于三维双流网络的视频篡改取证方法。首先,利用空域富模型(SRM)层提取视频帧的高频信息;然后,使用改进的三维卷积(C3D)网络作为双流网络的特征提取器从高频图像帧和原始视频帧中分别提取高频信息和低频信息;最后,通过紧凑双线性池化(CBP)层将两组不同的特征向量融合成一组特征向量并用于分类检测。实验结果表明,在SYSU-OBJFORG数据集中,所提方法在全部视频帧中的分类准确率上具有优势,使视频目标移除篡改时域检测和定位更加准确。

基于个性化差分隐私的联邦学习算法

联邦学习(FL)可以有效保护用户的个人数据不被攻击者获得,而差分隐私(DP)则可以实现FL的隐私增强,解决模型训练参数导致的隐私泄露问题。然而,现有的基于DP的FL方法只关注统一的隐私保护预算,而忽略了用户的个性化隐私需求。针对此问题,提出了一种两阶段的基于个性化差分隐私的联邦学习(PDP-FL)算法。在第一阶段,依据用户的隐私偏好对用户隐私进行分级,并添加满足用户隐私偏好的噪声,以实现个性化隐私保护,同时上传隐私偏好对应的隐私等级给中央聚合服务器;在第二阶段,为实现对全局数据的充分保护,采取本地和中心同时保护的策略,并根据用户上传的隐私等级,添加符合全局DP阈值的噪声,以量化全局的隐私保护水平。实验结果表明,在MNIST和CIFAR-10数据集上,PDP-FL算法的分类准确度分别为93.8%~94.5%和43.4%~45.2%,优于基于本地化差分隐私的联邦学习(LDP-Fed)和基于全局差分隐私的联邦学习(GDP-FL),同时满足了个性化隐私保护的需求。

利用知识图谱的推荐系统研究综述

随着互联网的快速发展,如何从海量数据中筛选实际需要的信息变得尤为重要。推荐系统作为一种信息过滤的方法,旨在为用户推荐个性化内容。传统推荐算法中普遍存在数据稀疏和冷启动问题,近年来,研究者利用知识图谱中丰富的实体与关系信息,不仅能够缓解以上问题,同时增强了推荐系统的整体性能。利用知识图谱的推荐系统研究主要包括三方面内容:介绍推荐系统和知识图谱的基本概念,指出现有推荐算法的不足之处;根据不同核心技术详细分析利用知识图谱的推荐系统研究现状,评估不同方法的技术优势与挑战;总结相关应用场景和数据集信息,并展望未来发展前景。

基于QDCT全局均分策略的鲁棒视频水印方案

视频水印作为一种应用前景广阔的版权保护技术,近年来受到了广泛关注。与原始域方案不同,压缩域方案不需要完全编解码视频,具有更高的效率;并且视频存储和传输一般需要经过压缩编码才能进行,使得压缩域的鲁棒视频水印方案成为了研究热点。但现有的压缩域方案大多利用压缩域中的QDCT系数个体来嵌入水印,使得算法的鲁棒性不高。为了增加压缩域算法的鲁棒性,文中提出了一种基于QDCT全局均分策略的鲁棒视频水印方案。首先,利用非零系数个数选出视频中兼具纹理和高空间复杂度的块作为水印块,将两块水印块组成块对;然后,分别计算出块对中所有系数的总和,根据系数总和的大小以及水印信息,通过全局均分策略修改后序块内所有非零系数的幅值,来满足方案设置的块对系数和规则,以实现水印的嵌入。实验结果表明,在保证含水印视频具有较高视觉质量的前提下,该方案抵抗重压缩攻击和噪声攻击的鲁棒性均优于现有压缩域的鲁棒视频水印方案,分别提高了8%,9%。

基于四元数的强泛化性GAN生成人脸检测算法

基于生成式对抗网络(generative adversarial network,GAN)模型生成的逼真人脸图像给司法、刑侦、名誉保护等带来了挑战.因此,基于四元数提出一种具有强泛化性的GAN生成人脸检测算法,其由GAN噪声指纹提取模块与分类模块组成.GAN噪声指纹提取模块采用孪生四元数U-Net提取噪声指纹特征;分类模块基于提取的噪声指纹特征采用四元数ResNet区分真实人脸和生成人脸;使用基于距离的逻辑回归损失函数和交叉熵损失函数对参数进行寻优.采用公开的自然人脸数据集CelebA进行实验,基于其利用多种GAN模型得到不同生成人脸数据集.4组消融实验验证了该算法在4个方面的改进的有效性.一种GAN生成人脸数据训练多种GAN测试的结果以及鲁棒性实验结果表明,所提算法比对比算法具有更强的泛化性以及较好的抵抗JPEG攻击的鲁棒性.

图像修复方法研究综述

图像修复是指恢复图像中受损区域像素,使其尽可能地与原始图像保持一致。图像修复不仅在计算机视觉任务中至关重要,同时也是其他图像处理任务研究的重要基石。然而现存图像修复相关总结研究较少,为了更好地学习和推进图像修复任务研究,对近十年的经典图像修复算法和极具代表性的深度学习图像修复方法进行了回顾和分析。首先,简单概述了经典的传统图像修复方法,并将其分为基于偏微分方程和基于样本的图像修复方法,同时进一步分析了传统图像方法局限性;着重分类且阐述了现有基于深度学习的图像修复方法,根据模型输出图像数量的不同,将其划分为单元图像修复和多元图像修复,结合方法应用图像、损失函数、类型、优势以及局限性对不同方法进行分析总结。之后,详述了图像修复方法常用数据集和定量评价指标,并给出图像修复方法在不同图像数据集上修复不同面积损坏区域的定量数据,根据定量数据对比分析了基于深度学习的图像修复方法性能。最后,归纳分析了现有图像修复方法的局限性,并对未来重点研究方向提出了新的思路和展望。

基于差分隐私的深度伪造指纹检测模型版权保护算法

提出了一种基于差分隐私的深度伪造指纹检测模型版权保护算法,在不削弱原始任务性能的同时,实现了深度伪造指纹检测模型版权的主动保护和被动验证。在原始任务训练时,通过添加噪声以引入随机性,利用差分隐私算法的期望稳定性进行分类决策,以削弱对噪声的敏感。在被动验证中,利用FGSM生成对抗样本,通过微调决策边界以建立后门,将后门映射关系作为植入水印实现被动验证。为了解决多后门造成的版权混淆,设计了一种水印验证框架,对触发后门加盖时间戳,借助时间顺序来鉴别版权。在主动保护中,为了给用户提供分等级的服务,通过概率选择策略冻结任务中的关键性神经元,设计访问权限实现神经元的解冻,以获得原始任务的使用权。实验结果表明,不同模型性能下的后门验证依然有效,嵌入的后门对模型修改表现出稳健性。此外,所提算法不但能抵挡攻击者策反合法用户实施的合谋攻击,而且能抵挡模型修改发动的微调、压缩等攻击。

多尺度特征融合的知识蒸馏异常检测方法

为提高一分类异常检测方法的泛化性,提出了多尺度特征融合的知识蒸馏异常检测方法.在训练阶段,使用训练好的教师网络教授学生网络学习正常样本特征信息;在测试阶段,由于教师网络强大的泛化能力,对未见过的异常样本也有较好的表示能力,而学生网络未见过异常样本,因此,两者对异常样本的表征会产生较大差异,从而实现异常检测.为了进一步提高检测精度,采用中层特征金字塔实现多尺度特征融合,以增强对不同大小异常点的检测能力;同时,为了增大学生和教师网络对异常样本的表征差异,设计了特征重构模块对中层特征进行重构.在公开数据集MVTecAD上的实验结果表明,文中方法分别达到较高的97.8%AUC像素级得分、97.7%AUC图像级得分.

基于最佳抽样序列长度的高分辨率SAR成像算法的研究

虽然距离多普勒算法在合成孔径雷达(SAR)成像中有着广泛的应用,但是其产生的图像质量较差,不能满足实际应用的需求。为解决制约传统方法成像质量的关键技术难题,提出了一种基于最佳抽样序列长度的高分辨SAR成像算法。该算法根据SAR距离向和方位向的成像参数,设计了初始抽样序列长度的计算公式。利用获得的初始抽样序列长度以及SAR图像质量性能评估标准,结合曲线极值确定了合理区间变化范围内的最佳距离向和方位向抽样序列长度。机载SAR点目标成像和星载SAR实测数据的实验结果表明了所提算法的有效性。

融合视觉词与自注意力机制的视频目标分割

目的 视频目标分割(video object segmentation, VOS)是在给定初始帧的目标掩码条件下,实现对整个视频序列中感兴趣对象的分割,但是视频中往往会出现目标形状不规则、背景中存在干扰信息和运动速度过快等情况,影响视频目标分割质量。对此,本文提出一种融合视觉词和自注意力机制的视频目标分割算法。方法 对于参考帧,首先将其图像输入编码器中,提取分辨率为原图像1/8的像素特征。然后将该特征输入由若干卷积核构成的嵌入空间中,并将其结果上采样至原始尺寸。最后结合参考帧的目标掩码信息,通过聚类算法对嵌入空间中的像素进行聚类分簇,形成用于表示目标对象的视觉词。对于目标帧,首先将其图像通过编码器并输入嵌入空间中,通过单词匹配操作用参考帧生成的视觉词来表示嵌入空间中的像素,并获得多个相似图。然后,对相似图应用自注意力机制捕获全局依赖关系,最后取通道方向上的最大值作为预测结果。为了解决目标对象的外观变化和视觉词失配的问题,提出在线更新机制和全局校正机制以进一步提高准确率。结果 实验结果表明,本文方法在视频目标分割数据集DAVIS(densely annotated video segmentation)2016和DAVIS 2017上取得了有竞争力的结果,区域相似度与轮廓精度之间的平均值J&F-mean(Jaccard and F-score mean)分别为83.2%和72.3%。结论 本文提出的算法可以有效地处理由遮挡、变形和视点变化等带来的干扰问题,实现高质量的视频目标分割。