基于CNN计算局部复杂度的可逆信息隐藏算法

在可逆信息隐藏领域,选择较小的预测误差有助于减少信息嵌入过程引起的失真.现有选择方法主要计算预测误差的局部复杂度,将信息嵌入到局部复杂度小的预测误差中.这些局部复杂度计算方法只使用部分相邻像素计算局部复杂度,且计算方法与预测部分使用的预测器无关,因此其选择性能有待提高.本文提出了一种基于CNN的局部复杂度计算方法LCCN,该方法与预测部分的预测器相关,可以使用更多的相邻像素计算局部复杂度,提高局部复杂度与预测误差的相似性.与现有的局部复杂度计算方法相比,所提LCCN利用了CNN的多感受野特性和深度学习的全局优化能力,能使用更多相邻像素计算局部复杂度,从而选择更多数值较小的预测误差,提高嵌入算法性能.此外,我们还提出了一种适用于LCCN的两阶段RDH方案,该方案可以将LCCN应用于多种嵌入方法.实验结果表明,与现有的几种局部复杂度计算方法相比,本文所提方法在标准测试图像和Kodak数据集上嵌入性能更好,在基于LPVO的嵌入技术中,本文所提LCCN模型嵌入10000bits后图像Lena的PSNR为62.09dB,分别高于LV、FV、EE和LAE算法1.05dB、1.02dB、0.78dB和0.90dB.与现有的先进RDH算法比较,本文所提LCCN模型在不同图像上均取得较好效果.

车联网安全综述

随着移动互联网和工业智能化的快速发展,以智能网联汽车为中心的车联网逐渐深入人们的生活,在为出行带来便利的同时也暴露出车辆被远程控制、恶意攻击等安全威胁。本文首先总结并分析了当前车联网环境中所遭遇的多个攻击案例,将车联网的安全问题总结为三个层面,分别为:网络级安全、平台级安全和组件级安全。其次将车联网的整体架构进行了划分和介绍,从这三个层面对车联网目前存在的主要安全威胁进行了分析和总结,针对性地介绍了目前的研究热点和研究现状。最后对车联网未来的发展方向和研究重点进行了展望。

社交网络中负责隐私协商的智能体行为追责

隐私协商可以协助社交网络用户在信息分享前建立隐私保护共识,具有一定的隐私泄露的预先防护作用.可追责是行为或后果的责任主体可以被追究的属性,是透明、可解释人工智能应用的一个重要方面.社交网络中隐私协商过程的可追责,对于提升应用平台或系统的透明、可解释性具有重要的意义. Kekulluoglu等人提出了基于智能体的互惠隐私协商体系,但尚缺乏针对智能体行为的追责研究.以此为基础设计实现了用于社交网络隐私协商、具有定性追责和定量追责的智能体行为追责系统,并提出了追责要求及实现追责的行为指标,其中,定性追责方法可以准确判断隐私协商智能体是否存在不当行为并能够精准锁定不当行为具体发生位置;定量追责包含简单量化、加权马氏距离和改进Minhash这3种方法,能够量化智能体不当行为的严重程度.实验数据表明了所提出系统及方法的有效性和合理性.

小波域基于差分统计量直方图平移的图像鲁棒可逆信息隐藏算法

随着互联网技术的飞速发展和5G时代的到来,数字多媒体的交流和传播变得越来越便捷。为了解决网络环境下,数字图像的版权保护、完整性认证和篡改定位等问题,本文提出了一种小波域基于差分统计量直方图平移的图像鲁棒可逆信息隐藏算法,其主要思想为:1)对载体图像进行Haar小波变换;2)对变换后所得到的低频子带进行分块并计算分块的差分统计量以构造差分统计量的直方图;3)通过平移直方图将秘密信息嵌入到图像的低频子带中,并通过Haar小波逆变换得到带秘密信息的图像;4)在接收方,通过计算低频子带的分块差分统计量可以将秘密信息准确地提取出来,并且通过执行直方图平移的逆操作可以无损地还原出原始的低频子带,从而无失真地恢复出原始载体图像;5)带秘密信息的图像在遭到一定程度的图像处理操作的攻击后,被嵌入的秘密信息仍然可以被有效地提取出来,例如压缩因子为30的JPEG压缩和标准差为30的加性高斯噪声。与现有的几种鲁棒可逆信息隐藏算法相比,本文算法有更强的鲁棒性。实验结果验证了本文算法的有效性。

基于个性化学习的网络导学工具设计及应用

工具从评估学习者的学习能力角度出发,利用人工智能中的不确定推理方法建立推理及决策模型,通过采集各类数据进行分析,推荐适合其学习的课程及专业,从而为学习者个性化自主学习提供科学合理的工具支持。描述了工具的设计、构建、实现过程及数据规范化方法,同时还结合具体应用给出了决策过程的示例。

一种改进的无干扰模型分析和验证方法

安全模型是网络空间安全研究的基础和起点.以机密性为例,历史上研究人员率先提出了BLP(Bell-LaPudula)模型,BLP从思想上精确把握了机密性“不上读,不下写”的本质,但在设计上存在不足,这导致BLP自身存在隐通道等缺陷.为此,研究人员基于信息流提出了无干扰的思想.无干扰通过研究“攻击者在系统内信息流动的过程中,能否通过观察系统所到达的不同状态之间的差异以非法获取机密信息”,来分析系统的安全性.目前,无干扰模型已成为事实上机密性领域的基础模型.当前无干扰分析主流(甚至唯一)的方法是Rushby所提出的视图分区(view-partition)方法.但是,视图分区方法的3条规则难以转化为可机械计算的递归形式,且缺少直观的数学解释,这使得无干扰模型的属性验证和实践应用长久以来一直难以取得进展.近年来,随着无干扰模型在可信计算、云计算和机密计算等新型计算领域获得广泛应用,上述问题进一步凸显.针对无干扰模型的分析和验证问题,提出了一种称为伙伴状态机(buddy state machines)的无干扰分析改进方法.该方法通过分析真实(real)和理想(ideal)两个状态机在同步运行过程中的状态等价关系,实现对无干扰属性的分析和验证.基于伙伴状态机,建立了一种新的无干扰模型形式分析框架;给出了可靠和完备的无干扰成立条件;提出了O(|S|^(2))时间复杂度的无干扰属性验证算法,为无干扰模型的分析、验证和应用提供了一种可参考的改进方法.

符合伦理的人工智能应用的价值敏感设计:现状与展望

价值敏感设计是一种将伦理嵌入人工智能设计的高效方法,尤其是其独特的三方方法为人工智能应用提供了规避伦理问题和道德风险的手段,因此有着广阔的应用前景。本文系统地介绍了价值敏感设计的内涵、原理和方法;详细描述了价值敏感设计在国内外的研究现状,并对典型研究内容进行了对比分析;总结了近年来价值敏感设计在智能机器人、智能运载工具等人工智能领域取得的研究成果,并探讨了已有研究的优缺点;最后对后续研究中亟待解决的问题和挑战进行了分析和讨论,并对未来研究方向进行了展望。

基于时态测试器的实时分支时态逻辑模型检测

基于自动机理论的模型检测技术在形式化验证领域处于核心地位,然而传统自动机在时态算子上不具备可组合性,导致各种时态逻辑的模型检测算法不能有机整合.为了实现集成限界时态算子的实时分支时态逻辑RTCTL*的高效模型检测,提出一种RTCTL*正时态测试器构造方法以及相关符号化模型检测算法,既证明了所提出的RTCTL*正时态测试器构造方法是完备的,也证明了该算法时间复杂度与被验证系统呈线性关系,与公式长度呈指数关系.基于JavaBDD软件包成功开发了该算法的模型检测工具MCTK2.0.0.完成了MCTK与著名的符号化模型检测工具nu Xmv之间的实验对比分析工作,结果表明:MCTK虽然在内存消耗上要多于nu Xmv,但是MCTK的时间复杂度双指数级小于nuXmv,使得利用MCTK验证大规模系统的实时时态性质成为可能.

一种保序加密域数据库认证水印算法

加密域水印技术适用于云环境下的隐私保护(加密)和数据安全认证(加水印).通过结合保序加密、离散余弦变换、密码哈希和数字水印技术,提出了加密域数据库认证水印算法.首先对数据进行保序加密,以达到对敏感数据内容的隐私保护;对加密后的数据进行分组和离散余弦变换处理,然后将交流系数的哈希(Hashing)值作为认证信息嵌入到直流系数中来认证数据的完整性;可通过比对交流系数的哈希值和从直流系数中提取的水印信息,来判断加密数据是否受到篡改.水印嵌入设计很好地结合了保序加密的特性,使得对加密数据的水印嵌入不会影响到明文数据的正确恢复,利用密钥对加水印的加密数据库直接解密可得到原数据库.实验结果表明:所提出的算法不仅能够用于保护数据库中的内容隐私,而且能检测出不同程度的篡改和有效认证数据库数据的完整性.

“课前-课上-课后”结合的数据结构教学模式探索与实践

将移动互联网技术与课程教学相融合已成为一种新的趋势。文章以雨课堂教学环境为依托,设计了一种“课前-课上-课后”三者有效结合的教学模式,并应用于暨南大学网络空间安全专业和计算机科学与技术专业的数据结构课程教学。实践结果表明,新的教学模式能很好调动学生的主动性,提升教学实效,收到很好的教学效果。

伦理智能体及其设计:现状和展望

智能体一直是人工智能的主要研究领域之一,任何独立的能够同环境交互并自主决策的实体都可以抽象为智能体.随着人工智能从计算智能到感知智能,再到认知智能的发展,智能体已逐步渗透到无人驾驶、服务机器人、智能家居、智慧医疗、战争武器等人类生活密切相关的领域.这些应用中,智能体与环境、尤其是与人类和社会的交互愈来愈突出,其中的伦理和道德问题日益凸显.人工智能应用的伦理风险和挑战引起了人们的普遍关注,伦理智能体是人工智能伦理的重要研究内容.本文从人工智能伦理的工程设计与实现角度,对伦理智能体及图灵测试、伦理智能体的设计范式、伦理智能体的逻辑程序设计、伦理智能体的形式化验证、伦理困境及分析等进行了介绍和讨论.同时,对伦理智能体及设计所面临的挑战和进一步研究方向进行了述评和展望.

基于手工特征提取与结果融合的CNN音频隐写分析算法

随着互联网技术的快速发展,出现了基于IP的语音传输技术,给人们带来方便的同时也带来了许多安全隐患,如不法分子利用VoIP压缩域语音传输协议传送秘密信息.因此,针对基于G.729A编码的基音隐写算法和互补邻居顶点的量化索引调制音频隐写算法,本文提出了一种基于手工特征提取与结果融合的卷积神经网络音频隐写分析算法.通过将手工提取特征与卷积神经网络相结合,可以实现在VoIP压缩域同时对基于基音的隐写算法和互补邻居顶点的量化索引调制音频隐写算法进行有效检测.实验结果表明,在同时对基音隐写算法和互补邻居顶点的量化索引调制音频隐写算法进行检测时,本文所提出的基于手工特征提取与结果融合的卷积神经网络音频隐写分析算法的检测准确率可以达到86.2%(嵌入率为100%、音频样本时长为0.1s).与现有隐写分析算法相比,在音频时长较短时,本文所提算法取得了优异的检测结果.

抗几何攻击的RGB图像鲁棒水印

为了提高RGB彩色图像水印抗几何攻击的性能,通过对RGB图像的3个通道进行优化处理,提出了一种基于RGB图像的鲁棒水印算法.首先,提取RGB图像中的G通道和B通道的像素值并分别将其扩大2倍和3倍,通过高斯低通滤波后利用图像的均值和直方图嵌入水印.与G通道和B通道像素值未经扩大的RGB图像水印进行对比,测试表明G通道和B通道的像素值经扩大后的鲁棒性较好.其次,分别在RGB图像的3个通道R、G、B中嵌入相同数量比特的水印信息,结果表明水印图像中的3个通道R、G、B均能抵抗几何攻击,但每个通道的鲁棒性并不相同.基于100幅RGB图像的实验结果表明了所提出算法在抗几何攻击上的有效性.

局部加权稀疏表示的文本分类算法研究

基于稀疏表示方法的文本分类强调使用训练样本特征的全局结构对测试样本进行稀疏表示,而对文本特征的局部邻域结构和文档之间相似性缺乏考虑,导致文本分类准确率低和高耗时。为了解决上述问题,本研究以最近邻和最近特征子空间为基础,并建立局部邻域结构和距离加权机制,提出一种局部加权稀疏表示的文本分类算法,使文本语义信息表达更丰富、稀疏表示更具判别力。实验结果表明本文算法准确率高于基线算法2.4%~5%,运行速度提高1.35~2.8倍。

极化码自适应信道译码算法

极化码是一种理论上可以达到香农极限的信道编码方法,且有编译码复杂度低的优点,是5G通讯中信道编码解决方案之一.串行抵消列表(successive cancellation list,SCL)译码是极化码目前最常用的译码方法,但该方法的空间和时间复杂度都很高;快速串行抵消(fast successive cancellation,Fast-SC)译码可有效降低译码复杂度,但存在可靠性不高的问题.为兼顾极化码译码效率和可靠性,提出一种自适应信道的预快速SCL(preFast-SCL)译码算法.该算法通过联合Fast-SC和SCL译码算法,在译码开始时先使用Fast-SC算法快速得到一组译码结果,并对其进行校验,校验通过则作为结果输出,不通过则再使用SCL译码保证可靠性.仿真结果表明,随着信道条件变好,preFast-SCL译码算法复杂度逐步降低.在加性高斯白噪声信道下,preFast-SCL与SCL译码算法可靠性基本相同,在信噪比为2.0 dB时,preFast-SCL的译码复杂度比SCL降低了45%,且在更高的信噪比条件下,时间性能增益更佳.

模型假设权重的三维运动分割

提出一种使用模型假设权重来有效地构建仿射矩阵的方法。首先,对输入视频序列中的每个图像对进行随机采样,生成模型假设;其次,用生成的模型假设构建一个初始仿射矩阵;然后,计算这些模型假设的权重,并通过信息理论来选择有意义的模型假设,以及用它们的权重计算初始仿射矩阵的权重;接着,由初始仿射矩阵和上述权重得到该图像对的仿射矩阵;最后,累加所有图像对的仿射矩阵得到该视频序列的仿射矩阵,在仿射矩阵上用聚类方法把属于不同运动物体的特征点聚成不同的类。实验结果表明,所提出方法能够获得较高的分割准确率。