論文元數(shù)據(jù)搜索,找到相關(guān)信息共 11 條:
2007, 29(1): 201-204.
doi: 10.3724/SP.J.1146.2005.00574
刊出日期:2007-01-19
通過對(duì)Xu(2004)和Zhang(2004)提出的兩種環(huán)簽名方案進(jìn)行分析,指出了這兩種環(huán)簽名方案都容易受到群成員改變攻擊(group-changing attack),并給出了攻擊方法;另外,Zhang的方案還容易受到多已知簽名存在偽造(multiple-known-signature existential forgery)攻擊。為防范這兩種攻擊,對(duì)這兩種環(huán)簽名方案進(jìn)行了改進(jìn),改進(jìn)后的方案在最強(qiáng)的安全模型(Joseph, 2004提出)中仍是安全的。
2009, 31(7): 1732-1735.
doi: 10.3724/SP.J.1146.2008.00928
刊出日期:2009-07-19
關(guān)鍵詞:
環(huán)簽名;密碼分析;可轉(zhuǎn)換性
通過對(duì)Zhang-Liu-He (2006),Gan-Chen (2004)和Wang-Zhang-Ma (2007)提出的可轉(zhuǎn)換環(huán)簽名方案進(jìn)行分析,指出了這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案存在可轉(zhuǎn)換性攻擊或不可否認(rèn)性攻擊,即,環(huán)中的任何成員都能宣稱自己是實(shí)際簽名者或冒充別的成員進(jìn)行環(huán)簽名。為防范這兩種攻擊,對(duì)這幾個(gè)可轉(zhuǎn)換環(huán)簽名方案進(jìn)行了改進(jìn),改進(jìn)后的方案滿足可轉(zhuǎn)換環(huán)簽名的安全性要求。
2006, 28(6): 1031-1035.
刊出日期:2006-06-19
關(guān)鍵詞:
圖像處理;模式識(shí)別;廣義局部沃爾什變換;紋理特征
該文提出一組基于廣義局部沃爾什變換(GLWT)的紋理特征。首先給出局部沃爾什變換(LWT)的定義,并在空域中對(duì)其加以推廣,用以提取圖像的局部紋理信息;然后在一個(gè)宏窗口中估計(jì)12個(gè)GLWT系數(shù)的二階矩作為圖像的紋理特征。對(duì)這組紋理特征的鑒別性能進(jìn)行了分析,并與Haralick(1973),Wang Li(1990),以及Yu Hui提出的紋理特征進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明,該文提出的紋理特征具有更好的鑒別性能和分類能力。
2003, 25(4): 573-576.
刊出日期:2003-04-19
關(guān)鍵詞:
量化; 運(yùn)動(dòng)補(bǔ)償; 全零系數(shù)塊
用H.263標(biāo)準(zhǔn)對(duì)甚低碼率圖像編碼時(shí),經(jīng)過幀間預(yù)測(cè)后得到的運(yùn)動(dòng)補(bǔ)償數(shù)據(jù)通常很小,對(duì)這些數(shù)據(jù)再進(jìn)行DCT和量化后往往成為全零塊,Alice Yu算法和周算法是預(yù)先判別全零系數(shù)塊的較為有效的方法,但在對(duì)較為復(fù)雜的序列圖像進(jìn)行預(yù)測(cè)時(shí)分別出現(xiàn)了較大程度的誤判和漏判。針對(duì)這些缺點(diǎn),該文提出了一種新的全零系數(shù)塊的判別方法,它具有能隨量化級(jí)的變化自適應(yīng)地調(diào)整全零塊的判斷閾值、無需任何附加運(yùn)算和對(duì)圖像序列內(nèi)容復(fù)雜程度不敏感的優(yōu)點(diǎn),將該方法應(yīng)用于H.263編碼器中,對(duì)Miss America和News圖像序列進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)表明,大約有40%-80%的塊可以在做DCT和量化前被判別為全零系數(shù)塊,大大減少了編碼的時(shí)間,同時(shí)圖像質(zhì)量的下降控制在0.0005 dB以內(nèi)。
2020, 42(2): 327-332.
doi: 10.11999/JEIT190685
刊出日期:2020-02-19
由于基于最壞情況困難假設(shè)等優(yōu)點(diǎn),基于格的密碼被認(rèn)為是最具前景的抗量子密碼研究方向。作為格密碼的常用的兩個(gè)主要困難問題之一,含錯(cuò)學(xué)習(xí)(LWE)問題被廣泛用于密碼算法的設(shè)計(jì)。為了提高格密碼算法的性能,Zhang等人(2019)提出了非對(duì)稱含錯(cuò)學(xué)習(xí)問題,該文將從理論上詳細(xì)研究非對(duì)稱含錯(cuò)學(xué)習(xí)問題和標(biāo)準(zhǔn)含錯(cuò)學(xué)習(xí)問題關(guān)系,并證明在特定錯(cuò)誤分布下非對(duì)稱含錯(cuò)學(xué)習(xí)問題和含錯(cuò)學(xué)習(xí)問題是多項(xiàng)式時(shí)間等價(jià)的,從而為基于非對(duì)稱含錯(cuò)學(xué)習(xí)問題設(shè)計(jì)安全的格密碼算法奠定了理論基礎(chǔ)。
1988, 10(6): 563-567.
刊出日期:1988-11-19
關(guān)鍵詞:
紅外圖象; 砷化鎵; 圖象處理軟件
本文介紹了一種用于研究砷化鎵材料中的缺陷(比如EL2吸收特性等)的新方法:將一束波長(zhǎng)為1.11.5m的近紅外光穿過一塊厚度為48mm,直徑為50mm的砷化鎵材料,用紅外攝象機(jī)TOSHIBA 8844攝取圖象,并直接送入計(jì)算機(jī)圖象處理系統(tǒng)DATASUD,材料中的非均勻性缺陷圖象,即材料中的缺陷(EL2,位錯(cuò)等)在截面上的分布結(jié)構(gòu)形狀(十字形,網(wǎng)狀,球粒形等)就可從屏幕上觀察到。本文給出了為研究這類材料設(shè)計(jì)的ZHIMAG(ZHang IMAGe)圖象處理軟件包和應(yīng)用ZHIMAG所獲得的一些結(jié)果。ZHIMAG也適用于其它類型的圖象處理。
2007, 29(10): 2529-2532.
doi: 10.3724/SP.J.1146.2006.00414
刊出日期:2007-10-19
關(guān)鍵詞:
代理簽名;匿名代理簽名;孤懸因子;強(qiáng)不可偽造性
Gu-Zhang-Yang(2005)提出了一個(gè)不需要可信第三方參與的匿名代理簽名方案,由于該方案的簽名驗(yàn)證數(shù)據(jù)中沒有回避孤懸因子這一現(xiàn)象,因此并不滿足強(qiáng)不可偽造性,原始簽名人可以偽造一個(gè)有效的代理簽名通過驗(yàn)證,并成功地在代理簽名者身份揭示階段向公眾證明該偽造的代理簽名是由合法的代理簽名者產(chǎn)生的。本文在分析該方案安全性的基礎(chǔ)上提出了改進(jìn)的匿名代理簽名方案,克服了原方案的不足。
2008, 30(4): 995-998.
doi: 10.3724/SP.J.1146.2007.00549
刊出日期:2008-04-19
環(huán)簽名是提供匿名發(fā)布信息的巧妙方法,該文首次給出了基于身份的可鏈接環(huán)簽名和可鏈接可轉(zhuǎn)換環(huán)簽名的概念與安全的形式化定義。以Zhang和Kim的環(huán)簽名方案為例,給出了為某些基于身份環(huán)簽名添加可鏈接性的方法。并分別提出了高效的基于身份的可鏈接環(huán)簽名和可鏈接可轉(zhuǎn)換環(huán)簽名方案,方案除滿足完備匿名性和適應(yīng)性選擇消息攻擊下的不可偽造性外,還分別滿足可鏈接性和對(duì)非簽名者的不可轉(zhuǎn)換性。
2013, 35(7): 1677-1681.
doi: 10.3724/SP.J.1146.2012.01634
刊出日期:2013-07-19
該文在現(xiàn)有譯碼算法的基礎(chǔ)上提出一種高效的非二進(jìn)制低密度奇偶校驗(yàn)碼(NB-LDPC)譯碼方法,充分利用了分層譯碼算法與Min-max算法的優(yōu)點(diǎn),不但譯碼復(fù)雜度低、需要的存儲(chǔ)空間小,而且可將譯碼速度提高一倍。應(yīng)用該算法,對(duì)一種定義在GF(25)上的(620,509)碼進(jìn)行了仿真。該碼的仿真結(jié)果表明:在相同誤碼率下,該文譯碼算法所需最大迭代次數(shù)僅為Zhang的算法(2011)的45%。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期:2022-08-17
針對(duì)目前圖像隱寫檢測(cè)模型中線性卷積層對(duì)高階特征表達(dá)能力有限,以及各通道特征圖沒有區(qū)分的問題,該文構(gòu)建了一個(gè)基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫檢測(cè)模型。該模型使用多層感知卷積(Mlpconv)代替?zhèn)鹘y(tǒng)的線性卷積,增強(qiáng)隱寫檢測(cè)模型對(duì)高階特征的表達(dá)能力;同時(shí)引入通道加權(quán)模塊,實(shí)現(xiàn)根據(jù)全局信息對(duì)每個(gè)卷積通道賦予不同的權(quán)重,增強(qiáng)有用特征并抑制無用特征,增強(qiáng)模型提取檢測(cè)特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明,該檢測(cè)模型針對(duì)不同典型隱寫算法及不同嵌入率,相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測(cè)準(zhǔn)確率,與最優(yōu)的Zhu-Net相比,準(zhǔn)確率提高1.95%~6.15%。
- 首頁(yè)
- 上一頁(yè)
- 1
- 2
- 下一頁(yè)
- 末頁(yè)
- 共:2頁(yè)