論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
2009, 31(3): 740-744.
doi: 10.3724/SP.J.1146.2007.01562
刊出日期：2009-03-19
關(guān)鍵詞:
保密通信;MD5;碰撞攻擊;充分條件集;冗余性;制約性
Wang Xiaoyun等(2005)給出了MD5能產(chǎn)生碰撞的一個(gè)充分條件集，并首次成功對(duì)MD5進(jìn)行了碰撞攻擊。Yuto Nakano等(2006)指出上述充分條件集中有16個(gè)條件是冗余的，并給出了其中14個(gè)條件冗余的原因。Liang Jie和Lai Xuejia(2005)指出Wang Xiaoyun等給出的充分條件集并非總能產(chǎn)生碰撞，并增加新的條件使之總能產(chǎn)生碰撞，同時(shí)提出了一個(gè)新的碰撞攻擊算法。本文證明了Yuto Nakano等給出的16個(gè)冗余條件中有兩個(gè)并不冗余，且Liang Jie和Lai Xuejia增加的新條件中有兩個(gè)是冗余的，指出Liang Jie和Lai Xuejia的碰撞攻擊算法在消息修改時(shí)忽視了被修改條件之間的制約性，因而未必總能產(chǎn)生碰撞，本文對(duì)此進(jìn)行了修正，給出新的充分條件集，并通過實(shí)驗(yàn)驗(yàn)證了該充分條件集總能產(chǎn)生碰撞。
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)模型提取檢測特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該檢測模型針對(duì)不同典型隱寫算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
