一种基于G.723.1静音检测技术的信息隐藏方法

    公开(公告)号:CN101431578B

    公开(公告)日:2010-12-08

    申请号:CN200810195110.2

    申请日:2008-10-30

    Applicant: 南京大学

    Abstract: 基于G.723.1静音检测技术的信息隐藏方法,利用G.723.1协议的静音检测技术,在正常通话过程中,将信息隐藏在非编码数据帧的空闲位中传输,所述非编码数据帧包括静音信息描述帧和未传输静音激励帧;其实现步骤是:(1)对模拟语音信号进行采样,采样结果作为G.723.1编码器的输入;(2)G.723.1编码器中采用静音检测技术:当有有效语音数据时,输出为编码数据帧,无有效语音数据时(即静默状态),输出为非编码数据帧,包括静音信息描述帧和未传输静音激励帧;(3)非编码数据帧的有效数据远少于编码数据帧,在静默状态时信道存在无比特流传输(有效数据)的空隙,并利用这个空隙来隐藏并传输数据。

    一种移动流媒体条件接收方法与系统

    公开(公告)号:CN101697511A

    公开(公告)日:2010-04-21

    申请号:CN200910183466.9

    申请日:2009-09-22

    Abstract: 移动流媒体条件接收方法:步骤如下1)本地自授权:客户端在本地存储器加密存储一段用户自行设定的口令,这段口令会在客户端启动的时候被要求输入以供核对;2)远程授权:客户端将用户的信息发送至服务器供确认;当所发送的用户信息与服务器存储的用户信息匹配时,视为远程授权通过;3)密钥分发:服务器采用RSA算法对加解扰密钥进行加密后在无线信道中传送,实现客户端和服务器的密钥同步;4)视频加解扰:客户端在接收到服务器发送过来的经过加扰的流媒体数据之后,利用解扰密钥进行解扰后解码回放;视频加扰是通过加扰规则改变视频媒体数据使接收到的数据无法辨识,视频加扰可以通过分组加密、流加密等多种方式实现。

    一种融合多种保密技术的保密通信方法

    公开(公告)号:CN101404577A

    公开(公告)日:2009-04-08

    申请号:CN200810195111.7

    申请日:2008-10-30

    Applicant: 南京大学

    Abstract: 融合多种保密技术的保密通信方法,融合数据加密技术、非对称加密技术和流加密技术,分别用于实现通信终端自我保护、用户身份认证与密钥协商、通信数据流加密功能;(1)终端中所有可执行代码均由数据加密算法加密;通信终端开机启动后,通过用户按键输入和加密存储卡获得开机密码,终端确认开机密码后,对可执行代码进行解密,继而终端启动通信服务;(2)通信建立阶段,使用非对成加密算法进行终端用户身份认证与通信密钥协商,确保授权用户间才能建立通信连接,且每次通信密钥都随机产生;(3)数据通信中,数据流使用流加密算法加密,并接受密钥管理层的命令,实现通信过程中的密钥更新。

    一种数据流混沌编解码方法和模块化电路

    公开(公告)号:CN1564504A

    公开(公告)日:2005-01-12

    申请号:CN200410014400.4

    申请日:2004-03-23

    Applicant: 南京大学

    Abstract: 一种数据流混沌编解码方法和模块化电路,编解码方法基于单向耦合环状迭代(OCRML)非线性系统(207)、(307)产生混沌信号,并对混沌信号进行截断处理而产生的混沌伪随机序列(204)、(304)对数据流进行加、解密运算:发射端加密系统利用了方程组在数字信号处理器(DSP)(108)中进行迭代运算得到混沌信号xn(m)(206),并在编码器(202)中对数据流s(n)(201)进行加密编码,产生加密后的密文序列g(n)(203)后发出;接收端解密系统将接受到的密文数据流g’(n)(303)作为驱动信号,在解码器(302)中对接受数据流g’(n)(303)进行解码运算,产生解密后的密文序列s’(n)(301);本发明公布一种数据流的编解码模块化电路,可以进行实时语音无线混沌保密通信。

    基于改进型循环生成对抗网络去图像运动模糊方法

    公开(公告)号:CN112634163B

    公开(公告)日:2024-10-15

    申请号:CN202011593957.3

    申请日:2020-12-29

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于改进型循环生成对抗网络去图像运动模糊方法,包括以下步骤:步骤1、构建非配对的模糊‑清晰数据集;步骤2、构建由编码器、特征转换器以及解码器构成的生成器网络;步骤3、构建以感受野划分图像的判别器网络;步骤4、构建联合损失函数;步骤5、构造两个镜像的环形GAN网络,得到循环生成对抗网络模型;步骤6、将待处理的运动模糊图像输入到步骤5中训练好模型中,得到去模糊后的图像;步骤7、对步骤6得到的初步去模糊图像进行二维傅里叶变化,滤除高频的亮点频谱信息后得到准确的清晰图像。本发明无需估计模糊核、计算参数少、去模糊速度快,避免了模式坍塌和梯度消失问题,且解决了频率域伪清晰的错误识别问题。

    基于改进型循环生成对抗网络去图像运动模糊方法

    公开(公告)号:CN112634163A

    公开(公告)日:2021-04-09

    申请号:CN202011593957.3

    申请日:2020-12-29

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于改进型循环生成对抗网络去图像运动模糊方法,包括以下步骤:步骤1、构建非配对的模糊‑清晰数据集;步骤2、构建由编码器、特征转换器以及解码器构成的生成器网络;步骤3、构建以感受野划分图像的判别器网络;步骤4、构建联合损失函数;步骤5、构造两个镜像的环形GAN网络,得到循环生成对抗网络模型;步骤6、将待处理的运动模糊图像输入到步骤5中训练好模型中,得到去模糊后的图像;步骤7、对步骤6得到的初步去模糊图像进行二维傅里叶变化,滤除高频的亮点频谱信息后得到准确的清晰图像。本发明无需估计模糊核、计算参数少、去模糊速度快,避免了模式坍塌和梯度消失问题,且解决了频率域伪清晰的错误识别问题。

Patent Agency Ranking