-
公开(公告)号:CN113923312A
公开(公告)日:2022-01-11
申请号:CN202111146369.X
申请日:2021-09-28
Applicant: 东南大学
IPC: H04N1/32
Abstract: 本发明公开了一种基于无线通信的数字图像编码层鲁棒可逆水印方法,首先发送端结合所使用的发送方式、编码方案、信道特征等进行秘密信息嵌入容量的分析反馈;随后其对待传输的载体和秘密信息进行信道编码,并通过编码重分块,伪随机加扰等操作进行预处理;在得到预处理后的载体和秘密信息后,发送端通过一轮随机位置嵌入和多轮近似均匀的循环移位嵌入将秘密信息隐藏在编码后的载体比特流中;接收端在收到伪装载体比特流后,一方面可以在解码前依据密钥从接收到的比特流中提取秘密信息,也可以直接进行逆预处理步骤和解码,恢复出原始的载体信息。
-
公开(公告)号:CN113923312B
公开(公告)日:2024-01-30
申请号:CN202111146369.X
申请日:2021-09-28
Applicant: 东南大学
IPC: H04N1/32
Abstract: 本发明公开了一种基于无线通信的数字图像编码层鲁棒可逆水印方法,首先发送端结合所使用的发送方式、编码方案、信道特征等进行秘密信息嵌入容量的分析反馈;随后其对待传输的载体和秘密信息进行信道编码,并通过编码重分块,伪随机加扰等操作进行预处理;在得到预处理后的载体和秘密信息后,发送端通过一轮随机位置嵌入和多轮近似均匀的循环移位嵌入将秘密信息隐藏在编码后的载体比特流中;接收端在收到伪装载体比特流后,一方面可以在解码前依据密钥从接收到的比特流中提取秘密信息,也可以直接进行逆预处理步骤和解码,恢复出原始的载体信息。
-
公开(公告)号:CN119946199A
公开(公告)日:2025-05-06
申请号:CN202510009079.2
申请日:2025-01-03
Applicant: 东南大学
IPC: H04N1/44 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/096
Abstract: 本发明公开了一种彩色图像空域隐写分析系统,基于彩色图像空域隐写分析网络IHNet模型,所述IHNet模型至少包括特征提取模块、特征聚合模块及分类模块;特征提取模块包括预处理层和一个特征融合增强的块结构,使用改进后的EfficientNet网络块,从输入的彩色图像中获取噪声残差信息;特征聚合模块由4个下采样块构成,通过将CNN和Transformer有序集成,创建“C‑C‑C‑T”结构,提取深层次的隐写分析特征;分类模块通过全局平均池化层将特征聚合模块输出的特征映射转换为特征向量,将特征向量输入到全连通层中,再使用softmax函数获得最终输出,根据聚合的特征信息判断原始图像是否包含隐藏信息。本发明系统和方法的检测性能更加高效准确。
-
公开(公告)号:CN116226113A
公开(公告)日:2023-06-06
申请号:CN202310391307.8
申请日:2023-04-13
Applicant: 东南大学
IPC: G06F16/215 , G06F16/27 , G06F16/2458 , G06F16/25 , G06F21/60 , G06F16/23 , G06F16/2455 , G06F21/31 , G06F21/62 , G06F21/64
Abstract: 本发明公开了一种面向物联网的相似数据去重和安全审计管理方法,通过计算数据的相似性保留标签,将其发送至区块链进行相似性查询,判断分布式系统中是否已存在相似性数据;当用户需要下载存储数据进行查看或使用时,用户通过相似性保留标签在区块链上进行相似性对比,并获得区块链上相似数据记录,用户获得数据存储位置信息,并与其中一个存储服务器进行基于相似性的数据所有权认证,进行基于密文的相似数据重复删除,从而大大降低了存储成本;同时用户还可以作为数据审计者对分布式外包存储的数据进行基于相似性的完整性审计,可以执行数据完整性审计并在区块链上分享结果,从而帮助验证外包存储数据的完整性,大大减少重复审计造成的计算开销。
-
公开(公告)号:CN116543236A
公开(公告)日:2023-08-04
申请号:CN202310655374.6
申请日:2023-06-05
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种Jpeg隐写分析方法及系统,其中方法步骤包括:S1.构建了一种针对Jpeg隐写分析的网络模型DCANet;S2.准备数据集,划分为训练集、验证集和测试集;S3.训练DCANet,将带有标签的数据送入到模型中,以梯度下降的方式进行参数调节,使得损失函数值最小;S4.利用训练好的网络模型对待测图像进行测试,判定其中是否含有秘密信息。本发明提出的Jpeg隐写分析网络,结合了不同网络的优点,可以使模型重点关注纹理复杂的可能藏有秘密信息的区域,相比典型的Jpeg隐写分析方法取得了更好的检测结果。
-
-
-
-