一种基于摩尔纹生成的图像隐写方法

    公开(公告)号:CN117611422A

    公开(公告)日:2024-02-27

    申请号:CN202410089255.3

    申请日:2024-01-23

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于摩尔纹生成的图像隐写方法,本发明属于图像信息隐藏领域,包括:获取干净图像和噪声向量;将所述干净图像和所述噪声向量输入至条件生成对抗网络中,得到不同层次的子摩尔纹图案;获取秘密消息,基于编码器将所述秘密消息隐藏在所述子摩尔纹图案中,得到隐藏消息的子摩尔纹图案;基于所述隐藏消息的子摩尔纹图案和所述干净图像,生成含秘图像。本发明利用条件gan框架进行摩尔纹图案的生成,简化了传统合成方式中人为设计的流程;本发明通过编码器将所述秘密消息隐藏在所述子摩尔纹图案中,得到隐藏消息的子摩尔纹图案;本发明的嵌入策略可以提高传统隐写分析工具的不可检测性。

    一种基于多级委员会共识的科技数据确权与追踪保护的方法

    公开(公告)号:CN114095518A

    公开(公告)日:2022-02-25

    申请号:CN202111303601.6

    申请日:2021-11-05

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于多级委员会共识的科技数据确权与追踪保护的方法,所方法包括以下步骤,每个科研人员、研究机构等均可申请加入联盟链,在检查满足准入条件后,即可加入联盟链,同时生成一对公私钥;数据发布确权,联盟链系统中的用户,在想要发布数据时成为数据方,并从系统中获得一个唯一的且与即将发布数据相关的追溯码Cid;数据跟踪记录,数据在使用时需要对其生命周期进行记录;数据追踪,将汇总查询到的数据结果发送给需要做数据追踪的用户。本发明有益效果在于,解决科技大数据在数据交易过程中产生的数据侵权问题。该方法采用双链联盟链构建科技大数据的追踪保护与确权系统,通过联盟链的去中心化和去信任的方式维护一个可靠的分布式数据库。将数据视为目标对象,记录关于数据的所有行为,实现对数据的追踪保护和可信确权。

    一种大容量可控无载体图像隐写方法

    公开(公告)号:CN113947512A

    公开(公告)日:2022-01-18

    申请号:CN202111130695.1

    申请日:2021-09-26

    Applicant: 暨南大学

    Abstract: 本发明公开了一种大容量可控无载体图像隐写方法,其特征在于,包括以下步骤:S1、根据需要,选择语义图像;S2、根据语义图像,选择有一定关联的图像作为风格参考图像;S3、将语义图像和风格参考图像输入图像预处理工具进行预处理;S4、将经过预处理的图像输入领域对齐网络进行处理,处理过程中生成中间结果;S5、将中间结果和秘密图像合并之后输入隐藏网络,输出含密图像;S6、消息发送方将含密图像发送给持有训练完毕的秘密消息提取网络的消息接收方,消息接收方采用秘密消息提取网络将秘密图像重新提取。本发明利用了无载体隐写框架,不需要使用指定的载体图像来嵌入秘密数据,从根本上抵抗隐写分析工具的检测,显著提高了图像的安全性。

    隐私度量和保护策略选择方法、装置、服务器和存储介质

    公开(公告)号:CN113645187A

    公开(公告)日:2021-11-12

    申请号:CN202110761477.1

    申请日:2021-07-06

    Applicant: 暨南大学

    Abstract: 本发明公开了一种隐私度量和保护策略选择方法、装置、服务器和存储介质,应用于服务器,所述方法包括:接收用户客户端发送的隐私因素集和用户id;根据所述隐私因素集和用户id,将所述隐私因素集里的因素进行大类划分,获取对应的隐私策略参数;根据所述用户id,将所述隐私策略参数发送给对应的用户客户端;接收用户客户端根据所述隐私策略参数发送的新隐私策略参数;确认所述新的隐私策略参数后,将所述新隐私策略参数、所述隐私因素集和所述用户id绑定存储,作为隐私策略。本发明提出对隐私因素集里的因素进行大类划分,对影响环境的因素具有较高的可扩展性和容错性。

    一种基于合成数据的知识对话跨域学习方法

    公开(公告)号:CN113626566A

    公开(公告)日:2021-11-09

    申请号:CN202110763112.2

    申请日:2021-07-06

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于合成数据的知识对话跨域学习方法。该方法针对知识对话系统跨域学习时数据资源不充分的问题,提出了以下策略:针对问答,闲聊提出模板和多轮对话生成模型共同构造合成数据方法;针对灾难性遗忘提出知识保留和模板方法构造合成数据方法;为了利用不匹配对话语料,我们提出了使用检索、过滤、排序等方法构建合成数据方法。使用该合成数据训练的模型性能可近似使用人工标注数据进行训练的模型,有效缓解了知识对话系统跨域学习对数据资源的依赖。

    一种车联网中聚合两种信任评估的消息可靠性评估方法

    公开(公告)号:CN109195162B

    公开(公告)日:2020-05-08

    申请号:CN201811190159.9

    申请日:2018-10-12

    Applicant: 暨南大学

    Abstract: 本发明公开了一种车联网中聚合两种信任评估的消息可靠性评估方法,其中,信任中心负责维护车辆的信任信息,车辆定期向信任中心请求自己最新的信任证书;消息发布者发送消息时附带最新的信任证书以证明自己可信赖;消息接收者收到每条消息后提取信任证书并综合考虑多个消息发布者的消息以判断其是否可靠,然后根据消息质量为每个消息发布者生成一条信任反馈,并发送至信任中心,随后信任中心更新本地存储。本发明高效聚合两种信任评估,且无需消息接收者实时请求信任中心,因而评估结果更加准确,评估速度更快,且兼容车辆短时间内无法连接到信任中心的情况,更符合车联网的高动态特性。

    支持基于属性信息提取的隐写方法

    公开(公告)号:CN108282469A

    公开(公告)日:2018-07-13

    申请号:CN201810006640.1

    申请日:2018-01-04

    Applicant: 暨南大学

    Abstract: 本发明为支持基于属性信息提取的隐写方法,发送者可以同时在一个载体中隐藏多个具有不同属性的信息,接收者只能根据身份属性解密相应信息。本发明包括以下步骤:密钥中心选定对称加密算法、嵌入密钥和提取公共参数;发送方嵌入消息:选定载体图像,计算每个像素的蒙板值,得到嵌入位置蒙板,生成每个像素点的嵌入适合程度度量,将属于蒙板的像素、嵌入适合程度以及要嵌入的秘密消息输入嵌入器,得到嵌入后像素;合并嵌入后像素和不属于蒙板的像素得到临时含密图像,将含密图像发送给各个接收方;接收方提取消息,恢复出嵌入密钥,计算每个像素位置的蒙板值、嵌入位置蒙板,将含密图像中所有属于蒙板的像素输入提取器,得到秘密消息。

    基于双卷积模块的水印去除方法、装置、设备和存储介质

    公开(公告)号:CN114119329B

    公开(公告)日:2024-07-16

    申请号:CN202111275701.2

    申请日:2021-10-29

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于双卷积模块的水印去除方法、装置、计算机设备和存储介质,所述方法包括:将带水印图案的待处理图像输入多任务水印分割网络,输出初步去除水印的第一图像和水印掩码;将第一图像和水印掩码输入基于双卷积模块的主干网络,输出优化后的去除水印的图像;其中,双卷积模块包括卷积模块和部分卷积模块,利用部分卷积模块更新输入掩码,通过像素级求和将卷积模块和部分卷积模块输出的特征进行结合。本发明融合了部分卷积与普通卷积的优势及特长,在主干网络中通过由双卷积模块拼接组合成的双卷积残差块代替常用的大卷积核的双卷积模块,使得网络能够在更深的、拥有更多的可学习参数的同时能更稳健地进行学习。

    一种基于特征点生成的图像式超链接生成方法

    公开(公告)号:CN117609962B

    公开(公告)日:2024-05-07

    申请号:CN202410089289.2

    申请日:2024-01-23

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于特征点生成的图像式超链接生成方法,所属技术领域为图像信息隐藏领域,包括:基于公共数据集进行随机抽取,获得真实数据集,对真实数据集进行处理,获得图像的真实特征点和边缘图;基于真实数据集和真实特征点以及边缘图对模型进行训练,获得预训练模型;将超链接编码成01比特串后生成消息矩阵,基于消息矩阵进行消息隐藏,获得隐含超链接的特征点矩阵;基于预训练模型和隐含超链接的特征点矩阵获取合成图像;提取合成图像的特征点,基于秘密消息提取算法恢复超链接。本发明充分利用载体合成式框架的优点和图像特征点的鲁棒性,不需要固定的载体图像来嵌入超链接,进而提高方案的安全性和对常见几何攻击的鲁棒性。

Patent Agency Ranking