基于信道匹配网络选择嵌入通道的鲁棒隐写方法及系统

    公开(公告)号:CN114390154B

    公开(公告)日:2023-07-11

    申请号:CN202111590914.4

    申请日:2021-12-23

    Abstract: 本发明属于信息隐藏技术领域,特别涉及一种基于信道匹配网络选择嵌入通道的鲁棒隐写方法及系统,首先利用原始、受损载体图像集进行有损信道传输测试,构建重复传输网络对信道中的图像处理攻击类型、参数等信息进行刻画;然后根据载体图像的鲁棒特征对有损信道进行分块匹配,构建和训练基于深度学习的信道匹配网络,选取对信道鲁棒的特征图像块作为候选嵌入位置;并根据信道刻画结果构建鲁棒信息嵌入域,基于复杂、显著区域优先原则优化载体元素的嵌入代价,并结合纠错码和STC码实现秘密信息嵌入。本发明能够有效利用网络有损信道,提升嵌入信息的鲁棒性和不可见性,不仅显著提高多种图像处理攻击后的信息提取正确率,且具有更强的抗检测性能。

    基于最小圆覆盖的城市内IP定位及误差估计方法及系统

    公开(公告)号:CN114520799B

    公开(公告)日:2023-05-05

    申请号:CN202111610018.X

    申请日:2021-12-27

    Abstract: 本发明属于IP定位技术领域,特别涉及一种基于最小圆覆盖的城市内IP定位及误差估计方法及系统,通过将目标城市地标集划分为用于估计城域网中各路由器服务范围中心位置的训练集和用于估计各路由器服务范围半径的验证集并分别进行路径探测获取探测路径数据,利用训练集中路径数据从探测路径数据中提取城域网节点拓扑,通过统计地标分布获取位置估计,并利用验证集中路径数据中路径终起点与城域网位置关系来获取路由器定位误差,并依此获取最小圆覆盖的圆心和半径,使用得到的城域网拓扑来获取目标IP定位结果及误差范围。本发明不仅能够提升目标IP定位精度,同时也能够使定位误差范围估计更加准确,以进一步提升目标IP定位效果,便于实际场景应用。

    一种基于通道差分残差的彩色图像隐写检测方法

    公开(公告)号:CN109523452B

    公开(公告)日:2022-10-11

    申请号:CN201811276883.3

    申请日:2018-10-30

    Abstract: 本发明提供一种基于通道差分残差的彩色图像隐写检测方法。该方法包括:步骤1、计算待检测彩色图像的R、G和B三个颜色通道中任意两个颜色通道间的差分平面DRG、DRB和DGB;步骤2、根据所述差分平面DRG、DRB和DGB,得到基于通道间差分的DF特征;步骤3、根据DF特征,利用训练好的隐写检测器确定所述待检测彩色图像是否为隐密图像。本发明首先认识到从通道间差分中提取特征应能够对彩色图像隐写进行更有效的检测,接着对基于通道间差分残差的隐写检测特征进行提取,并基于此对现有的特征提取方法进行改进。实验结果表明:针对WOW和S‑UNIWARD隐写,本发明提出的隐写检测方法的平均检测错误率明显低于已有隐写检测方法,尤其在嵌入率小于0.2时,检测错误率降低的最大幅度甚至超过5%。

    一种面向IP定位的大规模网络别名解析方法

    公开(公告)号:CN111245969B

    公开(公告)日:2022-07-22

    申请号:CN201911270805.7

    申请日:2019-12-12

    Abstract: 本发明提供了一种面向IP定位的大规模网络别名解析方法,包括以下步骤:步骤1:从公开数据中获取存在别名关系的IP对集合和不存在别名关系的IP对集合;步骤2:获取每个IP的时延、探测路径、ISP及Whois信息;步骤3:利用步骤2的数据对待解析的IP对进行非别名IP过滤;步骤4:利用步骤2的数据对待解析的IP对进行分类特征表示;步骤5:分类模型训练;步骤6:利用步骤5的分类模型对待解析的IP对别名解析;本发明提出了一种面向IP定位的大规模网络别名解析方法,可对大规模网络中的路由器接口IP进行准确、高效的别名解析;本发明提出了非别名IP过滤方法,排除不可能存在别名关系的IP对,提高别名解析的效率。

    基于网络流量频域指纹的Tor用户访问网站识别方法及系统

    公开(公告)号:CN114710310A

    公开(公告)日:2022-07-05

    申请号:CN202210056538.9

    申请日:2022-01-18

    Abstract: 本发明属于匿名通信系统Tor技术领域,特别涉及一种基于网络流量频域指纹的Tor用户访问网站识别方法及系统,该方法提取访问流量中时域信元序列的方向和长度特征,将其组合形成信元特征序列,将信元特征序列进行离散小波变换并获取信元频域特征序列的低频部分,去除掉包含噪声的高频部分,这种将离散小波变换作为频域处理方法可以有效减少用户在访问网站过程中出现的噪声对指纹识别产生的影响;通过使用CNN、FC和Self‑Attention相结合的深度学习分类模型,能够发现频域特征序列之间的内在联系,高效完成对访问流量的识别分类,并且在模型中使用多种正则化技术来防止模型训练过程中出现过拟合问题。本发明能够在一定程度上提升网站指纹识别准确率。

    一种基于路由器误差训练的IP定位方法

    公开(公告)号:CN110995885B

    公开(公告)日:2022-02-22

    申请号:CN201911280052.8

    申请日:2019-12-13

    Abstract: 本发明公开了一种基于路由器误差训练的IP定位方法,包括如下步骤,对目标城市地标集进行采样,划分出训练集和验证集,对训练集进行扩展,得到探测集,对路由器进行提取,通过采集探测源到探测集节点的路径,从中提取出目标城市的城域网拓扑,对路由器进行训练,通过到训练集节点的路径来训练路由器定位结果,通过到验证集节点的路径来训练路由器定位误差,对IP进行面向街道级的定位,采集探测源到目标的路径,寻找其与目标城市城域网拓扑的重合部分,并得到最终定位结果。本发明能够解决现有方法无法给出单次定位结果的误差的问题,并能够实现对城市中定位目标的位置估计与误差范围估计,在得到误差范围的同时,也具有更好的定位效果。

Patent Agency Ranking