論文元數(shù)據(jù)搜索，找到相關信息共 3 條：
2007, 29(1): 201-204.
doi: 10.3724/SP.J.1146.2005.00574
刊出日期：2007-01-19
通過對Xu(2004)和Zhang(2004)提出的兩種環(huán)簽名方案進行分析，指出了這兩種環(huán)簽名方案都容易受到群成員改變攻擊(group-changing attack)，并給出了攻擊方法；另外，Zhang的方案還容易受到多已知簽名存在偽造(multiple-known-signature existential forgery)攻擊。為防范這兩種攻擊，對這兩種環(huán)簽名方案進行了改進，改進后的方案在最強的安全模型(Joseph, 2004提出)中仍是安全的。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對目前圖像隱寫檢測模型中線性卷積層對高階特征表達能力有限，以及各通道特征圖沒有區(qū)分的問題，該文構建了一個基于多層感知卷積和通道加權的卷積神經(jīng)網(wǎng)絡(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，增強隱寫檢測模型對高階特征的表達能力；同時引入通道加權模塊，實現(xiàn)根據(jù)全局信息對每個卷積通道賦予不同的權重，增強有用特征并抑制無用特征，增強模型提取檢測特征的質量。實驗結果表明，該檢測模型針對不同典型隱寫算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測準確率，與最優(yōu)的Zhu-Net相比，準確率提高1.95%～6.15%。
2022, 44(10): 3343-3352.
doi: 10.11999/JEIT220380
刊出日期：2022-10-19
基于深度卷積神經(jīng)網(wǎng)絡的圖像超分辨率重建算法通常假設低分辨率圖像的降質是固定且已知的，如雙3次下采樣等，因此難以處理降質(如模糊核及噪聲水平)未知的圖像。針對此問題，該文提出聯(lián)合估計模糊核、噪聲水平和高分辨率圖像，設計了一種基于迭代交替優(yōu)化的圖像盲超分辨率重建網(wǎng)絡。在所提網(wǎng)絡中，圖像重建器以估計的模糊核和噪聲水平作為先驗信息，由低分辨率圖像重建出高分辨率圖像；同時，綜合低分辨率圖像和估計的高分辨率圖像，模糊核及噪聲水平估計器分別實現(xiàn)模糊核和噪聲水平的估計。進一步地，該文提出對模糊核/噪聲水平估計器及圖像重建器進行迭代交替的端對端優(yōu)化，以提高它們的兼容性并使其相互促進。實驗結果表明，與IKC, DASR, MANet, DAN等現(xiàn)有算法相比，提出方法在常用公開測試集(Set5, Set14, B100, Urban100)及真實場景圖像上都取得了更優(yōu)的性能，能夠更好地對降質未知的圖像進行重建；同時，提出方法在參數(shù)量或處理效率上也有一定的優(yōu)勢。
