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。
2015, 37(4): 881-886.
doi: 10.11999/JEIT140831
刊出日期：2015-04-19
目前基于標簽的Grbner基算法大多是Buchberger型的，涉及矩陣型算法的文獻往往是為了進行復雜度分析，而不考慮實際的效率。該文從實際應用出發(fā)，給出矩陣型Gao-Volny-Wang(GVW)算法的一個實例，提出算法層次的優(yōu)化設計方法。同時，該文還給出一個高效的約化準則。通過實驗，該文比較了算法可用的各項準則及策略。實驗結果表明，該文的矩陣型GVW實例在準則和策略的選取上是最優(yōu)的。并且，矩陣型GVW在某些多項式系統(tǒng)(例如，Cyclic系列和Katsura系列多項式系統(tǒng))下比Buchberger型GVW要快2~6倍。
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%。
