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。
2018, 40(8): 1949-1955.
doi: 10.11999/JEIT170983
刊出日期：2018-08-01
為了降低譯碼時的計算復雜度以及減少譯碼時間，該文通過對牛頓恒等式進行推導得到了(41, 21, 9) QR碼不需要計算未知校驗子就可求得錯誤位置多項式系數(shù)的代數(shù)譯碼算法，同時也針對改善部分客觀地給出了計算復雜度的理論分析。此外，為了進一步降低譯碼時間，提出判定接收碼字中出現(xiàn)不同錯誤個數(shù)的更簡化的判斷條件。仿真結果表明該文提出算法在不降低Lin算法所達到的譯碼性能的前提下，降低了譯碼時間。
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(zhì)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%。
