論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
2007, 29(4): 892-894.
doi: 10.3724/SP.J.1146.2005.01076
刊出日期：2007-04-19
關(guān)鍵詞:
安全性;基于身份的密鑰協(xié)商;惡意攻擊
最近Yi等(2002)提出了一個(gè)用于多媒體加密的基于身份的密鑰協(xié)商協(xié)議。協(xié)議建立在Diffie-Hellman 密鑰交換協(xié)議和RSA公鑰密碼體系之上。Yi等分析了協(xié)議的安全性，并認(rèn)為該協(xié)議對(duì)于惡意攻擊是魯棒的。然而，本文證明該協(xié)議對(duì)于某些攻擊如偽造秘密信息和篡改交換消息是脆弱的，并分析了該協(xié)議受到這些攻擊的原因。本文指出由于該協(xié)議內(nèi)在的缺陷，該協(xié)議可能難于改善。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對(duì)目前圖像隱寫檢測(cè)模型中線性卷積層對(duì)高階特征表達(dá)能力有限，以及各通道特征圖沒有區(qū)分的問題，該文構(gòu)建了一個(gè)基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫檢測(cè)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(qiáng)隱寫檢測(cè)模型對(duì)高階特征的表達(dá)能力；同時(shí)引入通道加權(quán)模塊，實(shí)現(xiàn)根據(jù)全局信息對(duì)每個(gè)卷積通道賦予不同的權(quán)重，增強(qiáng)有用特征并抑制無用特征，增強(qiáng)模型提取檢測(cè)特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該檢測(cè)模型針對(duì)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(cè)準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
