-
公开(公告)号:CN111915474A
公开(公告)日:2020-11-10
申请号:CN202010653102.9
申请日:2020-07-08
Applicant: 绍兴聚量数据技术有限公司 , 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明提供一种基于整数变换的可逆加密域信息隐藏方法。首先,图像拥有者,首先将原始图像分割成大小一致的不重叠的图像块,对每个图像块进行整数变换预留代数性质的嵌入空间。其次,对预处理后的图像采用标准流密码算法进行加密得到加密图像,然后将加密图像发送给信息嵌入者。信息嵌入者在有效图像块上,通过改变图像块中的像素值的奇偶性实现信息的嵌入。接收者在收到标记后的加密图像后,先进行图像解密,然后判定图像块中奇偶性的变换从而提取秘密信息。最后根据参考像素恢复每个图像块的像素值,最终实现原始图像的恢复。本发明能够根据不同图像的平滑度预先调整分割图像的大小,在相对平滑图像上具有较高的信息嵌入量,且处理代价低。
-
公开(公告)号:CN114998083B
公开(公告)日:2024-10-22
申请号:CN202210605830.1
申请日:2022-05-30
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06T1/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种使用AI生成图像的无载体机密分享方法。首先,机密拥有者先使用两个训练好的AI模型,分别用于生成两张伪装图像以及两张在伪装图像中嵌入认证码的机密份额图像。之后机密拥有者将含有认证码的机密份额图像分别发给两位参与者保管;最后,要提取机密信息时,参与者将各自的机密份额图像发给第三方,第三方利用认证模型对两张机密份额图像做一个图像认证,如果认证通过,两个参与者才能一起利用提取器模型提取各自份额中的嵌入序列并恢复机密信息。相比于其他现有的方法,本发明不仅继承了视觉密码计算复杂度低,安全性高的优点,而且在深度学习的帮助下,生成的机密份额图像和自然图像并没有区别,并且可以抵抗多种隐写分析。
-
公开(公告)号:CN116318948A
公开(公告)日:2023-06-23
申请号:CN202310227607.2
申请日:2023-03-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种基于循环生成对抗网络的加密空间隐写方法。本发明将循环生成对抗网络(CycleGAN)用于加密和解密数字图像和秘密数据,而无需用户对它们做任何的处理。这有利于云服务持续的扩大受众群体,在市场竞争中提供持续竞争力。此外,本发明设计了一种基于差异扩展(DE)技术的噪声图像,该图像的特点是具有良好的数据有效载荷用于DE嵌入,同时保留了恢复能力。实验结果表明,本发明的嵌入率超过0.47bpp,秘密数据的获取精度超过91%。安全性分析表明,本发明能够有效地保护用户数据,防止恶意攻击。与现有技术中的先进方案相比,本发明依然具有明显的优势。
-
公开(公告)号:CN116260978A
公开(公告)日:2023-06-13
申请号:CN202310227610.4
申请日:2023-03-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: H04N19/467 , H04N19/182 , H04N19/80
Abstract: 本发明公开了一种基于投票策略预测像素的图像数据隐藏方法。本发明将封面图像按照国际棋盘的样式划分为灰色区和白色区,并使用白色区的像素来预测灰色区的像素,这里使用投票策略来进行预测,然后本发明通过一个映射表直接使用预测的灰色数值来嵌入多位秘密数据。在接收方恢复秘密数据时,可以根据接收到的灰色区域像素值与预测的灰色区域数值之间的差值来对照映射表查询在灰色像素所嵌入的秘密数据,从而提取信息。本发明所提出的方案把投票策略与像素预测相结合,可以显着提高秘密信息嵌入能力,并且在嵌入信息较多的时候使得载密图像具有较好的视觉效果。
-
公开(公告)号:CN113052062A
公开(公告)日:2021-06-29
申请号:CN202110308444.1
申请日:2021-03-23
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
IPC: G06K9/00 , G06N3/04 , G06N3/08 , G06K9/62 , G01M13/045
Abstract: 本发明提出了一种基于一维卷积神经网络轴承故障诊断方法。滚动轴承作为工业设备中的重要部件,对滚动轴承的健康状况进行监测和诊断是非常重要的。传统的滚动轴承故障诊断方法对轴承故障识别精度低,需要人工提取特征,泛化能力差。本发明提出的一维卷积神经网络(1D‑CNN)方法不仅能准确诊断轴承故障,而且克服了传统故障诊断方法的缺点。在本发明中,提出的卷积核的数目随卷积核大小减小而减少的网络结构,有效提高了滚动轴承故障检测的准确性。实验结果表明本发明所提出的1D‑CNN网络结构,在单一负载下平均准确率达到99.2%,在跨不同负载的平均准确率达到98.83%。与其他现有的相关工作比较,我们提出的方法具有较为优越的性能。
-
公开(公告)号:CN116205780A
公开(公告)日:2023-06-02
申请号:CN202310227606.8
申请日:2023-03-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
Abstract: 本发明公开了一种使用像素洗牌技术在完全加密图像上的可逆水印方法。首先,图像所有者先将明文图像用流加密算法进行完全加密,生成原始加密图像并上传至云端;其次,水印嵌入者从云端下载加密图像并将其划分成连续的2×2大小的块;接着水印嵌入者根据块内像素的特性将每个块分成可用块和不可用块,再使用像素洗牌技术将加密的水印数据嵌入到可用块中生成含水印数据的加密图像并发给接收者。对于接收者,可根据不同的秘钥来提取水印数据或者恢复明文图像。本发明将一种像素洗牌技术和可逆水印相结合,实现了加密域的高效水印嵌入,不仅继承了基于完全加密图像的高安全性的特点,并且在保证恢复图像的视觉品质的同时,在嵌入量上远高出其他类似方法。
-
-
-
-
-