-
公开(公告)号：CN117253495A
公开(公告)日：2023-12-19
申请号：CN202311120398.8
申请日：2023-09-01
Applicant: 宁波大学
IPC: G10L19/018 , G10L25/51 , G10L25/30
Abstract: 本发明公开了一种基于对抗样本特征的音频隐写分析方法，其使用正常音频和STC编码方式的隐写音频构成的音频样本集训练LinNet，在训练结束后，LinNet中的最后一层隐层输出音频样本集中的每个样本对应的特征向量，LinNet输出音频样本集中的每个样本为含密样本的概率值；根据音频样本集中的每个样本对应的特征向量，提取出音频样本集中的每个样本的LID；将音频样本集中的每个样本的LID特征与每个样本为含密样本的概率值拼接构成的向量作为训练特征，将音频样本集中的所有样本的训练特征构成训练集；使用训练集训练SVM；优点是利用训练好的LinNet和训练好的SVM能够对STC隐写的音频隐写样本进行检测，且检测准确率高。
-
公开(公告)号：CN115481719B
公开(公告)日：2023-09-15
申请号：CN202211146344.4
申请日：2022-09-20
Applicant: 宁波大学
IPC: G06V10/82 , G06V10/774 , G06V10/776 , G06N3/082 , G06N3/04 , G06N3/084 , G06T1/00
Abstract: 本发明涉及一种防御基于梯度的对抗攻击的方法，包括：构建神经网络模型并对其进行训练，得到训练完成后的神经网络模型；在训练完成后的神经网络模型的第一层之前增加处理层，即得到防御模型；选取任一个测试样本x作为防御模型的输入，得到测试样本x经过防御模型后的输出；上述防御模型满足如下两个条件：条件一：x＝g(x)；条件二：#imgabs0#最后对测试样本x进行白盒对抗攻击，并将白盒对抗攻击后生成的测试样本x′输入到防御模型中，即得到防御后的输出。该方法能适合任何神经网络模型，无需额外训练，并能实现在不影响模型精度和推理时间复杂度的情况下，防御来自白盒场景下的对抗攻击。
-
公开(公告)号：CN111640444B
公开(公告)日：2023-04-28
申请号：CN202010307518.5
申请日：2020-04-17
Applicant: 宁波大学
IPC: G10L19/018 , G10L25/30
Abstract: 一种基于CNN的自适应音频隐写方法和秘密信息提取方法，根据对训练集中的音频信号与秘密信息进行维度叠加后将其输入到编码网络中，得到采样点修改向量；之后将其与音频信号进行相加得到隐写音频，并将隐写音频输入到解码网络中得到解码后的秘密信息；接着根据损失函数分别更新解码网络和编码网络中的参数；并采用与上述相同的方法依次使用所有训练样本对编码网络和解码网络进行训练得到训练完成的编码网络和解码网络；完成上述操作后，将待隐写的秘密信息与音频信号按照上述处理后输入到训练完成的编码网络中即可得到隐写音频，并将隐写音频输入到训练完成的解码网络中，即得到提取出的秘密信息。该方法产生微弱的扰动，保证隐写后的音频质量。
-
公开(公告)号：CN111653289B
公开(公告)日：2022-12-27
申请号：CN202010479392.X
申请日：2020-05-29
Applicant: 宁波大学
Abstract: 本发明公开了一种回放语音检测方法，其特征在于：包括如下步骤：1)训练阶段：1.1)输入训练语音样本，所述训练语音样本包括原始语音和回放语音；1.2)提取训练语音样本的倒谱特征；1.3)根据提取的特征训练残差网络模型，得到网络模型参数；2)测试阶段：2.1)输入测试语音样本；2.2)提取测试语音样本的倒谱特征；2.3)利用步骤1)训练得到的残差网络对提取的测试语音样本的特征进行识别打分；2.4)判断测试语音样本是否为回放语音。与现有技术相比，本发明的优点在于：基于深度学习的方式，将语音信号的倒谱特征与深度残差网络相结合，有效地提升系统的检测性能，并使得算法有较好的鲁棒性。
-
公开(公告)号：CN109285538B
公开(公告)日：2022-12-27
申请号：CN201811090798.8
申请日：2018-09-19
Applicant: 宁波大学
IPC: G10L15/04 , G10L15/06 , G10L15/08 , G10L19/012 , G10L19/02 , G10L21/0208 , G10L25/51
Abstract: 本发明公开了一种基于常Q变换域的加性噪声环境下手机来源识别方法，其利用常Q变换获取常Q变换域的频谱分布特征向量，常Q变换在低频具有更高的频率分辨率，在高频具有更高的时间分辨率，更适合于手机来源识别；其在训练阶段采用了多场景训练的方式，训练集中不仅有未添加场景噪声的干净的语音样本，还有含有不同场景噪声类型和噪声强度的含噪语音样本，训练得到的M分类模型具有通用性，并且对已知噪声场景和未知噪声场景的语音样本都能进行有效的手机来源识别；其使用深度学习的CNN模型来建立M分类模型，CNN模型不仅提升了对未添加场景噪声的干净的语音样本的来源识别准确性，而且大幅度提升了含噪语音样本的手机来源识别效果，噪声鲁棒性强。
-
Patent Agency Ranking
公开(公告)号：CN111757124B
公开(公告)日：2022-03-29
申请号：CN201910232521.2
申请日：2019-03-26
Applicant: 宁波大学
IPC: H04N19/467 , H04N19/46
Abstract: 本发明涉及基于STC的无失真隐写方法及无失真秘密信息提取方法，该无失真隐写方法通过构建秘密信息嵌入模型及设定好的无失真嵌密目标，得到达到无失真嵌密目标时的子校验矩阵需要满足的条件，生成由多个2×2规格的最佳无失真子校验矩阵形成的完整校验矩阵，该完整校验矩阵中的各无失真子校验矩阵具有最少的元素，使得所得无失真子校验矩阵占用成本低的传输空间；将2×2小规格的无失真子校验矩阵运用到秘密信息的嵌入过程，确保了秘密信息嵌入到原始载体内的嵌入速度；在得到无失真子校验矩阵的过程中，设置了除数值“0”、“1”以外的三种变量X、Y和Z，保证针对各种嵌入情形列表所对应生成无失真子校验矩阵的唯一性。
-
公开(公告)号：CN111564163A
公开(公告)日：2020-08-21
申请号：CN202010382185.2
申请日：2020-05-08
Applicant: 宁波大学
Abstract: 本发明公开了一种基于RNN的多种伪造操作语音检测方法，包括如下步骤：1)获取原始语音样本，对所述原始语音样本进行M种伪造处理，得到M个伪造操作后的语音和1个未经处理的原始语音，对上述语音进行特征提取，得到训练语音样本的LFCC矩阵，送入RNN分类器网络中进行训练，得到一个多分类的训练模型；2)得到一段测试语音，对该测试语音进行特征提取，得到测试语音数据的LFCC矩阵，送入由步骤1)训练好的RNN分类器中进行分类，每一个测试语音得到一个输出概率，合并所有输出概率作为最后的预测结果：如果预测结果是原始语音，则测试语音被识别为原始语音；如果预测结果是经过某一伪造操作的语音，则测试语音被识别为进行相应伪造操作的伪造语音。
-
公开(公告)号：CN105049871B
公开(公告)日：2018-03-09
申请号：CN201510409325.X
申请日：2015-07-13
Applicant: 宁波大学
IPC: H04N19/96 , H04N19/122 , H04N19/46 , H04N19/109 , H04N19/19 , H04N19/147 , H04N19/176
Abstract: 本发明涉及一种基于HEVC的音频信息嵌入方法及提取和重构方法，在音频信息嵌入部分通过分HEVC编解码结构，在帧内预测编码过程中，选取纹理复杂度较高的4×4的预测单元，利用拉格朗日率失真模型选取最优预测模式，并根据相邻预测模式相关性，在最优预测模式确定的前提下，将具有相近预测效果的4个预测模式分为1组，建立预测模式组与变长码组之间的动态双映射关系，根据待嵌入的音频信息长度变化，改变标志位，对应调制预测模式，完成音频2比特或3比特信息的嵌入，大大提升了嵌入音频信息的容量。在提取和重构过程中，只需根据双映射关系对码流中的预测模式解码即可，实现了音频信息完整无误的嵌入和提取，很好的保证了音、视频的主客观质量。
-
公开(公告)号：CN104282310B
公开(公告)日：2017-05-03
申请号：CN201410502396.X
申请日：2014-09-26
Applicant: 宁波大学
IPC: G10L19/018
Abstract: 本发明公开了一种针对MP3Stego隐写后的音频的隐写检测方法，其先将未隐写的MP3压缩音频和隐写MP3压缩音频构成样本库；然后对每个样本进行重压缩编码，获得每个样本的载体估计；接着提取每个样本中的每帧的量化后的MDCT系数，获取每个样本对应的第一系数矩阵，同样提取每个载体估计中的每帧的量化后的MDCT系数，获取每个载体估计对应的第二系数矩阵；再通过计算对应的第一系数矩阵与第二系数矩阵中对应列之间的Hausdorff距离值，得到每个样本的最终隐写分析特征行向量；之后通过SVM分类器训练得到训练模板；最后利用训练模板对待检测的MP3压缩音频进行检测；优点是能很准确地确定MP3压缩音频是否经过MP3Stego隐写，尤其在隐秘信息嵌入率较低的情况下依然能获得很高的检测效率。
-
公开(公告)号：CN106102139A
公开(公告)日：2016-11-09
申请号：CN201610361573.6
申请日：2016-05-26
Applicant: 宁波大学
CPC classification number: Y02D70/10 , H04W52/0251 , G07F15/06 , H04W52/0274 , H04W76/27
Abstract: 本发明公开了一种NFC预付费仪表的低功耗实现方法，其包括三部分内容，第一部分内容为NFC预付费仪表不工作时使其进入休眠状态；第二部分内容为用户需通过外部的NFC智能终端与NFC预付费仪表通信时，外部的NFC智能终端唤醒NFC预付费仪表使其进入正常工作状态，实现数据交换；第三部分内容为NFC预付费仪表在确定其与外部的NFC智能终端的数据交换完成后，重新使其进入休眠状态；优点是NFC预付费仪表只有在用户需通信时才被唤醒工作，其余时间处于休眠状态，大大降低了待机功耗，并且能及时响应用户操作，减小了响应时间；NFC智能终端与NFC预付费仪表通信的过程中，由NFC智能终端提供磁场，这样即使磁场检测电路探测外部磁场也几乎不增加电能消耗。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.025 seconds)
