检索结果-内蒙古大学图书馆

小型微型计算机系统 2019年第8期40卷 1740-1744页

作者：王耀杰杨晓元刘佳武警工程大学网络与信息安全武警部队重点实验室西安710086 武警工程大学密码工程学院西安710086

针对信息隐藏中载体修改会留有修改痕迹、载体选择困难且负载量太低的问题,本文在载体合成的基础上提出了一种基于GAN的生成式图像隐写方案(GS-GAN). GS-GAN在生成对抗网络的基础上,采用隐藏的信息作为驱动直接生成含密图像进行传输,符... 详细信息

针对信息隐藏中载体修改会留有修改痕迹、载体选择困难且负载量太低的问题,本文在载体合成的基础上提出了一种基于GAN的生成式图像隐写方案(GS-GAN). GS-GAN在生成对抗网络的基础上,采用隐藏的信息作为驱动直接生成含密图像进行传输,符合"无载体"信息隐藏思想,可有效抵抗基于统计特性的隐写检测.同时,基于加密算法的密钥,即使截获隐藏的内容,在无密钥的前提下,只会获得无意义的结果.我们在CelebA数据集进行了实验,验证了该方案的安全优势和可行性.

关键词：信息隐藏对称加密生成式生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于PCA-LSTM的入侵检测研究

引用

计算机科学 2019年第S11期46卷 473-476,492页

作者：高忠石苏旸柳玉东武警工程大学网络与信息安全武警部队重点实验室西安710086 武警工程大学密码工程学院西安710086

目前渗透利用、泛型攻击、SQL注入和APT等隐蔽攻击危害越来越严重,而对于这些隐蔽的攻击形式,浅层的机器学习已经不能很好地对其进行检测。文中设计了一种基于主成分分析优化的长短时记忆网络的入侵检测模型,该模型的主要原理是通过主... 详细信息

目前渗透利用、泛型攻击、SQL注入和APT等隐蔽攻击危害越来越严重,而对于这些隐蔽的攻击形式,浅层的机器学习已经不能很好地对其进行检测。文中设计了一种基于主成分分析优化的长短时记忆网络的入侵检测模型,该模型的主要原理是通过主成分分析去除样本数据中的噪声信息,利用长短时记忆网络的记忆功能和强大的序列数据学习能力进行学习。采用澳大利亚网络安全中心建立的UNSW-NB15数据集进行实验,通过对调整关键参数(时间步长、学习率和激活函数)进行模型分析,结果表明该模型比传统模型有更高的准确率。

关键词：主成分分析长短时记忆网络入侵检测准确率 UNSW-NB15

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的图像隐藏方案

引用

信息网络安全 2019年第5期 54-60页

作者：王耀杰钮可杨晓元武警工程大学网络与信息安全武警部队重点实验室陕西西安710086 武警工程大学密码工程学院陕西西安710086

针对信息隐藏中修改载体嵌入信息的方法会留有痕迹,从根本上难以抵抗统计分析算法检测的问题,文章提出一种基于生成对抗网络的图像隐写方案,通过生成更合适的载体图像来提高信息隐藏的安全性,能够有效抵抗隐写分析算法的检测。该方案提... 详细信息

针对信息隐藏中修改载体嵌入信息的方法会留有痕迹,从根本上难以抵抗统计分析算法检测的问题,文章提出一种基于生成对抗网络的图像隐写方案,通过生成更合适的载体图像来提高信息隐藏的安全性,能够有效抵抗隐写分析算法的检测。该方案提出的策略是联合生成对抗网络和传统信息隐藏技术,将生成式载密图像和传统式载密图像作为输入,进行迭代优化,使生成器生成的图像更适合作为载体信息。与SGAN和SSGAN方案相比,该方案使得攻击者在隐写分析错误率上分别提高了9%和4.1%。实验结果表明,该方案在抗隐写分析和安全性指标上明显优于对比方案。

关键词：信息隐藏 GAN WGAN 安全性

来源：评论

学校读者我要写书评

暂无评论

标准模型下格上基于身份的门限解密方案

引用

计算机研究与发展 2018年第10期55卷 2164-2173页

作者：吴立强杨晓元张敏情武警部队网络与信息安全保密重点实验室(武警工程大学) 西安710086 网络信息安全教育部重点实验室(西安电子科技大学) 西安710071

基于身份的门限解密体制(identity-based threshold decryption,IBTD)是将秘密共享方法和基于身份加密算法有效结合.在(t,N)门限解密方案中,N个解密服务器共享用户私钥,当解密时,至少需要t个服务器参与并计算相应解密份额,才能正确恢复... 详细信息

基于身份的门限解密体制(identity-based threshold decryption,IBTD)是将秘密共享方法和基于身份加密算法有效结合.在(t,N)门限解密方案中,N个解密服务器共享用户私钥,当解密时,至少需要t个服务器参与并计算相应解密份额,才能正确恢复出明文.然而,少于t个或更少的服务器无法获取关于明文的任何信息.目前现存的格上IBTD方案都是在随机预言模型下证明的,主要方法是对服从高斯分布的私钥直接分割.针对该问题,构造了一种非交互的IBTD方案,采用拉格朗日秘密分割方法对一个公共向量进行拆分,每个解密服务器得到各自的特征向量,通过用户的私有陷门,对特征向量进行原像抽样,得到私钥份额,有效隐藏了用户完整私钥,提高方案的安全性.在解密份额验证时,采用离散对数问题的难解性,实现了可公开验证性.在解密份额组合时,通过公共向量分割合并和解密份额分割合并之间运算的同态性,保证解密的正确性.在标准模型下,将该方案的安全性规约为判定性LWE(learning with errors)困难假设,证明了其满足IND-sID-CPA安全.

关键词：基于身份的门限解密格标准模型可公开验证性非交互性

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的无载体信息隐藏

引用

应用科学学报 2018年第2期36卷 371-382页

作者：刘明明张敏情刘佳高培贤张英男武警工程大学网络与信息安全武警部队重点实验室西安710086

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行... 详细信息

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.

关键词：信息隐藏无载体信息隐藏生成对抗网络 ACGAN(auxiliary classifier GAN)

来源：评论

学校读者我要写书评

暂无评论

基于理想格的鲁棒门限代理重加密方案

基于理想格的鲁棒门限代理重加密方案

引用

中国密码学会2019年会

作者：吴立强韩益亮杨晓元张敏情杨凯武警工程大学武警部队网络与信息安全保密重点实验室西安710086 武警工程大学武警部队网络与信息安全保密重点实验室西安710086 西安电子科技大学网络信息安全教育部重点实验室西安710071

代理重加密的本质是解密权限的转换，门限代理重加密(TPRE)将重加密权限进行拆分并委托给多个代理节点，只有满足一定数量的节点参与计算并提供密文份额时，才能成功完成密文转换。鲁棒性是指能够识别出伪造或者错误的密文份额，因此鲁... 详细信息

代理重加密的本质是解密权限的转换，门限代理重加密(TPRE)将重加密权限进行拆分并委托给多个代理节点，只有满足一定数量的节点参与计算并提供密文份额时，才能成功完成密文转换。鲁棒性是指能够识别出伪造或者错误的密文份额，因此鲁棒的TPRE系统具有更高的容错率和更强的安全性。采用理想格上工具构造了一种门限代理重加密方案，具有密文尺寸小、密钥份额短、计算速度快等优势;为了实现鲁棒性，采用格上同态签名技术完成密文份额合法性的可公开验证，最终方案可完全抗量子攻击;在证明方法上，分析了 PRE和TPRE安全模型之间的差异，然后基于游戏跳转证明方法，证明对TPRE的攻击可多项式时间内转化为对潜在PRE方案的攻击，进而将方案的CPA安全性规约为RLWE假设。在应用方面，结合新方案"高可用、低信任、强安全"等优势，给出了其两种典型的应用场景。

关键词：门限代理重加密理想格鲁棒性同态签名

来源：评论

学校读者我要写书评

暂无评论

McEliece编码签名方案的设计

引用

中国科技论文 2018年第14期13卷 1654-1657页

作者：刘相信杨晓元武警工程大学电子技术系西安710086 武警工程大学网络与信息安全保密重点实验室西安710086

针对现有Niederreiter编码签名方案存在安全性低、签名速度慢的缺点,设计了一种McEliece编码签名方案。首先,对McEliece密码方案的加解密过程进行改进,以提高方案的安全性;其次,利用改进后的McEliece密码方案设计了一种编码签名方案。... 详细信息

针对现有Niederreiter编码签名方案存在安全性低、签名速度慢的缺点,设计了一种McEliece编码签名方案。首先,对McEliece密码方案的加解密过程进行改进,以提高方案的安全性;其次,利用改进后的McEliece密码方案设计了一种编码签名方案。分析结果表明,改进后的McEliece密码方案具有较高的安全性;设计的McEliece签名方案具有较高的安全性和较快的签名速度;在同等安全级下,Hash次数由Niederreiter编码签名方案的32 881次降低为25次,译码次数由Niederreiter编码签名方案的32 880次降低为24次。作为抗量子签名方案之一,设计的McEliece编码签名方案的生存力和竞争力较强。

关键词： McEliece密码方案 Niederreiter密码方案后量子密码数字签名非确定性多项式完全困难问题

来源：评论

学校读者我要写书评

暂无评论

一种基于浅层卷积神经网络的隐写分析方法

引用

山东大学学报（理学版） 2018年第3期53卷 63-70页

作者：刘明明张敏情刘佳高培贤武警工程大学网络与信息安全武警部队重点实验室陕西西安710086

为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则... 详细信息

为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则化以及使用单层全连接层的方式,提高隐写分析网络的泛化性能。实验结果表明,针对S-UNIWARD隐写算法,在嵌入率为0.4 bpp和0.1 bpp时,检测准确率分别能达到96%和81.7%,同时在载体库源及嵌入率失配情况下,该方法仍能保持较好的检测性能。

关键词：浅层卷积神经网络隐写分析深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度残差网络的图像隐写分析方法

引用

计算机工程与设计 2018年第10期39卷 3045-3049,3112页

作者：高培贤魏立线刘佳刘明明武警工程大学网络与信息安全武警部队重点实验室陕西西安710086

为获得更加理想的图像隐写分析效果,构建一个深度残差网络模型(steg-deep residual networks,S-DRN)进行图像隐写分析。采用高通滤波器对图片进行预处理,加快模型收敛速度;采用两层已经拟合好的卷积层进行特征提取,在卷积层的基础上增... 详细信息

为获得更加理想的图像隐写分析效果,构建一个深度残差网络模型(steg-deep residual networks,S-DRN)进行图像隐写分析。采用高通滤波器对图片进行预处理,加快模型收敛速度;采用两层已经拟合好的卷积层进行特征提取,在卷积层的基础上增加16组残差学习模块,解决网络加深带来的退化问题,提高模型的识别准确率。实验结果表明,该模型提高了图像隐写分析准确率,优于常用的卷积神经网络模型和传统的图像隐写分析算法。

关键词：卷积神经网络残差学习图像隐写分析退化问题深度网络

来源：评论

学校读者我要写书评

暂无评论

基于信号博弈的主动防御模型

引用

计算机工程与应用 2018年第17期54卷 77-82页

作者：张为苏旸陈文武武警工程大学网络与信息安全武警部队重点实验室西安710086 武警工程大学信息安全研究所西安710086

为了更贴近网络实际,针对当前网络攻防信息不均衡和网络对抗动态性的问题,提出了一种具有主动防御功能的信号博弈模型。在不完全信息约束条件下,通过释放不同防御虚假信号,构建了攻防策略博弈树对攻击者和防御者策略进行了建模,并利用... 详细信息

为了更贴近网络实际,针对当前网络攻防信息不均衡和网络对抗动态性的问题,提出了一种具有主动防御功能的信号博弈模型。在不完全信息约束条件下,通过释放不同防御虚假信号,构建了攻防策略博弈树对攻击者和防御者策略进行了建模,并利用网络伪装信号降低攻击策略的成功率;对存在的各类均衡进行了分析,设计了博弈模型求解方法,并在此基础上给出了最优防御策略。最后,通过仿真实验证明了模型的可操作性和有效性,并对实验结果进行了分析和总结。

关键词：信号博弈网络攻防博弈均衡策略选取

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：