摘要：设计了一种基于关键熵的盲数字图像水印算法。首先,使用尺度不变特征变换(SIFT)方法,从图像中提取特征点;其次,以特征点为中心构造局部不变圆形区域,并对其进行归一化处理;然后,选取大于图像平均熵的图像区域作为关键熵图像区域;最后,结合量化调制策略及双树复小波变换(DTCWT)技术,将水印嵌入到关键熵图像区域中。实验分析表明,本文算法对常用的图像处理攻击(如加性噪声、中值滤波J、PEG压缩等)和几何攻击(如缩放、旋转、仿射变换等)均具有较好的鲁棒性。

摘要：近年来,随着深度学习的广泛应用,唇语识别技术也取得了快速的发展.与传统的方法不同,在基于深度学习的唇语识别模型中,通常包含使用神经网络对图像进行特征提取和特征理解两个部分.根据中文唇语识别的特点,将识别过程划分为两个阶段——图片到拼音(P2P)以及拼音到汉字(P2CC)的识别.分别设计两个不同子网络针对不同的识别过程,当两个子网络训练好后,再把它们放在一起进行端到端的整体架构优化.由于目前没有可用的中文唇语数据集,因此采用半自动化的方法从CCTV官网上收集了6个月20.95GB的中文唇语数据集CCTVDS,共包含14975个样本.此外,额外采集了269558条拼音汉字样本数据对拼音到汉字识别模块进行预训练.在CCTVDS数据集上的实验结果表明,所提出的ChLipNet可分别达到45.7%的句子识别准确率和58.5%的拼音序列识别准确率.此外,ChLipNet不仅可以加速训练、减少过拟合,并且能够克服汉语识别中的歧义模糊性.

摘要：基于"绿波"效应的交通控制通过实现干道上的车流不间断地经过多个交通灯路口而不停止,是目前公认的最有效率的交通控制策略之一.然而随着城市交通规模的不断扩大,传统的集中式交通控制方法可能遇到计算和通信上的瓶颈.而当路口交通灯只能获取城市交通网络全局有限的信息时,传统的分布式控制方法可能十分低效.提出了一种基于多智能体的交通灯分布式绿波自适应控制方法.在该设计中,每一个交通灯路口通过一个非集中式的协同智能体来控制.其核心是,智能体通过预测自身下一时刻的状态进行自主决策.由于只有来自邻居路口的车辆能够直接影响当前路口下一步的状态,这一决策过程仅需要智能体通过与邻居智能体间的局部交互来完成.描述了基于多智能体交通灯分布式"绿波"效应的控制算法,并通过仿真实验验证了该方法在大规模城市交通系统中的可行性.

摘要：针对用户对通信业务的要求越来越高,网络管控能力逐渐减弱,难以保障业务的服务质量的问题,设计并实现了资源预留系统,该系统可以为数据流预留资源,保证业务的QoS需求.该系统建立在软件定义网络架构上,并以带宽预留的蚁群算法为路由算法.提出了一种新算法BRACO,该算法为数据流计算的路径可以满足一定的时延和丢包率的要求.通过搭建仿真网络,验证了该系统可以为业务预留资源,并满足业务的QoS要求.

摘要：为使分解结果可保留光照的空间变化性,获取较为准确的本征图像分解结果,提出一种单幅RGB-D图像本征图像交互分解算法.首先提出了一个包含远距离光照项、近距离光照项和材质项3个本征属性部分的本征图像模型,以模拟光照的空间变化性;之后利用球面调和函数估计场景远距离光源分布,为提高分解的准确性,将恢复的光照分布作为先验约束,设计能量函数求解远距离光照项;最后通过用户交互指定部分材质相同但光照条件不同的像素,并设计算法将用户交互约束传递至全图,从而实现对于场景材质图像及近距离光照图像的求解.实验结果证明,该算法是有效的.

摘要：大规模多智能体系统是分布式人工智能领域的一个研究热点,由于多智能体间复杂的交互过程受到诸多不确定性因素的影响,实现系统的宏观优化是关键难点.前期研究发现,某一参数的小范围变化可能引起整个多智能体系统性能的大范围的波动;并且多智能体控制协作算法的研究多数仅与非智能的控制方法进行简单对比,缺乏通用的仿真平台来抽象系统环境并模拟复杂的多智能体行为.为此设计了一种通用的大规模多智能体协同控制平台,该平台能够模拟多智能体系统必须完成的协同控制任务,并且通过变换多智能体系统的相关参数模型及加载不同的智能体控制策略,可以模拟和评测系统各项协作性能指标,为未来设计和提升算法性能提供研究基础.

摘要：针对应急物联网(EIoT)超低时延服务需求,设计了面向超低时延传输应急物联网的多切片网络架构,提出EIoT切片资源预留和多异构切片资源共享与隔离的方法框架。所提框架采用深度强化学习方法实现实时异构切片间资源需求的自动预测与分配,切片内用户资源分配建模为基于形状的二维背包问题并采用启发式算法数值求解,从而实现切片内资源定制化。仿真结果表明,基于资源预留的方法能够使EIoT切片显式保留资源,提供了更好的安全隔离级别;深度强化学习能够保证资源预留的准确和实时更新,有效兼顾资源利用率和切片差异化服务质量要求。与4个已有算法对比表明,Dueling DQN具有更好的性能优势。

摘要：为了准确检测工业控制网络中的虚假数据注入攻击,并快速补偿攻击对系统造成的影响,文章提出一种基于状态估计的攻击检测与补偿方法。该方法首先基于工业控制系统数学模型构造时序卡尔曼滤波器,对状态向量进行最优估计;然后设计双重判定机制,排除噪声和干扰引起的不稳定状态;最后提出多步估计攻击补偿策略,利用系统最后一次处于安全状态时的测量数据为系统提供补偿控制信号。双区域互联电力系统的负荷频率控制系统上的实验结果表明,该方法可以有效检测并补偿虚假数据注入攻击,且在频率偏差控制、控制信号补偿等方面均优于对比算法。

摘要：以复杂网络环境中的网络交易为研究背景,引入云模型理论,通过对复杂网络环境中的信任、信任影响因素及信任评价机制等问题的研究,提出了基于云模型的信任评估模型,实现了信任的定性与定量的转换,客观地反映了信任的随机性、模糊性和不可预测性;为了有效地对复杂网络中交易风险进行评估,研究并提出了基于云模型的风险评估方法。仿真实验表明,提出的信任评估模型能对复杂的网络环境中实体的信任做出合理的评价;基于云模型的风险评估方法能对电子商务中的交易风险进行合理可行的预测。设计并实现了一个基于云模型的风险评估系统,进一步验证了基于云模型的风险评估方法的可行性和合理性,也为复杂的网络环境中风险评估的研究提供了有价值的新思路。

摘要：在传统可搜索加密中,数据存储通常会面临可能存在的恶意篡改,就需要添加额外的计算步骤来实现对返回结果的完整性验证,以确保所获得的数据是精准的.为了降低这方面的开销,研究者引入了区块链可搜索加密,通过区块链的共识、不可篡改等特性来解决传统可搜索加密所面临的难题.然而,现有的区块链可搜索加密方案主要面向单用户搜索场景进行设计,使其实际应用受到了极大的限制.接着,现有的区块链可搜索加密方案主要关注标签的安全性,而对搜索陷门的安全性关注较少,使得其面临被伪造的风险.为了应对这些需求,本文提出了一个支持多用户场景的区块链可搜索加密新方案,利用同态异或加密函数实现了多用户的权限控制管理,从而完成对多用户场景的支持,使其更加面向实际应用.通过引入对搜索陷门签名的方法,保障了搜索陷门的不可伪造性,提高了方案的整体安全性.此外,通过在智能合约上添加搜索结果存储列表的方式,来提升二次搜索的效率,改进方案的执行效率.评估分析表明,所提方案比同类型方案在搜索匹配方面执行效率更高.