平衡收缩序列的安全性分析

改进了平衡收缩序列线性复杂度的下界，并从相关攻击和区分攻击的角度对平衡收缩生成器的安全性进行了分析，认为平衡收缩序列依然不能抵抗相关攻击和区分攻击．且可推断用区分攻击还可以区分一般收缩序列和平衡收缩序列．     

周期为p~m的q-元广义割圆序列的线性复杂度

设p为素数且正整数q|(p-1).本文利用剩余类环Zpm构造q-阶广义割圆分类,定义周期为pm的q元广义割圆序列,推广了已有文献中关于二元广义割圆序列的构造,并确定了当q为奇素数与q=4时该类序列的线性复杂度.结果表明,该类序列的线性复杂度大于周期的一半,能抗击应用Berlekamp-Massey算法的安全攻击.同时,应用类似的构造方法,提出了周期为pm的p元广义割圆序列,并预测了该序列的线性复杂度的具体取值.     

基于非对称逆布局模式的数字水印算法

提出了一种基于非对称逆布局模式表示的彩色图像表示方法.该方法采用彩色图像的二进制位平面分解方法,把彩色图像变成具有非对称逆布局模式的二值图像.在此基础上,根据二值图像的特性,设计了一种新的利用奇异值分解的嵌入水印算法,解决了二值图像的水印嵌入数量小,容易被检测的难题.实验表明:该算法操作简单,存储空间小,能有效地抵抗各种攻击,同时具备较强的理论基础和适用性.     

一些指定接收者的签名方案的分析与改进

指定接收者的签名是指只有指定的人才能验证签名有效性的一类特殊签名方案.指出WANG等提出的指定接收者认证加密方案、MEI-HE提出的一些指定接收者的签名方案都无法抵抗内部伪造攻击.为克服这些方案的安全性弱点,给出了改进方案.     

无可信中心下基于身份的门限签名方案

考虑到很多门限签名方案都不抵抗恶意PKG攻击的事实,本文提出了一个无可信中心下基于身份的门限签名方案,避免了该类型攻击.在该方案中,每一个签名参与者都可以验证公钥和公钥份额的合法性,从而避免了公钥份额替换攻击.给出了无可信中心下基于身份的门限签名方案不可伪造性的安全模型,并利用此安全模型给出了该方案在标准模型下的安全性证明.     

金融时间序列分析与建模

介绍了金融时间序列分析与建模的主要理论、方法,着重论述了近20多年发展起来的非平稳时间序列的建模方法及工具,指出进一步的研究方向.最后,对上证综合指数这一金融时间序列进行了实证分析.     

两个eCK模型下可证安全的密钥交换协议分析

基于eCK(extended Canetti-Krawczyk)模型的定义,针对eCK模型下证明安全的两个密钥交换协议进行了分析.结果显示两个密钥交换协议在eCK模型中都是不安全的,其中SAKA(secure authenticated key agree-ment)协议不能抵抗临时密钥泄露攻击也不能抵抗长期密钥泄露攻击,并且不具有前向安全性.另一个SHY(Shi-Huang-Yang)协议不能抵抗两方临时密钥同时泄露的攻击.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

用于拷贝检测的鲁棒图像特征提取方法

现有的图像拷贝检测方法中多数对类似噪声的图像失真具有较强的鲁棒性,而对几何类失真则比较脆弱.邹复好等人提出的基于圆环分区的顺序测度拷贝检测方法,在抵抗旋转和等比缩放失真方面性能良好,但是对于拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击的性能不太好,这主要是由于用于划分圆环的圆形区域无法在这些攻击之后再现.因而本文提出了用于拷贝检测的鲁棒特征提取方法,通过自适应地选择几何不变的圆形区域,再将该圆形区域划分为多个圆环,并计算其特征的顺序测度作为图像特征向量,以增强Zou方法抗几何攻击的鲁棒性.实验结果表明,在抵抗旋拉伸以及在旋转、缩放的同时进行保持图像中心不变的适当裁剪的混合攻击等失真方面,该方法均好于邹复好的方法.