为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两...为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化,使数据更加集中。首先将图像进行分块,然后在分块上应用NMD生成差值直方图,最后通过平移差值直方图,利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点,所以该方法可嵌入更多的秘密信息。实验结果表明,采用本算法,原始图像恢复率和秘密信息提取正确率均为100%;相比于经典差值直方图平移方法,本算法的嵌入容量提升了43.7%;本算法在保证高容量的同时,PSNR达到42 dB以上,确保了嵌入图像失真较小。展开更多
语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景...语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景中的应用已取得了一些初步研究成果,但仍缺乏系统的分析与总结。为推动语义通信领域的进一步发展,从物联网(Internet of Things,IoT)任务场景和广义边缘场景两个角度,详细阐述了语义通信在特定计算任务场景中的近五年代表性研究成果。此外,语义通信技术发展瓶颈在于对算力的高需求,算力网络(computing power network,CPN)驱动语义通信成为解决这一瓶颈的理想方案。进一步介绍了算力网络的研究现状,对比分析了边缘计算与算力网络的特性,深入分析了算力网络在推动语义通信技术发展中的潜力,最后对算力网络和语义通信未来研究前景进行了展望。展开更多
为了进一步提高滚动轴承故障检测的准确性、改善时间卷积网络模型(Temporal Convolutional Network,TCN)存在的过拟合问题,本研究提出了增加平均池化层的时间卷积网络(Temporal Convolution with Average Pooling Network,TCAPN)模型。...为了进一步提高滚动轴承故障检测的准确性、改善时间卷积网络模型(Temporal Convolutional Network,TCN)存在的过拟合问题,本研究提出了增加平均池化层的时间卷积网络(Temporal Convolution with Average Pooling Network,TCAPN)模型。该方法首先使用膨胀因果卷积代替传统卷积神经网络,其次在残差模块多个地方加入平均池化层改善模型过拟合问题,最后结合多个改进残差模块构建本研究提出的TCAPN模型。实验结果表明,在相同工况条件下,TCAPN模型能够更快地收敛,并且平均故障诊断准确率达到了98.73%,相较于TCN模型提高了2.87%,验证了该模型具有高准确性和鲁棒性。展开更多
理想格上的加密方案具有密钥尺寸小、加密效率高的优势,利用理想格环上带误差学习(R-LWE,ring learning with error)问题,构造一种可以保护用户属性隐私的属性基加密方案,支持灵活的访问策略,提供用户隐私保护,并且提高方案效率,缩短密...理想格上的加密方案具有密钥尺寸小、加密效率高的优势,利用理想格环上带误差学习(R-LWE,ring learning with error)问题,构造一种可以保护用户属性隐私的属性基加密方案,支持灵活的访问策略,提供用户隐私保护,并且提高方案效率,缩短密钥尺寸。该方案通过采用半策略隐藏方式,保护用户的隐私,从而避免用户的敏感属性值泄露给其他任何第三方。另外,将扩展的Shamir门限秘密共享技术应用于构造方案的访问结构,从而实现用户属性的"与""或""门限"这3种操作,具有更高的灵活性。经安全性分析证明,该方案在标准模型下满足自适应选择明文攻击安全。通过与其他方案的对比,该方案系统公钥、系统私钥、用户私钥长度以及密文长度都有所优化,在实际应用中更加有效。展开更多
文摘为解决可逆信息隐藏(reversible data hiding,RDH)容量受限的问题,提出了一种基于相邻均值差的可逆信息隐藏(neighboring mean difference reversible data hiding,NMDRDH)算法。相邻均值差(neighboring mean diffe-rence,NMD):计算两个相邻数值的平均值与其中一个数值的差值。NMD将差值最小化,使数据更加集中。首先将图像进行分块,然后在分块上应用NMD生成差值直方图,最后通过平移差值直方图,利用峰值点来嵌入秘密信息。由于NMD使生成的差值直方图具有更多的峰值点,所以该方法可嵌入更多的秘密信息。实验结果表明,采用本算法,原始图像恢复率和秘密信息提取正确率均为100%;相比于经典差值直方图平移方法,本算法的嵌入容量提升了43.7%;本算法在保证高容量的同时,PSNR达到42 dB以上,确保了嵌入图像失真较小。
文摘语义通信(semantic communication,SemCom)是一种融合智能与通信的新兴技术,有望突破传统通信的带宽瓶颈,成为未来第六代移动通信系统(6th generation mobile communication system,6G)的通信新范式。当前,语义通信技术在边缘计算场景中的应用已取得了一些初步研究成果,但仍缺乏系统的分析与总结。为推动语义通信领域的进一步发展,从物联网(Internet of Things,IoT)任务场景和广义边缘场景两个角度,详细阐述了语义通信在特定计算任务场景中的近五年代表性研究成果。此外,语义通信技术发展瓶颈在于对算力的高需求,算力网络(computing power network,CPN)驱动语义通信成为解决这一瓶颈的理想方案。进一步介绍了算力网络的研究现状,对比分析了边缘计算与算力网络的特性,深入分析了算力网络在推动语义通信技术发展中的潜力,最后对算力网络和语义通信未来研究前景进行了展望。
文摘为了进一步提高滚动轴承故障检测的准确性、改善时间卷积网络模型(Temporal Convolutional Network,TCN)存在的过拟合问题,本研究提出了增加平均池化层的时间卷积网络(Temporal Convolution with Average Pooling Network,TCAPN)模型。该方法首先使用膨胀因果卷积代替传统卷积神经网络,其次在残差模块多个地方加入平均池化层改善模型过拟合问题,最后结合多个改进残差模块构建本研究提出的TCAPN模型。实验结果表明,在相同工况条件下,TCAPN模型能够更快地收敛,并且平均故障诊断准确率达到了98.73%,相较于TCN模型提高了2.87%,验证了该模型具有高准确性和鲁棒性。
文摘理想格上的加密方案具有密钥尺寸小、加密效率高的优势,利用理想格环上带误差学习(R-LWE,ring learning with error)问题,构造一种可以保护用户属性隐私的属性基加密方案,支持灵活的访问策略,提供用户隐私保护,并且提高方案效率,缩短密钥尺寸。该方案通过采用半策略隐藏方式,保护用户的隐私,从而避免用户的敏感属性值泄露给其他任何第三方。另外,将扩展的Shamir门限秘密共享技术应用于构造方案的访问结构,从而实现用户属性的"与""或""门限"这3种操作,具有更高的灵活性。经安全性分析证明,该方案在标准模型下满足自适应选择明文攻击安全。通过与其他方案的对比,该方案系统公钥、系统私钥、用户私钥长度以及密文长度都有所优化,在实际应用中更加有效。
