一种尺度空间特征区域的强鲁棒性水印算法

————————————————————————————————————————————————一种尺度空间特征区域的强鲁棒性水印算法

作者齐向明，徐嫚，李玥，侯明君

机构辽宁工程技术大学软件学院

DOI 10.3969/j.issn.1001-3695.2018.01.0056

基金项目国家自然科学基金资助项目（61401185）

预排期卷《计算机应用研究》2019年第36卷第7期

摘要针对数字水印算法中特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法。通过尺度空间特征点检测，提取靠近载体图像

重心且互不重叠的特征区域，合成特征区域矩阵，用变换域水印算法嵌入水印，对可能受到

攻击的含水印图像提取特征区域，合成其特征区域矩阵，用嵌入水印算法逆过程提取水印。

实验表明，该算法不仅对一系列攻击都具有强鲁棒性，且不可见性良好。

关键词数字水印；尺度空间；特征区域；变换域；强鲁棒性

作者简介齐向明（1966-），男，阜新人，副教授，硕导，主要研究方向为图像图形处理?数字水印；徐嫚（1994-），女，硕士研究生，主要研究方向为图像图形处理?数字水印

（1838337985@https://www.docsj.com/doc/2b13904533.html,）；李玥（1993-），女，硕士研究生，主要研究方向为图像图形处理

?数字水印；侯明君（1996-），男，学士，主要研究方向为软件工程．

中图分类号TP391

访问地址https://www.docsj.com/doc/2b13904533.html,/article/02-2019-07-056.html

投稿日期2018年1月11日

修回日期2018年3月7日

发布日期2018年4月12日

引用格式齐向明, 徐嫚, 李玥, 侯明君. 一种尺度空间特征区域的强鲁棒性水印算法[J/OL]. 2019, 36(7).

[2018-04-12]. https://www.docsj.com/doc/2b13904533.html,/article/02-2019-07-056.html.

第36卷第7期 计算机应用研究

V ol. 36 No. 7 优先出版

Application Research of Computers

Online Publication

——————————

收稿日期：2018-01-11；修回日期：2018-03-07 基金项目：国家自然科学基金资助项目（61401185）

作者简介：齐向明（1966-），男，阜新人，副教授，硕导，主要研究方向为图像图形处理?数字水印；徐嫚（1994-），女，硕士研究生，主要研究方向一种尺度空间特征区域的强鲁棒性水印算法 *

齐向明，徐 嫚，李 玥，侯明君

(辽宁工程技术大学 软件学院, 辽宁 葫芦岛 125100)

摘 要：针对数字水印算法中特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法。通过尺度空间特征点检测，提取靠近载体图像重心且互不重叠的特征区域，合成特征区域矩阵，用变换域水印算法嵌入水印，对可能受到攻击的含水印图像提取特征区域，合成其特征区域矩阵，用嵌入水印算法逆过程提取水印。实验表明，该算法不仅对一系列攻击都具有强鲁棒性，且不可见性良好。 关键词：数字水印；尺度空间；特征区域；变换域；强鲁棒性 中图分类号：TP391 doi: 10.3969/j.issn.1001-3695.2018.01.0056

Strong robust watermark algorithm in scale space signature area

Qi Xiangming, Xu Man, Li Yue, Hou Mingjun

(College of Software Liaoning Technical University , Huludao Liaoning 125105, China )

Abstract: Area selection based on the digital watermarking algorithm is not enough to reflect the image of important information, lead to decreased robustness problems, this paper put forward a measure space characteristics of the area the strong robustness of watermarking algorithm. Through scale space feature point detection and extraction characteristics near the image center of gravity and non-overlapping regions, regional matrix synthesis characteristics, with the transform domain watermarking algorithm embedding watermarking, the area may contain the watermark image feature extraction under attack, the characteristics of regional matrix synthesis, it used inverse process to extract the watermark embedding watermarking algorithm. Experiments show that this algorithm is not only robust to a series of attacks, but also has good invisibility. Key words: digital watermarking; scale space; characteristic region; transform domain; strong robustness

0 引言

网络的开放性与共享性给人们生产、工作和生活带来了极

大地便利，随之也产生了媒体信息的安全问题。数字水印技术作为知识产权保护和认证的一种有效方式，得到了广泛应用。水印算法的关键是在良好不可见性的前提下，增强水印鲁棒性。强鲁棒性水印算法成为国内外专家和学者研究的热点对象。

变换域较空域更容易设计出强鲁棒性的水印算法[1]。基于变换域的水印算法主要通过修改变换的系数值存储水印[2]。文献[3~5]将载体图像进行单一变换，算法只能在对抗某一种攻击上表现较好的鲁棒性，且其不可见性较差；文献[6]将载体图像进行DCT 变换和SVD ，一定程度均衡了水印算法的不可见性和鲁棒性，但鲁棒性仍然较差；文献[7]将载体图像先作DWT 变换再作SVD ，得到载体图像奇异值矩阵，将置乱后的水印作相同处理得到水印奇异值矩阵，把后者加权嵌入到前者较大系数中，载体图像奇异值不发生剧烈改变，但水印嵌入不完全，鲁棒性不理想。通过对图像本身的某些特征来辅助水印的嵌入

和提取，特别是辅助确定水印嵌入的准确位置，有助于增强水印算法的鲁棒性。文献[8,9]对采用Harris 算子检测特征点，实现对图像重要特征的提取；文献[10]在小波变换域提取的Harris 特征点嵌入水印信息，在抗几何攻击上体现了较好的鲁棒性；文献[11]提出了基于直方图均衡化和Harris 角点检测的数字水印算法，可提取数量较为可观的特征点；文献[12,13]利用Harris-Affine 提取出图像的仿射不变特征点，特征点稳定性较好；Mikolajczky 等人[14]将Harris 特征点检测算子与尺度选择相结合，提出了Harris-Laplace 特征点检测算子，既能检测到较大数量的特征点，且包含尺度特征。综上所述的各种基于图像特征区域水印算法，虽在某方面得到改进，但没有兼顾解决以下几点问题：a)所提取图像特征点数量较少，不能较好地反映图像的某些特征；b)特征点检测方法存在很多冗余点，增加嵌入水印时间且错误率较高；c)特征点稳定性差且分布不均匀，影响数字水印抗攻击能力；d)不能结合图像内容确定局部特征区域尺寸和位置，减弱了水印算法的鲁棒性。

基于以上分析，本文采用改变Harris-Laplace 算法中Harris

）载体图像I通过尺度空间的Harris-Laplace

的二值水印图象，对该水印进行Logistic 映射混沌加密；(b)是

水印图像经过混沌加密的加密图像。

(a)

水印图像

(b)加密图像

图2 水印图像经过Logistic 映射混沌加密后的加密图像

采用峰值信噪比(PNSR)来评价原始图像和含水印图像之间的质量差别；同时采用归一化互相关系数(NC)来评价原始水印与提取解密的水印的相似程度，NC 值越大，表示两者相似程度越大，则水印的鲁棒性越强。 3.2 鲁棒性测试

为了检测本算法具有较好的鲁棒性，对含水印的图像分别进行噪声攻击、旋转攻击、缩放攻击等多种类型攻击实验，并且在水印提取后对水印进行Logistic 映射混沌解密。 3.2.1 噪声攻击

向五幅含水印的图像分别添加乘积性噪声、高斯噪声、椒盐噪声和高斯白噪声。表1列出了五幅图像添加噪声攻击后提取出的水印NC 值。尺度空间的特征区域均靠近载体图像的重心位置，反映载体图像的较多信息，通过对特征区域进行离散小波变换，并对其低频子带进行离散余弦变换，得到的DCT 系数矩阵进行奇异值分解，而加噪是对图像高频信息的操作，几乎不会影响到在特征区域低频中嵌入的水印信息，只会对高频中嵌入的水印信息产生一定的干扰。因此，本文算法可以有效提高水印抗乘积性噪声、高斯噪声、椒盐噪声和高斯白噪声攻击的能力。在嵌入水印前对图像进行Logistic 映射混沌加密，进一步分散水印信息，使其能提取具有较大NC 值的水印。图3展示了各种噪声攻击下的含水印图像及其所提取出的水印图像。图中的水印图像清晰可辨，说明本算法可以有效抵抗噪声攻击，具有强鲁棒性。

乘积性噪声

0.01 1.0000 0.9972 1.0000 1.0000 1.0000 0.015 1.0000 1.0000 0.9972 0.9944 1.0000 0.02 0.9944 0.9972 1.0000 0.9916 0.9911 高斯噪声

0.01 0.9944 0.9944 0.9917 0.9916 0.9930 0.005 1.0000 0.9972 0.9972 1.0000 0.9986 椒盐噪声

0.01 1.0000 0.9972 1.0000 1.0000 0.9993 0.015 0.9972 0.9972 0.9972 1.0000 0.9979 高斯白噪声

10 1.0000 1.0000 1.0000 1.0000 1.0000 15 1.0000 1.0000 1.0000 1.0000 1.0000

(c1) (d1)

(c2) (d2)

(c3) (d3)

(c4) (d4)

(c5) (d5)

(c)乘积性噪声(0.02) (d)提取解密的水印

图3 噪声攻击实验图像

3.2.2 旋转攻击

对五幅含水印的图像分别进行向左或向右多种幅度的旋转。表2列出了旋转攻击后提取出的水印NC 值。对于不同角度、不同方向的旋转攻击，提取出的水印NC 值均在0.970 0以上。图4是旋转角度为30°、方向为向左时旋转攻击攻击下含水印图像及其所提取出的水印图像。由于图中水印图像足够清晰，表明本算法对旋转攻击可以有效抵抗，鲁棒性强。

表2 含水印图像旋转攻击后提取出的水印NC 值

向左10

0.9945

0.9861

0.9944

0.9888

0.991

向右10

0.9974 0.989 1.0000 0.9972 0.9954

旋转 向左20

0.9873 0.9725 0.9945 0.9862 0.9844

向右20

0.9903 0.9863 0.9945 0.9861 0.9893

向左30

0.9861

0.989

0.9945

0.9751

0.9862

(e1)

(f1)

(e1) (f1)

(e1) (f1)

(e1) (f1)

10 0.9970 1.0000 0.9872 0.9809

0.9913

20 0.9972 1.0000 0.9972 0.9836

0.9945 压缩攻击 30 0.9972 1.0000 1.0000 0.9889

0.9965

50 1.0000 1.0000 1.0000 0.9889

0.9972 70 1.0000 1.0000 1.0000 1.0000

1.0000

(g1) (h)

(g1)

(h)

(g1) (h)

(g1) (h)

(g)JEPG 压缩(30) (h)提取解密的水印

(0,0.98) 0.9972 1 1 0.9991 0.9990 图像变暗

(0,0.95) 0.9916 0.9916 0.9944 0.9925 0.9925

(0,0.92) 0.9861 0.9888 0.9888 0.9879 0.9879 高斯低通滤波 3×3 0.9945 1 0.9972 0.9972 0.9972 增加对比度

(0.1,0.9)

0.9833

0.9917

0.9833

0.9861

0.9861

缩放攻击

1/2 0.9848 0.9770 0.9931 0.9890 0.9889 噪比PSNR 值；(k)为提取的水印信息；(l)为解密后的水印信息，分别是两组不同尺寸大小的水印，并标注计算得到的NC 值。

仿真实验表明，本文提出的水印算法具有强鲁棒性，同时较好地均衡不可见性。从视觉效果来看，含水印的图像与原始图像没有明显变化，图像质量良好，并且提取出的水印清晰可辨，还原度很高。本算法得到的峰值信噪比PSNR 都达到45以

上，具有较好的感官效果，水印的不可见性较好，提取出来的水印图像NC 值都达到1.000 0以上，水印具有强鲁棒性。实验结果验证了本文算法在水印良好不可见性的前提下，实现了强鲁棒性，具有较好的实用性和合理性。

Lena PNSR=47.3026dB

NC=1.0000

Barbara PNSR=45.0579dB

NC=1.0000

Baboon PNSR=45.2302dB

NC=1.0000

door

PNSR=46.5898dB

NC=1.0000

flower PNSR=48.0615dB

NC=1.0000

(i) 载体图像(j) 水印图象

(k) 提取出水印(l) 解密后水印

图6 载体图像、嵌入水印图象、提取出水印以及解密后水印图像

3.4 对比验证

为验证本算法具有较强的鲁棒性，选择Lena图像为载体

图像的实验结果与文献[18~20]算法进行对比，其NC值对比实

验结果如表5所示。Lena图像不同算法性能比较折线图如图7

所示。从表5及图7可以看出，与文献[18]相比，本文在受到

噪声攻击、旋转攻击、压缩攻击以及其他多种类型攻击后所提

取出的水印NC值得到了显著提升，说明其在对抗攻击方面的

优势突出，鲁棒性能明显优于文献[19,20]的算法。

表5 本文算法与文献[18,19]NC值对比

攻击方式参数

文献

[18]

文献

[19]

文献

[20]

本文

算法

乘积性噪声0.0150.79500.73540.95221

高斯噪声0.010.83600.75920.94280.9917

椒盐噪声0.010.85600.89530.9286 1.0000

高斯白噪声200.84280.90120.94290.9944

旋转攻击向左200.89720.96720.94310.9873

压缩攻击300.97230.85620.91020.9972

图像变暗(0，0.92)0.83710.83260.93280.9861

缩放攻击1//20.94070.88720.90000.9848

4 结束语

本文采用Harris-Laplace特征点检测算子获取载体图像特

征点，根据水印图像的大小确定特征区域大小，选择靠近载体

重心且互不重叠的特征区域作为待嵌入水印区域，实现水印的

重要特征区域嵌入。在水印嵌入过程中，对特征区域矩阵作离

散小波变换和离散余弦变换，使水印可以嵌入到特征区域的低

频中，水印信息的嵌入和提取同步，结合奇异值分解，提高水

印算法的稳定性。在水印提取前，对相应特征区域进行水印信

息提取。仿真实验表明，Harris-Laplace特征点检测算子与变换

域水印算法结合，水印信息被嵌入到载体图像的重要特征区域

中，兼顾解决了原有水印算法在特征点检测和特征区域选取过

程中存在的问题。基于尺度空间特征区域的强鲁棒性水印算法

能够有效抵抗多种类型的攻击，实现了水印的强鲁棒性，同时

均衡不可见性，可以有效提高知识产权的保护和认证。

参考文献：

[1]胡裕峰. 图像变换数字水印技术研究[D]. 杭州: 浙江大学, 2014.

[2]杨韫饴, 王玲. 非抽样Contourlet变换的低频数字水印[J]. 计算机工

程与应用2011, 47 (16): 201-203.

[3]李文娜, 孔祥勇, 高立群, 等. 基于多描述编码和小波变换的数字图像

水印算法[J]. 东北大学学报: 自然科学版, 2012, 33 (8): 1094-1097. [4]Parah S A, Sheikh J A, Loan N A. Ro bust and blind watermarking technique

in DCT domain using inter-block coefficient differencing [J]. Digital Signal Processing, 2016, 53: 11-24.

[5]刘瑞桢, 谭铁牛. 基于奇异值分解的数字图像水印方法[J]. 电子学报,

2001, 29 (2): 168-171.

[6]Horng S J, Rosiyadi D D, Litr, et al. A blind image copyright protection

scheme for e-government [J]. Journal of Visual Communication and Image Representation, 2013, 24 (7): 1099-1105.

[7]Zhang Lijing. Robust watermarking scheme based on singular value of

decomposition in DWT domain [C]// Proc of Asia-Pacific Conf on Information Processing. 2009: 19-22.

[8]徐贤锋, 檀结庆. 一种改进的多尺度Harris 特征点检测方法[J]. 计

算机工程, 2012, 38 (17): 174-177

[9]陈白帆, 蔡自兴. 基于尺度空间理论的Harris 特征点检测[J]. 中南

大学学报: 自然科学版, 2005, 36 (5): 751-754.

[10]李健, 叶有培, 韩牟. 一种基于Harris角点的抗几何攻击的数字水印算

法[J]. 太原理工大学学报, 2008, 39 (6): 576-580.

[11]孙辉. 基于直方图均衡化和Harris角点检测的数字水印算法[D]. 青岛:

青岛大学, 2009. [12]聂雪莲, 戴青. 基于图像仿射不变特征点的零水印算法[J]. 计算机工

程与科学, 2012, 34 (7): 109-113.

[13]楼偶俊. 基于Contourlet域特征点的抗几何攻击水印方法[J]. 计算机

研究与发展, 2010, 47 (1): 113-120.

[14]Mikolajczyk K, Schmid C, Scale & affine invariant interest point detectors

[J] , International Journal of Computer Vision, 2004, 60 (1): 63-86

[15]沈晓峰, 马小虎. 一种基于离散余弦变换和奇异值分解的数字水印算

法[J]. 南通大学学报, 2006, 5 (3): 11-15.

[16]Cheng M Z, Li Y, Zhou Y J, et al. A combined DWT and DCT watermarking

scheme optimized using genetic algorithm [J]. Journal of multimedia, 2013,

8 (3): 299-305.

[17]王磊. 基于SVD变换的数字水印算法研究[D]. 合肥: 合肥工业大学,

2009.

[18]孔玲君, 聂鹏. 一种基于DWT-DCT变换域的全息水印技术[J]. 光电

子?激光, 2016, 27 (2): 198-202.

[19]柏均, 张敏瑞, 梁文莉. 基于特征点的图像水印嵌入方案[J]. 计算机

工程, 2011, 37 (13): 139-149.

[20]吕建萍, 彭述. 一种基于SIFT的DWT域抗几何攻击水印算法[J]. 西

安邮电大学学报, 2015, 20 (2): 88-92.

算 法 的 鲁 棒 性

[论文笔记]集成方法提高神经网络的对抗鲁棒性 集成方法提高神经网络的对抗鲁棒性一、多个弱防御的集成不能形成强防御1.攻击者2.防御策略3.对抗样本生成方法4.干扰大小的度量5.实验6.结论二、简单集成神经网络1.攻击方法2.集成模型3.计算梯度4.实验5.结论三、 ensemble of specialists1.利用FGSM 方法得到模型的混淆矩阵：2.伪代码如下：3.实验考虑三种模型4.实验结果四、随机自集成1.思想2.taget攻击与untarget攻击3.网络设计4.伪代码如下：5.理论分析6.结论五、集成对抗训练1.前言 2.对抗训练 3.集成对抗训练六、对抗训练贝叶斯神经网络(adv-BNN)1.前言2.PGD攻击3.BNN4.adv-BNN 一、多个弱防御的集成不能形成强防御 1.攻击者 假设攻击者知道模型的各种信息，包括模型架构、参数、以及模型的防御策略（白盒攻击）。 考虑两种白盒攻击者： （1）静态 不知道模型的防御策略，因此静态攻击者可以利用现有的方法生成对抗样本，但不针对特定的防御策略。 （2）动态 知道模型的防御策略，可以自适应地制定攻击方法，比静态攻击者更强大。

2.防御策略 （1）feature squeezing 包括两个检测组件：reducing the color depth to fewer bits 和spatially smoothing the pixels with a median filter （2）specialist-1 ensemble method 根据对抗混淆矩阵将数据集分成K+1个子集，形成由K+1个分类器组成的一个集成分类器 （3）多个检测器集成 包括Gong、Metzen、Feinman三个人提出的对抗样本检测器； 3.对抗样本生成方法 利用优化方法生成对抗样本，最小化如下损失函数： loss(x′)=∣∣x′?x∣∣22+cJ(Fθ(x′),y)loss(x#x27;)=||x #x27;-x||_{2}^{2}+cJ(F_{theta}(x#x27;),y)loss(x′)=∣∣x′? x∣∣22?+cJ(Fθ?(x′),y) 其中c为超参数，该方法也称为CW攻击方法。 4.干扰大小的度量 用下式度量对抗样本与干净样本之间差异： d(x?,x)=∑i(x?x)2d(x^{*},x)=sqrt{sum_i(x^{*}-x)^{2}}d(x? ,x)=i∑?(x?x)2? 其中样本点都被归一化[0,1]之间。 5.1 攻击 feature squeezing 结论：feature squeezing 不是一种有效的防御方法。首先单独

数字水印技术及其应用综述3上课讲义

数字水印技术及其应 用综述3

数字水印技术及其应用综述 随着Internet 网络的快速发展, 越来越多的多媒体数字产品（包括图像、音频、视频等形式的产品）在网络上发布, 人们可以非常方便快捷地从网络上获取数字多媒体产品, 因此,数字多媒体的信息安全、版权保护和完整性认证问题就成为迫切需要解决的一个重要问题。数水印( digital watermarking)技术是目前信息安全技术领域的一个新方向, 是一种可以在开放网络环境下保护版权和认证来源及完整性的新型技术, 它在篡改鉴定、数据的分级访问、数据跟踪和检测、商业和视频广播、Internet 数字媒体的服务付费、电子商务认证鉴定等方面具有十分广阔的应用前景。自1993 年以来, 该技术己经引起人们的浓厚兴趣, 并日益成为国际上非常活跃的研究领域, 受到国际学术界和企业界的高度关注, 而且数字水印技术是一门新兴的多学科交叉的应用技术, 它涉及了不同学科领域的思想和理论, 如信号处理、信息论、编码理论、密码学、检测理论、随机理论、通信理论、对策论、计算机科学及网络技术、算法设计等技术。因此, 数字水印技术的研究无论是从理论上还是从应用上都具有重要意义。 1 数字水印的特点、分类及其应用 1.1 数字水印的基本特点 数字水印的基本思想是在数字图像、音频和视频等多媒体数字产品中嵌入秘密信息, 以保护数字产品的版权,证明产品的真实性, 跟踪盗版行为或提供产品的附加信息等。数字水印系统通常具有下列几方面的特点： （1）鲁棒性即图像水印抵抗常见图像处理操作的能力, 也就是说含水印图像经历无意修改而保留水印信息的能力。一般说来, 当含水印图像经过一些基本处理（如噪声滤波、平滑、增强、有损压缩, 平移、旋转、缩放和裁剪等）后, 仍可检测出水印。 （2）透明性即不可见性, 水印的存在不应明显干扰载体的图像数据, 数字水印的嵌入不应使得原始数据发生可感知的改变, 也不能使得载体数据在质量上发生可以感觉到的失真。 （3）安全性水印算法抵抗恶意攻击的能力。即它必须能承受一定程度的人为攻击, 而使水印信息不会被删除、破坏或窃取。应该保证非授权用户无法检测或破坏水印。数字水印应该难以被伪造或者加工,并且, 未经授权的个体不得阅读和修改水印, 理想情况是未经授权的客户将不能检测到产品中是否有水印存在。 （4）数据容量水印应该包含相当的数据容量,以满足多样化的需要。 （5）可证明性在实际的应用过程 1.2 数字水印的分类 （1）依据所嵌入的载体不同, 可分为图像水印、音频水印、视频水印、文本水印和网络水印等。

算 法 的 鲁 棒 性

[机器学习]Lasso，L1范数，及其鲁棒性 前言：本文包括以下几个方面，1. 介绍Lasso，从最初提出Lasso的论文出发，注重动机； 2. L1和L2范数的比较，注重L1的稀疏性及鲁棒性； 3. 从误差建模的角度理解L1范数 最早提出Lasso的文章，文献[1]，已被引用n多次。 注：对于不晓得怎么翻译的英文，直接搬来。 1) 文献[1]的动机： 在监督学习中，ordinary least squares(OLS) estimates 最小化所有数据的平方残差（即只是让经验误差最小化），存在2个问题：1是预测误差（prediction accuracy）：OLS estimates总是偏差小，方差大； 2是可解释性（interpretation）：我们希望选出一些有代表性的子集就ok了。 【Lasso还有个缺点，ref8：当pn时，（如医学样本，基因和样本数目)，Lasso却最多只能选择n个特征】 为了解决上面2个问题，2种技术应运而生： 1是subset selection：其可解释性强，但预测精度可能会很差； 2是岭回归(ridge regression)：其比较稳定（毕竟是添加了正则化项，把经验风险升级为结构风险）， 但可解释性差（只是让所有coefficients都很小，没让任何

coefficients等于0）。 看来这2种技术对于2大问题总是顾此失彼，Lasso就被提出啦！其英文全称是'least absolute shrinkage and selection operator' lasso的目的是：shrink? some coefficients and sets others to 0，保留subset selection可解释性强的优点和 ridge regression稳定性强的优点。 2）为什么Lasso相比ridge regression稀疏？ 直观的理解[1] (plus a constant). (a)图：椭圆形是函数的图像，lasso的约束图像是菱形。 最优解是第一次椭圆线触碰到菱形的点。最优解容易出现在角落，如图所示，触碰点坐标是(0,c)，等同于一个coefficient=0; (b)图：岭回归的约束图像是圆形。 因为圆形没有角落，所以椭圆线与圆形的第一次触碰很难是在坐标为(0,c)的点，也就不存在稀疏了。 2.? L1,L2范数误差的增长速度（ref2,ref3） L1范数误差的线性增长速度使其对大噪音不敏感，从而对不良作用形成一种抑制作用。 而L2范数误差的二次增长速度显著放大了大噪声负面作用。 3. 从误差建模的角度理解 1）孟德宇老师从误差建模的角度分析L1如何比L2鲁棒。(ref3) 1：看图1，由于L1范数的线性增长速度使其对大噪音不敏感，从而对

数字水印技术：概念、应用及现状

数字水印技术：概念、应用及现状 一、引言 随着信息时代的到来，特别是Internet的普及，信息的安全保护问题日益突出。当前的信息安全技术基本上都以密码学理论为基础，无论采用传统的密钥系统还是公钥系统，其保护方式都是控制文件的存取，即将文件加密成密文，使非法用户不能解读。但随着计算机处理能力的快速提高，这种通过不断增加密钥长度来提高系统秘密级别的方法变得越来越不安全。 另一方面，多媒体技术已被广泛应用，需要进行加密、认证和版权保护的声像数据也越来越多。数字化的声像数据从本质上说就是数字信号，如果对这类数据也采用密码加密方式，则其本身的信号属性就被忽略了。最近几年，许多研究人员放弃了传统密码学的技术路线，尝试用各种信号处理方法对声像数据进行隐藏加密，并将该技术用于制作多媒体的“数字水印”。 二、认识数字水印 数字水印（Digital Watermark）技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记，这种标记通常是不可见的，只有通过专用的检测器或阅读器才能提取。数字水印是信息隐藏技术的一个重要研究方向。 数字水印技术的基本特性: 1. 鲁棒性(robustness)：所谓鲁棒性是指在经历多种无意或有意的信号处理过程后，数字水印仍能保持完整性或仍能被准确鉴别。可能的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。 2.安全性(security):指隐藏算法有较强的抗攻击能力，即它必须能够承受一定程度的人为攻击，而使隐藏信息不会被破坏。 3.透明性(invisibility):利用人类视觉系统或人类听觉系统属性，经过一系列隐藏处理，使目标数据没有明显的降质现象，而隐藏的数据却无法人为地看见或听见。 ***典型的数字水印系统模型： 图 1为水印信号嵌入模型，其功能是完成将水印信号加入原始数据中；图 2为水印信号检测模型，用以判断某一数据中是否含有指定的水印信号。

一种尺度空间特征区域的强鲁棒性水印算法

————————————————————————————————————————————————一种尺度空间特征区域的强鲁棒性水印算法 作者齐向明，徐嫚，李玥，侯明君 机构辽宁工程技术大学软件学院 DOI 10.3969/j.issn.1001-3695.2018.01.0056 基金项目国家自然科学基金资助项目（61401185） 预排期卷《计算机应用研究》2019年第36卷第7期 摘要针对数字水印算法中特征区域选取不足以反映图像重要信息，导致鲁棒性减弱的问题，提出一种尺度空间特征区域的强鲁棒性水印算法。通过尺度空间特征点检测，提取靠近载体图像 重心且互不重叠的特征区域，合成特征区域矩阵，用变换域水印算法嵌入水印，对可能受到 攻击的含水印图像提取特征区域，合成其特征区域矩阵，用嵌入水印算法逆过程提取水印。 实验表明，该算法不仅对一系列攻击都具有强鲁棒性，且不可见性良好。 关键词数字水印；尺度空间；特征区域；变换域；强鲁棒性 作者简介齐向明（1966-），男，阜新人，副教授，硕导，主要研究方向为图像图形处理?数字水印；徐嫚（1994-），女，硕士研究生，主要研究方向为图像图形处理?数字水印 （1838337985@https://www.docsj.com/doc/2b13904533.html,）；李玥（1993-），女，硕士研究生，主要研究方向为图像图形处理 ?数字水印；侯明君（1996-），男，学士，主要研究方向为软件工程． 中图分类号TP391 访问地址https://www.docsj.com/doc/2b13904533.html,/article/02-2019-07-056.html 投稿日期2018年1月11日 修回日期2018年3月7日 发布日期2018年4月12日 引用格式齐向明, 徐嫚, 李玥, 侯明君. 一种尺度空间特征区域的强鲁棒性水印算法[J/OL]. 2019, 36(7). [2018-04-12]. https://www.docsj.com/doc/2b13904533.html,/article/02-2019-07-056.html.

鲁棒性

鲁棒性介绍 鲁棒是Robust的音译，也就是健壮和强壮的意思。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。 1.溯源和背景 鲁棒性原是统计学中的一个专门术语，20世纪70年代初开始在控制理论的研究中流行起来，用以表征控制系统对特性或参数摄动的不敏感性。 在实际问题中，系统特性或参数的摄动常常是不可避免的。产生摄动的原因主要有两个方面，一个是由于量测的不精确使特性或参数的实际值会偏离它的设计值（标称值），另一个是系统运行过程中受环境因素的影响而引起特性或参数的缓慢漂移。因此，鲁棒性已成为控制理论中的一个重要的研究课题，也是一切类型的控制系统的设计中所必须考虑的一个基本问题。对鲁棒性的研究主要限于线性定常控制系统，所涉及的领域包括稳定性、无静差性、适应控制等。 2.原理 鲁棒性问题与控制系统的相对稳定性（频率域内表征控制系统稳定性裕量的一种性能指标）和不变性原理（自动控制理论中研究扼制和消除扰动对控制系统影响的理论）有着密切的联系，内模原理（把外部作用信号的动力学模型植入控制器来构成高精度反馈控制系统的一种设计原理）的建立则对鲁棒性问题的研究起了重要的推动作用。当系统中存在模型摄动或随机干扰等不确定性因素时能保持其满意功能品质的控制理论和方法称为鲁棒控制。早期的鲁棒控制主要研究单回路系统频率特性的某些特征，或基于小摄动分析上的灵敏度问题。现代鲁棒控制则着重研究控制系统中非微有界摄动下的分析与设计的理论和方法。

算 法 的 鲁 棒 性

【架构设计】【程序指标】鲁棒性与健壮性的细节区别 一、健壮性 健壮性是指软件对于规范要求以外的输入情况的处理能力。 所谓健壮的系统是指对于规范要求以外的输入能够判断出这个输入不符合规范要求，并能有合理的处理方式。 另外健壮性有时也和容错性，可移植性，正确性有交叉的地方。 比如，一个软件可以从错误的输入推断出正确合理的输入，这属于容错性量度标准，但是也可以认为这个软件是健壮的。 一个软件可以正确地运行在不同环境下，则认为软件可移植性高，也可以叫，软件在不同平台下是健壮的。 一个软件能够检测自己内部的设计或者编码错误，并得到正确的执行结果，这是软件的正确性标准，但是也可以说，软件有内部的保护机制，是模块级健壮的。 软件健壮性是一个比较模糊的概念，但是却是非常重要的软件外部量度标准。软件设计的健壮与否直接反应了分析设计和编码人员的水平。即所谓的高手写的程序不容易死。 （不是硅谷，印度才是全球软件精英向往之地） 为什么印度人的软件业在国际上要比中国的好，除了印度人母语是英语的原因外，更重要的是因为印度人严谨，他们的程序更有健壮性。印度的一个老程序员，月代码量在一千行左右，这一千行代码，算法平实，但都是经过仔细推敲，实战检验的代码，不会轻易崩溃的代码。我们的程序

员，一天就可以写出一千行代码，写的代码简短精干，算法非常有技巧性，但往往是不安全的，不完善的。印度人的程序被称作：傻壮。但程序就得这样。写一段功能性的代码，可能需要一百行代码，但是写一段健壮的程序，至少需要300行代码。例如：房贷计算器的代码，算法异常简单，十多行就完成了，但是，这段程序完全不具备健壮性，很简单，我的输入是不受限制的，这个程序要求从用户界面读取利率，年限，贷款额三个数据，一般同学的写法很简单，一句doubleNum = Double.parseDouble(JOptionPane.showInputDialog(null,"请输入"+StrChars)) ;就万事OK了。但是，真的有这么简单么，开玩笑，这么简单就好了，列举以下事例1，我输入了负数2，我的输入超出了double类型所能涵盖的范围3，我输入了标点符号4，我输入了中文5，我没输入6，我选择了取消或者点了右上角的关闭这一切都是有可能发生的事件，而且超出了你程序的处理范围，这种事情本不该发生，但是程序使用时，一切输入都是有可能的，怎么办，你只能在程序中限制输入。作为一个程序员，你如何让你的代码在执行的时候响应这些事件呢，我用了四十行代码编写了一个方法，用来限定我的输入只能为正实数，否则就报错，用户点击取消或者关闭按钮，则返回一个特殊数值，然后在主方法增加一个循环，在调用输入方法的时候检查返回值，如果为特殊值，就返回上层菜单或者关闭程序。 二、鲁棒性 鲁棒是Robust的音译，也就是健壮和强壮的意思。 鲁棒性（robustness）就是系统的健壮性。它是指一个程序中对可能

数字水印技术及其应用(精)

数字水印技术及其应用 引言 随着计算机通信技术的迅速发展，多媒体存储和传输技术的进步使存储和传输数字化信息成为可能，然而，这也使盗版者能以低廉的成本复制及传播未经授权的数字产品内容，出于对利益的考虑，数字产品的版权所有者迫切需要解决知识产权（Intellectual Property Rights）的保护问题。密码学的加解密技术是保护数字产品的一种方法，它能够保护数字产品安全传输，并可作为存取控制和征收费用的手段，但它不能保证数字产品解密后的盗版问题，因此，1995年，人们提出了信息伪装技术，其中，数字水印就是近年来比较热门的数字产权保护技术，下面我们主要谈谈数字水印技术的有关问题。 数字水印的定义 综合众多学者的定义和分析已有的数字水印方案，现给出数字水印的定义：数字水印是永久镶嵌在其它数据（宿主数据）中具有可鉴别性的数字信号或模式，而且并不影响宿主数据的可用性。作为数字水印技术基本上应当满足下面几个方面的要求：（1）安全性：数字水印的信息应是安全的，难以篡改或伪造，同时，应当有较低的误检测率，当宿主内容发生变法时，数字水印应当发生变化，从而可以检测原始数据的变更；（2）隐蔽性：数字水印应是不可知觉的，而且应不影响被保护数据的正常使用；（3）稳健性：数字水印必须难以被除去，如果只知道部分数字水印信息，那么试图除去或破坏数字水印将导致严重降质或不可用。同时，数字水印在一般信号处理和几何变换中应具有稳健性；（4）水印容量：嵌入的水印信息必须足以表示多媒体内容的创建者或所有者的标志信息，或购买者的序列号，这样有利于解决版权纠纷，保护数字产权合法拥有者的利益。 3 数字水印技术的基本原理 数字水印技术是通过一定的算法将一些标志性信息直接嵌到多媒体内容中，目前大多数水印制作方案都采用密码学中的加密（包括公开密钥、私有密钥）体系来加强，在水印的嵌入，提取时采用一种密钥，甚至几种密钥的联合使用。水印的嵌入和提取方法如图1、图2所示： 图1 数字水印嵌入过程

鲁棒性

1鲁棒性的基本概念 “鲁棒”是一个音译词，其英文为robust ，意思是“强壮的”、“健壮的”。在控制理论中，鲁棒性表示当一个控制系统中的参数或外部环境发生变化（摄动）时，系统能否保持正常工作的一种特性或属性。 鲁棒概念可以描述为：假定对象的数学模型属于一集合，考察反馈系统的某些特性，如内部稳定性，给定一控制器Ｋ，如果集合中的每一个对象都能保持这种特性成立，则称该控制器对此特性是鲁棒的。因此谈及鲁棒性必有一个控制器、一个对象的集合和某些系统特性。 由于一个具有良好鲁棒性的控制系统能够保证，当控制参数发生变化（或在一定范围内发生了变化）时系统仍能具有良好的控制性能。因此，我们在设计控制器时就要考虑使得控制系统具有好的鲁棒性，即设计具有鲁棒性的控制器——鲁棒控制器。 所以，鲁棒控制就是设计这样一种控制器，它能保证控制对象在自身参数或外部环境在某种范围内发生变化时，仍能正常工作。这种控制器的特点是当上述变化发生时，控制器自身的结构和参数都不改变。 2 鲁棒控制系统 我们总是假设已经知道了受控对象的模型，但由于在实际问题中，系统特性或参数的变化常常是不可避免的，在实际中存在种种不确定因素，如： 1）参数变化； 2）未建模动态特性； 3）平衡点的变化； 4）传感器噪声； 5）不可预测的干扰输入； 等等。产生变化的原因主要有两个方面，一个是由于测量的不精确使特性或参数的实际值偏离它的设计值；另一个是系统运行过程中受环境因素的影响而引起特性或参数的缓慢变化。因此，如何使所设计的控制系统在系统参数发生摄动的情况下，仍具有期望的性能便成为控制理论中的一个重要研究课题。所以我们所建立的对象模型只能是实际物理系统的不精确的表示。鲁棒系统设计的目标就是要在模型不精确和存在其他变化因素的条件下，使系统仍能保持预期的性能。如果模型的变化和模型的不精确不影响系统的稳定性和其它动态性能，这样的系统我们称它为鲁棒控制系统。 2.1系统的不确定性 2.1.1参数不确定性 如二阶系统： ()[] +-∈++=a a a as s s G ,,1 1 2 可以代表带阻尼的弹簧装置，RLC 电路等。这种不确定性通常不会改变系统的结构和阶次。 2.2.2动态不确定性

数字水印技术概论

数字水印技术概论 【摘要】本文就数字水印科学保护技术展开探讨，通过原理定义论述、领域背景介绍与应用探讨，明晰了技术核心应用价值。对促进数字水印技术的继续深化拓展，发挥对电子信息相关数据产品的可靠安全保护职能，有积极有效的促进作用。 【关键词】数字水印;应用;保护 0.前言 信息时代，各类信息化数字技术扩充发展，针对丰富数字信息的安全保护需求也日益扩充。基于数字文档可方便快捷的复制、篡改与盗取，因而令其产权保护面临一定困难。同时数字图像具有一定适应性特征，可供用户任意设计更新并为己所用。为此应科学探究一种良好的数据可靠加密保护技术，进而有效应对不良信息篡改、窃取、盗用问题。本文基于这一目标引入水印数字技术探讨，该技术通过印记图形加密有效保护版权信息，形成印记图形同原始保持一致，基于一定标准形成水印图像，进而探究非法复制信息、相关违规产品的不良流通应用。该技术核心特征在于潜入模式，是通过视觉设想推理阐释实效的科学方式。 1.数字水印技术概述 1.1数字水印技术原理内涵 数字水印技术是一类进行数据产品安全保护、信息内容科学检测，通过嵌入模式将相关序列代码或用户定义标识引入信息中，并可基于相关算法进行水印提取，进而实施保护信息版权检验的科学技术方式。可有效维护产权人享有的产品版权利益，杜绝非法盗版问题。数字水印技术所保护的对象可以是媒体，数据文档、工具软件、视频音频资料、信息图像等丰富内容，包括生成水印、相关嵌入过程、综合信息测试与提取水印等实践环节。 数字水印核心原理在于通过针对宿主进行标识信息嵌入形成水印，令其具备无法感知的良好属性，进而确保信息数据安全性。同时需要遵循相应感知规则，令水印信息具有充分冗余性，即可通过分段数据实现恢复。 1.2数字水印具体类别 数字水印基于出发点各异性，令其种类划分各不相同，并体现了一定的联系渗透属性。依据水印特征，可将其划分成健壮与脆弱水印。前者可服务于数字作品资源中进行著作权相应表述，通过水印嵌入可满足综合编辑实践需求。后者则可实现数据完整统一保护，基于对更新信号的敏锐反映性，可依据其水印状况进行数据信息安全程度分析判别。依据水印媒体，可将其分为图像、视频、音频水印、文本与网格水印形式。而基于检测流程，数字水印则包括明文与盲水印等。前者检测进程要利用原始信息，后者则应利用密钥。 基于水印不同内容，可将数字水印定义为有意义以及无意义形式。前者即水印自身同时代表数字图像或音频数据编码，而后者则仅仅代表序列号。 1.3数字水印技术服务应用领域 数字水印技术基于优质属性、科学原理，在数字化、信息化社会建设与市场经济发展中体现了较大的应用潜能，可在电子商务领域、多媒体技术服务、广播媒介中发挥综合优势。数字水印技术具备良好的版权保护功能，基于来源信息与版权内容嵌入，有效预防不良侵权行为，体现良好安全的版权保护能效，当然其实践应用对数字水印提出了显著的鲁棒性要求。同时，数字水印技术科有效实现

一种图像水印鲁棒性的协同序参量评价方法

收稿日期:2004-07-28;修订日期:2004-12-10 作者简介:陈永强(1967-),男,湖北武汉人,讲师,博士研究生,主要研究方向:网络信息安全与智能系统、数字图像处理;　胡汉平 (1960-),男,湖北武汉人,教授,博士生导师,主要研究方向:智能信息安全系统;　李新天(1978-),男,湖北黄冈人,硕士研究生,主要研究方 向:智能信息安全系统. 文章编号:1001-9081(2005)02-0386-04 一种图像水印鲁棒性的协同序参量评价方法 陈永强1,2 ,胡汉平1 ,李新天 1 (1.华中科技大学图像识别与人工智能研究所,湖北武汉430074; 2.武汉工业学院计算机与信息工程系,湖北武汉430023) (chenyqwh@hot m ail .com ) 摘　要:针对图像水印的鲁棒性,运用协同序参量理论,提出一种基于协同序参量的定量评价方法。对载体图像完成各类鲁棒性实验,计算比较了各模式的协同序参量初始值,使用序参量演化曲线进行验证,得到相应的鲁棒性定量评价。评价结果与相关系数法一致,但更加方便和实用。 关键词:图像水印;鲁棒性;序参量;协同学中图分类号:TP391;TP309.2 文献标识码:A I mage wa termark robust ness eva lua ti ve m ethod ba sed on synergeti c order param eter CHEN Yong 2qiang 1,2 ,HU Han 2p ing 1 ,L I Xing 2tian 1 (1.Institute of Pattern Recognition and A rtificial Intelligence,Huazhong U niversity of Science and Technology, W uhan Hubei 430074,China; 2.D epart m ent of Co m puter and Infor m ation,W uhan Polytechnic U niversity,W uhan Hubei 430023,China ) Abstract:A i m ed at i m age water mark r obustness,an evaluative method based on synergetic order para meter and its usage was first advanced .Many kinds of r obust experi m ent of I m age carrier were done .After p r ocessi on,the synergetic original order para meter of patterns in the set were calculated and compared .Thr ough validati on by the order para meter evolvement curves,their r obust conclusi ons were gotten .This method is more convenient and app lied than the correlative coefficient method,although the t w o methods have sa me conclusi on . Key words:i m age water mark;r obustness;order parameter;synergetics 0　引言 由于数字图像的广泛使用,图像水印是目前研究最为充分的数字水印技术。 图像水印应具有可证明性、不可感知性、鲁棒性和安全性等基本特性。鲁棒性是指在经过常规的信号处理操作后,仍能够检测到水印的能力[1]。要求图像水印能够承受常规的操作,包括图像压缩、滤波、噪声污染、几何失真等。 水印是否具有鲁棒性,目前是使用相关性分析的判断方法。给定一个固定阈值,计算经过一定类型的操作后图像的某一相关性度量值,如大于阈值,认为可检测和提取水印,水印对此操作具有鲁棒性,反之则没有鲁棒性。使用此方法具有两个缺点,一是阈值是根据实验的结果,由经验所确定。二是可能出现两个完全不同的图像具有相同或相近的相关性度量值。有鉴于此,本文运用协同计算机的序参量理论,通过计算图像模式向量的初始序参量方法,可定量评价图像水印的鲁棒性。 1　协同序参量 1.1　序参量方程 在平衡相变理论中,序参量是用于表征相变后系统的有 序性质和程度。序参量的梯度动力学方程,描述了系统离开平衡点时的动力学过程。在相变前的旧结构下,序参量为0,从相变点起,序参量取非零值。 协同学研究系统的各个个体是如何进行协作,通过协同导致新的空间结构、时间结构或功能结构的形成。协同学引入了平衡相变理论中的序参量概念,并运用于协同计算机的模式识别标准模型里 [2] 。 假设原型模式数为M ,原型模式向量的维数为N ,要求M ≤N ,待识别模式q 的动态过程满足协同演化动力学方程: q = ∑ k λk v k (v + k q )-B ∑k ≠k ′ (v + k ′q )2(v + k q )v k - C (q + q )q +F (t )(1) 其中,q 是以输入模式q 0为初始值的状态向量,为待识别的试验模式向量,可分解为原型向量v k 和剩余量w,q = ∑ M k =1 ξk v k +w,且v +k w =0,q + 为q 的伴随向量;λk 为注意参数, 只有当它为正的时候,模式才能被识别;F (t )为涨落力,可忽略不记;B 和C 为指定系数,且都大于0;v k 为原型模式向量, v k =(v k 1,v k 2,…,v kn )′;v +k 为v k 的伴随向量,且v + k v k =δkk ′= 第25卷第2期 2005年2月 　 计算机应用 Computer App licati ons 　 Vol .25No .2Feb .2005

算 法 的 鲁 棒 性

算法模型好坏、评价标准、算法系统设计 算法模型好坏的评价通用标准： 1、解的精确性与最优性。基于正确性基础上。 2、计算复杂度，时间成本。 3、适应性。适应变化的输入和各种数据类型。 4、可移植性。 5、鲁棒性。健壮性。 鲁棒性（robustness）就是系统的健壮性。它是在异常和危险情况下系统生存的关键。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，是指控制系统在一定（结构，大小）的参数摄动下，维持某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称为鲁棒控制器。 一个电子商务网站推荐系统设计与实现——硕士论文分析 一、应用场景 1、网站首页、新品推荐：采用item相似度策略推荐。目标：提供新颖商品。 2、商品详情、看过的还看过，看过的还买过：采用频繁项集挖掘推荐。目的：降低商品寻求成本，提高体验、促进购买。 3、网站购物车、买过的还买过：频繁项集挖掘。目的：提高客单

价。 4、网站会员中心、与用户浏览历史相关商品：item相似度。目的：提升复购率。 5、商品收藏栏、搜索栏、品牌栏、品类栏：item相似度。目的：获取用户更多反馈；帮助用户发现需求；完善内链结构，流畅页面跳转；完善品类之间内链结构，流畅跳转。 二、推荐系统核心问题 三个核心要素：用户、商品、推荐系统。 用户特征分析：行为特征、兴趣特征。 用户不同特征以不同形式存储在不同介质中：注册信息存储在关系型数据库、行为数据存储在web日志中。 开发时，需要将这些数据进行清理，然后转换到统一的用户偏好数据库中。 商品特征：基本特征、动态特征。 基本特征：品牌、品类、颜色、型号、尺寸、性别等。 动态特征：销量、库存、市场价格、浏览次数、加购物车次数等。 补充说明：如果商品不能直接说明用户的兴趣特征，比如电影、图书，则可以通过用户的标签系统进行推荐。 或者通过协同过滤算法进行推荐，因为协同过滤算法不需要依赖商品自身的特征属性。 用户和商品一般具有三种关系：这是推荐系统工作的依据。 用户--喜欢--商品--相似--商品：基于item的推荐系统思想。

数字水印技术及其应用

宇飞数字水印技术及其应用介绍 单位：成都宇飞信息工程有限责任公司 注册地址：成都市科华北路153号宏地大厦8层B座 邮编：610041 公司负责人：华建和 联系电话：028-******** 139******** 电子邮箱：139016006@https://www.docsj.com/doc/2b13904533.html, 公司网址：https://www.docsj.com/doc/2b13904533.html,

目录 一、数字水印技术简介 ................................................................................................................... - 3 - 1、数字水印技术的特性 (3) 2、数字水印技术的优势 (4) 3、数字水印技术的核心及原理 (4) 二、宇飞数字水印技术的创新和商业应用状况 ........................................................................... - 6 - 1、与国际、国内同类技术研究相比我们的创新： (6) 2、宇飞公司数字水印的技术研究水平与差距 (7) 3、宇飞数字水印技术的商业应用状况 (7) 4、宇飞数字水印技术应用领域及商品化形态： (7) 1）数字水印用于印刷、打印防伪领域 (8) 2）数字水印用于版权保护领域 (15) 3）数字水印用于信息安全领域 (17) 三、公司简介及行业资质 ............................................................................................................. - 21 - 1、公司简介 (21) 2、首席专家简介 (22) 3、申请和获得的专利及标准 (22) 4、相关媒体报道 (23) 5、公司相关资质及荣誉 (24)

算 法 的 鲁 棒 性

遗传算法的优缺点 遗传算法的优缺点 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 。数值方法求解这一问题的主要手段是迭代运算。一般的迭代方法容易陷入局部极小的陷阱而出现"死循环"现象，使迭代无法进行。遗传算法很好地克服了这个缺点，是一种全局优化算法。 生物在漫长的进化过程中，从低等生物一直发展到高等生物，可以说是一个绝妙的优化过程。这是自然环境选择的结果。人们研究生物进化现象，总结出进化过程包括复制、杂交、变异、竞争和选择。一些学者从生物遗传、进化的过程得到启发，提出了遗传算法（GA）。算法中称遗传的生物体为个体（individual），个体对环境的适应程度用适应值（fitness）表示。适应值取决于个体的染色体（chromosome），在算法中染色体常用一串数字表示，数字串中的一位对应一个基因（gene）。一定数量的个体组成一个群体（population）。对所有个体进行选择、交叉和变异等操作，生成新的群体，称为新一代（new generation）。 遗传算法计算程序的流程可以表示如下[3]： 第一步准备工作

（1）选择合适的编码方案，将变量（特征）转换为染色体（数字串，串长为m）。通常用二进制编码。 （2）选择合适的参数，包括群体大小（个体数M）、交叉概率PC 和变异概率Pm。 （3）确定适应值函数f（x）。f（x）应为正值。 第二步形成一个初始群体（含M个个体）。在边坡滑裂面搜索问题中，取已分析的可能滑裂面组作为初始群体。 第三步对每一染色体（串）计算其适应值fi，同时计算群体的总适应值。 第四步选择 计算每一串的选择概率Pi=fi-F及累计概率。选择一般通过模拟旋转滚花轮（roulette，其上按Pi大小分成大小不等的扇形区）的算法进行。旋转M次即可选出M个串来。在计算机上实现的步骤是：产生[0，1]间随机数r，若rq1，则第一串v1入选，否则选v2，使满足qi-1rqi（2≤i≤m）。可见适应值大的入选概率大。 第五步交叉 （1）对每串产生[0，1]间随机数，若rpc，则该串参加交叉操作，如此选出参加交叉的一组后，随机配对。 （2）对每一对，产生[1，m]间的随机数以确定交叉的位置。 第六步变异 如变异概率为Pm，则可能变异的位数的期望值为Pm ×m×M，每一位以等概率变异。具体为对每一串中的每一位产生[0，1]间的随机

数字水印技术研究

数字水印技术研究 摘要：数字水印技术作为信息安全、版权保护和信息认证的有力工具，已得到了广泛的关注和发展。本文介绍数字水印技术的原理与模型，分析水印技术的典型算法，阐述数字水印技术的应用与研究及其发展前景。 关键词：数字水印；信息安全；版权保护；稳健性 一、引言 随着计算机网络技术和通讯技术的发展，为数字化的媒体信息（文本、图像、音频、视频等）的存取、交换提供了极大的便利。迅速兴起的Internet以电子印刷出版、数字图书馆、网络视频和音频、电子商务等新的服务和运作方式为商业、科研、娱乐等带来了许多机会。随之而来的副作用是盗版者大量地复制及传播未经授权的数字产品内容，出于利益的考虑，数字产品的版权所有者迫切需要解决知识产权保护的问题。有数据显示，美国电影行业协会(MPAA)估计，盗版使美国电影业的年收入减少了25亿美元，美国唱片工业协会(RIAA)则估计全球每年因盗版而造成的损失高达50亿美元。 传统的版权保护系统多采用密码技术，依靠密码学技术对数字产品进行加密，只有合法用户（或授权用户）才拥有密钥，从而保证数字产品的安全。但是，这一方案存在一个重要问题，所加密的数字产品在解密后，没有有效的手段来保证其产品不被非法拷贝、再次传播和盗用，为了防止这种情况的发生，人们提出了新兴的概念——数字水印（digital watermarking）。数字水印技术是目前信息安全技术领域的一个新方向，是作为传统版权保护系统的有效补充手段，是一种可以在开放的网络环境下保护版权和认证来源及完整性的新技术，是信息安全和版权保护的最后一道防线，引起了人们的高度重视，许多大学和国际科研机构正投身于研究之中,已成为信息安全领域的一个研究热点。 二、数字水印技术原理 1、数字水印的定义和基本特点： 数字水印是指永久镶嵌在其他数据（宿主数据）中的具有可鉴别性的数字信号或模式，并且不影响宿主数据的可用性[1]。而水印信号是一种特制的数字标记，一般包含版权所有者的标记或代码，以及能证实用户合法拥有数据的用户代码等基木信息，将它嵌入到数字图像、声音、视频等数字产品中，由此来确定版权拥有者、认证数字内容来源的真实性、识别购买者、提供关于数字内容的其他附加信息、确认所有权认证和跟踪侵权行为。 数字水印有以下特点：1)不可见性，也称透明性，指的是利用人类视觉系统HVS (Human Visual System)或人类听觉系统HAS (Human Audio System)属性，嵌入水印后图像无明显降质现象且水印在视觉或听觉上不可感知；2)稳健性，也称健壮性或鲁棒性，指数字水印应有抵御图像压缩、滤波、量化与增强、几何失真等外界攻击的能力；3)可证明性，即水印应能为受到版权保护的信息产品的归属或来源提供完全和可靠的证据，水印算法识别被嵌入到保护对象中的所有者的有关信息，并在需要的时候将其提取出来，并能够监视被保护对象的传播、真伪鉴别以及非法拷贝控制等；4)安全性，主要指水印不易被复制和伪造，能抵抗非法拦截和破解，即使受到非法攻击，仍能以极低的误差率进行检测和识别。其中，鲁棒性和不可见性是数字水印系统的两个重要特性，且是一对矛盾的特性，在算法设计上常常需要折衷考虑这两个方而特性的要求。 2、数字水印系统的理论模型 通用的数字水印系统包含两个基本的模块，即一个水印嵌入和一个水印提取(也称为水印检测系统)，数字水印嵌入的一般过程基本框架如图1所示[2]。

优化设计和鲁棒性分析方法综述

工作汇报 （1）优化设计和鲁棒性分析 优化设计的过程就是确定优化目标、设计参数和约束条件，通过迭代算法确定最优的设计参数，得到最优的性能。 查阅这方面的论文，主要有两种方法。一种是目标函数与设计参数之间有解析式关系的，比如《Application of optimal and robust designmethods to a MEMS accelerometer》这篇论文，优化目标是加速度计的最小测量加速度、满量程加速度以及谐振频率，设计参数是梁、质量块、梳齿以及间隙的尺寸参数。文章中就给出了优化目标和设计参数的解析式： 通过这些解析式，以及一些约束条件就可以构建优化设计的数学模型：

最后通过优化算法程序（这篇用的是遗传算法）得到最优解。 第二种也是大部分文献，都没有给出优化目标和设计参数之间的解析式。比如《Optimal and Robust Design of a MEMS GyroscopeBased on Sensitivity Analysis and Worst-caseTolerance》，优化目标是陀螺仪的敏感性（让敏感电容C最大）。这篇文章没有目标函数的解析式。它是通过有限元仿真软件和优化软件连接在一起计算，应该是用仿真结果代替解析式计算结果，具体的我没明白。 鲁棒性分析的方法主要是考虑设计参数的制造误差（一般是±0.5um），将±0.5um分别带入设计参数，让优化目标最小化的同时，标准差也最小化。 优化设计还看到一篇文献，《Optimization of Sensing Stators in CapacitiveMEMS Operating at Resonance》提出了两种新颖的结构，然后比较它们和传统结构的性能，以及它们的优点。这篇论文没有参数优化。 （2）动态特性分析 动态特性分析方面看了两篇文献。《Nonlinear Dynamic Study of a Bistable MEMS:Model and Experiment》讲了加速度双稳态开关中，切换稳定性与激励时间和激励幅值的关系。当激励时间长时，开关稳定切换，时间短时，可能切换失败。以及激励幅值超过门限很多时，也会使质量块振荡返回初始状态而切换失败。文章分析了原因，确定的最短激励时长。 第二篇文献《Shock-Resistibility of MEMSBased Inertial Microswitch underReverse Directional Ultra-High gAcceleration for IoT Applications》，本文研究了在反向高g值冲击下，惯性开关的冲击稳定性。在实际应用中，惯性开关不可避免的受到高或极高的反向冲击。高g值（几百到几千）的反向加速度冲击下，支