基于数字水印的组播源认证方法

来源 :华东交通大学 | 被引量 : 0次 | 上传用户:ChampionHan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着通信技术和Internet的快速发展,组播技术得到了很好的发展,但是随之产生的安全问题也日益突出,其中最需要解决的是组播源认证问题,数字水印技术的发展为这一问题提供了很好的解决方法。本文针对组播网络的特点,采用数字水印技术解决组播源认证问题,并对数字水印技术的安全性和可恢复性进行相应的改进。本文的主要工作如下:(1)提出了一种基于数字水印的组播源认证方法,该方法通过对目前的数字水印方法进行改进实现了组播源认证。通过引入公钥密码系统,将代表图像内容的信息通过公钥密码系统加密的方法实现图像内容和图像所有者之间的联系,解决了组播源认证的身份认证问题;通过修改特征提取方法,在认证阶段能够仅通过嵌入的水印信息完成认证,实现了盲检测,提高了认证系统的安全性。最后通过仿真实验验证基于数字水印的组播源认证方法的有效性。(2)提出了一种基于多特征提取的数字水印方法,该方法将空间域的边缘特征和频域的DCT系数对之间关系特征结合起来作为水印信息,这样得到的水印信息能更全面的代表图像本身内容,避免了由于单一特征攻击所造成的认证失败。实验仿真结果表明,该方法在保证不可见性的前提下,对正常图像处理有很好的鲁棒性,而对恶意的篡改攻击具有很好的识别定位能力。(3)提出了一种基于块间关系系数的自嵌入数字水印方法,该方法引入水印嵌入强度,使每个图像块的水印嵌入强度得到合理的控制,保证嵌入水印图像的不可见性;另外该方法提出利用图像块间关系系数作为自嵌入水印的方法,从图像块量化系数中提取出内容向量,以两个有联系图像块内容向量之间的关系作为水印信息,以此水印信息作为篡改图像自恢复的依据,这种自嵌入水印方法缩小了水印的嵌入容量,通过实验仿真验证该方法在保证不可见性的前提下,提高了篡改图像的恢复质量。
其他文献
单类分类器作为一种概念学习方法,旨在描述目标数据,因而区别于两类分类器,成为分类器设计中的一个新分支,受到众多学者的关注和重视。本文针对目前单类问题的研究成果从密度方法
目前,安全协议的代码实现仍然主要依赖于手工编码,但手工编码低效、易错,容易引入各种漏洞,也不利于安全协议的修订和更新。人们对安全协议的代码自动化实现还未开展广泛和深入的
将不同格式的数学公式转换为某种统一格式以保证搜索与处理数学信息的广泛性与兼容性,是实现数学公式检索的基础。本文首先对数学公式在网络和计算机中的主流表达形式及其转换
上世纪90年代,Dietterich等人在药物活性预测问题的研究中提出了多示例学习的概念。在该学习模型中,训练样本的歧义性比较特殊,使得多示例学习模型与传统的机器学习模型有很
无线传感器网络作为一种新型的数据采集技术得到了空前的发展,它使得通信可在无线移动中进行,使用户可以在任何时间,任何地点获取到自己想得到的信息。本课题首先搭建了一个
根据无线传感器网络的发展趋势,结合3G移动通信网络以及嵌入式系统技术,针对目前无线传感器网络网关数据传输的低速率和低可靠性,提出了一种基于嵌入式系统的接入TD-SCDMA网
复杂系统的建模往往需要进行严格的形式化分析和验证,而UML却是半形式化的,因为其语法结构虽然采用了形式化的规约,但其语义部分则是用自然语言描述的,缺乏精确的语义描述,因此会
支持向量机是建立在VC维理论和结构风险最小原则基础上的一种学习方法,已经成为机器学习的一个重要研究方向。目前,研究人员对其算法进行了各种改进,并提出了许多算法,例如,模糊支
随着现代社会车辆的普及,停车困难、交通堵塞、交通事故等一系列交通问题频繁发生。由此,交通管理,安全驾驶和交通信息交换问题引起了越来越多的关注。车载自组织网络(Vehicl
Pawlak经典粗糙集理论是一种新的处理不精确、不确定和不完备数据的分析理论与方法,其主要思想是通过一对逼近算子对某一给定概念进行近似表示。多年来,粗糙集模型的推广是粗糙