-
Patent Agency Ranking
公开(公告)号：CN112381149A
公开(公告)日：2021-02-19
申请号：CN202011283607.7
申请日：2020-11-17
Applicant: 大连理工大学
Abstract: 一种基于深度学习用于源相机识别的合理对抗分析方法,属于计算机图像处理技术领域。技术方案：采用耦合性编码的方式训练网络；使用神经网络引入了类似于复制粘贴方法的攻击模式；使用基于特征的联合自动学习攻击；基于噪声再训练方法的关系不匹配防御策略。有益效果：本发明所述的基于深度学习用于源相机识别的合理对抗分析方法采用复制粘贴攻击和联合特征自学习攻击的方法生成具有良好泛化性能的攻击；同时，本发明采用多任务学习的方法生成来源鉴别模型；并采用噪声再训练的方式扩展不同相机类型之间的关系误失配；这种关系误失配的方法可以精确的识别对抗样本。
-
公开(公告)号：CN110852363A
公开(公告)日：2020-02-28
申请号：CN201911050099.5
申请日：2019-10-31
Applicant: 大连理工大学
IPC: G06K9/62
Abstract: 一种基于欺骗攻击者的对抗样本防御方法,属于计算机图像处理技术领域。技术方案：在不改变原始分类器分类性能的基础上构建分类系统，采用并行的方式将缓冲器添加到分类系统中，通过构造与原始分类器泛化性能较差的分类器2，很好地欺骗攻击者；在原始分类器之前设置额外的检测器，防御单步攻击以及提高攻击过程的难度，只采用原始分类器对被检测器分类为正常标签的图像进行分类；采用比较器或集成学习块更换检测器，获得更好的分类性能以及无梯度回传的特性，比较器不承担任何特定的攻击策略和扰动模式。有益效果是:本发明采用缓冲器、比较器等阻碍了对抗样本的生成过程，在不影响正常样本的分类性能下，提升了分类网络对对抗样本的防御性能。
-
公开(公告)号：CN110188828A
公开(公告)日：2019-08-30
申请号：CN201910470527.3
申请日：2019-05-31
Applicant: 大连理工大学
IPC: G06K9/62
Abstract: 一种基于虚拟样本集成学习的图像来源鉴别方法，属于计算机图像处理技术领域。技术方案步骤如下：提取训练样本LBP特征，计算每类样本中LBP特征每一维的扩散范围，在扩散范围内按均匀分布随机生成多组虚拟样本，将原始训练样本分别加入多组虚拟样本中并训练多个基分类器，基于集成学习思想得到最终的强分类器，对测试样本分类得到来源鉴别准确率。有益效果是:本发明所述的基于虚拟样本集成学习的图像来源鉴别方法用有效的虚拟样本增加训练样本的数量，并用集成学习的思想对分类结果进行整合，从而提升了训练样本不足情况下的相机型号来源鉴别准确率。
-
公开(公告)号：CN105631473A
公开(公告)日：2016-06-01
申请号：CN201510990808.3
申请日：2015-12-24
Applicant: 大连理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269 , G06K9/627
Abstract: 本发明涉及一种有限样本条件下的相机来源鉴别方法，属于信号与信息处理技术领域。该方法首先对有标签训练样本集进行特征提取。然后利用有标签样本特征训练分类器并对所有样本分类，根据后验概率的排序构成原型集。然后将每个样本在各原型集上的投影向量集成形成集成特征，利用有标签样本形成的集成特征训练分类器，然后对无标签样本进行分类。
-
公开(公告)号：CN1862598A
公开(公告)日：2006-11-15
申请号：CN200610200594.6
申请日：2006-06-21
Applicant: 大连理工大学
IPC: G06T7/00
Abstract: 本发明属于信号与信息处理技术领域，涉及到一种图像伪造中模糊操作的异常色调率取证方法。其特征在于提供了一种基于异常色调率的数字图像取证方法，可以针对数字图像伪造和篡改中最为常用的模糊操作，利用模糊操作对数字图像局部色彩属性造成的异常，通过定义异常色调集合和异常色调率，对图像色调的局部一致性和相关性程度进行量化，进而对一幅经过伪造和模糊操作的数字图像进行检测。本发明的效果益处是能够有效地检测出对数码相机拍摄图像进行模糊操作的痕迹，并能够对经过模糊操作的图像局部进行准确的基于像素块的定位。本发明适用于信息安全领域。
-
-
-
-
Search Results
125
records
(took 0.075 seconds)
