学位论文 > 优秀研究生学位论文题录展示

隐密对抗的理论及方法研究

作　者: 郭艳卿
导　师: 何德全；孔祥维；尤新刚
学　校: 大连理工大学
专　业: 信号与信息处理
关键词: 信息隐藏隐密隐密分析安全性理论载体分布边界
分类号: TN97
类　型: 博士论文
年　份: 2009年
下　载: 120次
引　用: 4次
阅　读: 论文下载

内容摘要

几千年来,如何确保信息在通信过程中的安全一直是人类面临的重要研究课题。随着网络及多媒体技术的飞速发展,以“隐匿秘密通信存在”为目的的信息隐藏重新受到了人们的广泛关注。在这种通信范式下“隐藏信息”和“检测信息”的隐密对抗问题也迅速成为学术界的研究热点。本文针对目前隐密对抗领域仍存在的诸多关键问题,分别从隐密安全性、隐密方法和隐密分析方法三个方面对隐密对抗所涉及的理论及方法进行了系统研究,主要工作和成果总结如下:在隐密安全性的理论方面,首先分析了现有隐密安全性理论模型的局限性,阐明了区分“含密数据安全性”和“隐密算法(或系统)安全性”的重要意义,并在全信息视角下重新探讨了隐密安全性的内涵,指出隐密本质上源于认识主体对客观事物全信息的有限认识能力。在此基础上引入“载体分布边界”的概念,构建了新的统计安全性理论框架,明确给出了含密数据安全性、隐密算法安全性和载体数据安全隐密容量的定义,并建立了隐密算法“未公开”和“已公开”两种情况下的隐密安全性描述及度量模型。在隐密模型及方法的设计方面,首先分析了典型隐密技术的基本原理,并将隐密技术区分为约束式隐密技术和启发式隐密技术。其中,“约束式”是指以明确的隐密安全性理论为指导的隐密技术设计思想;“启发式”是指源于对隐密安全性经验性认识的设计思想。在此基础上,研究了统计安全性约束下的隐密模型,探讨了几个启发式隐密的关键问题,并分别采用直方图预膨胀策略和粒子群优化策略,提出了基于预处理的启发式隐密方法和基于统计安全性约束的隐密方法。在隐密分析模型及方法的设计方面,首先分析了现有隐密分析技术的设计思想,从方法论的视角将其分类为“概率演绎”隐密分析和“统计归纳”隐密分析(简称统计隐密分析)。进而在统计隐密分析范畴下给出了定性与定量隐密分析问题的数学描述,并应用有限样本集下的统计学习理论提出了相应的定性与定量隐密分析方法,包括基于载体分布边界的隐密判决方法、基于多类分类的数据来源判别方法、基于多元线性回归的隐密分析方法和基于支持向量回归的隐密分析方法。同时从统计特征整体性、集成学习方法和训练样本规模三个角度研究了进一步提高隐密分析性能的途径。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-29
  1.1 安全通信的不同范式  9-11
  1.2 信息隐藏的历史渊源  11-14
  1.3 隐密对抗问题的提出  14-16
  1.4 研究现状及存在问题  16-26
  1.5 本文研究内容与结构  26-28
  1.6 本论文的创新点摘要  28-29
2 隐密的统计安全性理论与模型  29-48
  2.1 隐密安全性的现有理论模型  29-36
    2.1.1 信息论下的隐密安全性定义  29-33
    2.1.2 安全隐密容量的描述与度量  33-34
    2.1.3 现有安全性理论模型的分析  34-36
  2.2 全信息视角下的隐密安全性  36-41
    2.2.1 全信息概念及其层次性  37-38
    2.2.2 全信息下的隐密安全性  38-41
  2.3 隐密的统计安全性理论与模型  41-47
    2.3.1 隐密的统计安全性理论框架  41-43
    2.3.2 隐密算法未公开时的安全性模型  43-45
    2.3.3 隐密算法已公开时的安全性模型  45-47
  2.4 本章小结  47-48
3 统计安全性范畴下的隐密模型与方法  48-65
  3.1 统计安全性范畴下的隐密设计思想  48-54
    3.1.1 约束式隐密与启发式隐密  48-51
    3.1.2 基于安全性约束的隐密模型  51-52
    3.1.3 几种启发式隐密问题的分析  52-54
  3.2 基于预处理的启发式隐密方法  54-60
    3.2.1 F5隐密算法的“收缩效应”分析  55-57
    3.2.2 DCT系数直方图的预膨胀策略  57-58
    3.2.3 基于预处理的JPEG隐密方法  58-60
  3.3 基于统计安全性约束的隐密方法  60-64
    3.3.1 统计安全性约束下的隐密问题  60-61
    3.3.2 基于粒子群优化方法的解决方案  61-62
    3.3.3 安全性约束下的JPEG隐密方法  62-64
  3.4 本章小结  64-65
4 统计隐密分析范畴下的模型与方法  65-106
  4.1 统计隐密分析的概念及数学描述  65-71
    4.1.1 通用性与针对性隐密分析技术  65-68
    4.1.2 概率隐密分析与统计隐密分析  68-70
    4.1.3 统计隐密分析问题的数学描述  70-71
  4.2 定性的统计隐密分析模型与方法  71-82
    4.2.1 定性统计隐密分析问题的数学描述  71-72
    4.2.2 基于载体分布边界的隐密判决方法  72-78
    4.2.3 基于多类分类的数据来源判别方法  78-82
  4.3 定量的统计隐密分析模型与方法  82-98
    4.3.1 定量统计隐密分析问题的数学描述  83-84
    4.3.2 基于多元线性回归的隐密分析方法  84-89
    4.3.3 基于支持向量回归的隐密分析方法  89-98
  4.4 提高统计隐密分析性能的途径  98-104
    4.4.1 利用整体性特征提高分析精度  98-99
    4.4.2 利用集成学习提高方法泛化能力  99-100
    4.4.3 利用半监督学习扩大训练样本集  100-104
  4.5 本章小结  104-106
5 总结与展望  106-109
  5.1 本文工作总结  106-107
  5.2 后续研究展望  107-109
参考文献  109-119
附录A 相关概念的注解  119-120
攻读博士学位期间发表的学术论文  120-121
攻读博士学位期间参与的科研项目  121-122
致谢  122-123
作者简介  123-124

隐密对抗的理论及方法研究

内容摘要

全文目录

相似论文