• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    神經網絡域水印信息優(yōu)化與加密

    2022-06-19 23:00:03馬天趙會敏楊嫣楊嘉怡
    關鍵詞:版權保護

    馬天 趙會敏 楊嫣 楊嘉怡

    摘要:神經網絡模型作為一種數(shù)字資產,其版權保護日益受重視,針對目前神經網絡域水印信息單一、不直觀的問題,設計一種水印信息內容優(yōu)化的方法,在訓練神經網絡時嵌入水印,采用正則化的方法防止訓練神經網絡時參數(shù)過度擬合,并進行了水印信息的加密研究。通過分析圖像域和神經網絡域中有效水印算法的需求,將簡單的二進制串信息優(yōu)化為有視覺意義的二值圖像與灰度圖像,對于不同水印形式進行了分析對比,并在嵌入前對水印信息進行了典型的加密預處理分析,包括Arnold變換、按位異或加密以及行列像素置亂加密。結果表明:該方法可以在不影響原始任務性能的情況下有效地嵌入水印,并且提取的信息質量更好,采用行列像素置亂的二值圖像作為水印嵌入,對神經網絡性能的影響最小。

    關鍵詞:版權保護;水印信息;神經網絡域;圖像加密

    中圖分類號:TP 391.41文獻標志碼:A

    文章編號:1672-9315(2022)03-0580-09

    DOI:10.13800/j.cnki.xakjdxxb.2022.0322開放科學(資源服務)標識碼(OSID):

    Optimization and encryption of watermarked

    information in neural network domainsMA Tian,ZHAO Huimin,YANG Yan,YANG Jiayi

    (College of Computer Science and Engineering,Xian University of Science and Technology,Xian 710054,China)Abstract:As a kind of digital asset,the copyright protection of neural network model is paid more and more attention.In order to solve the problem of simple and unintuitive watermarking information in neural network domain,a method of content optimization of watermarking information was proposed.The watermark was embedded in training neural network,the regularization method was used to prevent over-fitting of parameters in the training process,and the encryption of watermark information was studied.The simple binary string information was optimized into visual binary image and gray image by exploring the requirements of effective watermarking algorithm in image domain and neural network domain,the different watermark forms were compared,and typical encryption pre-processing analyses were made of the watermark information before embedding,including Arnold,per-bit dissimilarity encryption and row column pixel scrambling.The experimental results indicate that the method in this paper can effectively embed the watermark without affecting the performance of the original task,and the quality of the extracted information is better.The application of the binary image with row column pixel scrambling in the watermark-embedding will have the least impact on the performance of the neural network.

    Key words:copyright protection;watermark information;neural network domain;image encryption

    0引言

    隨著計算機的快速發(fā)展,許多產品出現(xiàn)了多方面的安全問題,神經網絡模型也屬于數(shù)字資產的一種,其版權保護技術日益發(fā)展。研究出一個深度神經網絡模型需要大量的有價值的訓練數(shù)據(jù)、強大的計算資源和專業(yè)的人力資源,而神經網絡模型在經第3方應用后,其網絡結構和節(jié)點權重會完全對外暴露,容易被復制、二次開發(fā)或修改,導致初始開發(fā)者權益受損。頂級深度神經網絡的設計和訓練競爭激烈,神經網絡模型將在未來幾年的IT發(fā)展中發(fā)揮核心作用,因此保護這些模型的必要性顯得更加突出。在版權保護方面包括密碼學和數(shù)字水印技術這2種研究方向,然而,密碼學只在轉換過程中保護數(shù)據(jù),一旦數(shù)據(jù)被接收并解密,它就不再受到保護。數(shù)字水印技術可以實時保護數(shù)字資產,因此在這個研究領域具有更大的價值[1]。

    數(shù)字水印技術最早可以追朔到1993年,其方法是在載體(圖像,文本,視頻,或者音頻)中增加有用的身份信息,以達到數(shù)字認證或者版權保護的目的。2017年UCHIDA等人提出神經網絡水印,他們發(fā)表了第一種水印嵌入方法,水印信息可以直接嵌入到模型的參數(shù)中,該方法可以公開共享神經網絡[2]。近些年深度學習框架越來越成熟,包括TensorFlow,Keras,Caffe[3],Theano[4],Chainer[5]等。基于這些公開的框架或系統(tǒng),開發(fā)人員進行研究的復雜度大大降低,深度神經網絡模型得到了突飛猛進的發(fā)展,隨之而來的版權保護問題也日漸浮出水面。模型所有者能夠將水印嵌入神經網絡的權重中,合法用戶可以將水印嵌入神經網絡以進行授權使用,而未經授權的用戶由于額外的控制層會導致獲得的模型性能不良,當神經網絡被非法盜版時,初始開發(fā)者可以提取嵌入的水印并進行所有權驗證,這樣便可以實現(xiàn)神經網絡模型的保護。DAF48E84-D850-42A6-ACD2-F01DE4E09875

    目前典型的水印嵌入方法歸納總結為白盒水印嵌入方法、黑盒水印嵌入方法[6]、授權控制方法[7]等5類。其中,白盒方法通常需以公開或與可信第3方共享方式獲取神經網絡模型的結構和權重,如開源項目model Zoo,水印信息通常直接嵌入到模型的參數(shù)中,需要訪問DNNs的內部結構進行驗證。

    白盒水印嵌入的載體可以細分為以下2種,一是將水印信息與權重結合,其中最為典型的是UCHIDA等人在2017年提出的,首次將水印直接嵌入到卷積濾波器系數(shù)即網絡權重中[2],其次就是CHEN等人是將身份信息嵌入到卷積濾波器系數(shù)的概率密度函數(shù)中,提出了第一個用于數(shù)字版權管理的DL指紋框架[8]。這類方法的優(yōu)點是嵌入與提取操作方便,但是權重變化量較大,可通過分析權值的方差檢測出隱藏水印,并通過在權值上添加有效噪聲來修改水印。二是將水印嵌入在全連接層上,其中最為典型的是KURIBAYASHI等人提出的DM-QIM方法,優(yōu)點是嵌入水印引起的變化小且可測量,但是權重的選擇和水印的嵌入都使用了一個密鑰,對于不同DNN模型和嵌入參數(shù)的影響將有待未來進一步研究[9]。這類方法的優(yōu)點是嵌入與提取操作方便,但是存在權重變化量較大的情況,可通過分析權值的方差檢測出隱藏水印,并通過在權值上添加有效噪聲來修改水印。ZHANG等人提出一種帶有補償機制的量化水印方案,通過密鑰來選擇待嵌入水印的權重,對水印進行擴頻調制后使其具有噪聲性再嵌入特定的權重。為了避免權重的變化對模型功能的影響,對未嵌入水印的權重進行補償微調,得到含水印的模型[10]。此方案對模型的改動量很小,同時保證理想的魯棒性和嵌入量,通過對嵌入位置的改進從而隱藏了水印信息,但其水印形式有限為簡單的字符串,視覺意義不強。

    白盒水印嵌入的水印信息目前可細分為以下2種,二進制字符串和非二進制字符串。在非二進制字符串中,WANG等人提出的魯棒白盒GAN水印(RIGA),該方法水印消息的容量和靈活性較好[11]。還有一種水印的累積和編碼方法由SAKAZAWA等人提出,可對嵌入的圖案進行累積以達到可視化的解碼[12]。這種方法僅適用于一個簡單的情況,且存在多個密鑰集,被攻擊者得到子集的一部分也可驗證。在二進制字符串的水印信息中,最為典型的UCHIDA等人于2018年提出的,將新定義的損耗和普通的損耗結合起來,通過訓練進行優(yōu)化,其水印信息選擇的是256位的一維矩陣,這種水印信息形式便于實踐,但形式單一且容量較小[13]。

    總之,上述方法的信息容量小、提取效果不直觀,只能通過數(shù)值對比誤差。文中將選擇有意義的圖像使其提取結果更加直觀,主要是基于WRN神經網絡的不同水印嵌入研究,采用的是白盒水印嵌入方法,在訓練主機網絡時直接嵌入水印,在前人研究的基礎上對于水印信息進行了優(yōu)化,將二進制串優(yōu)化為圖像,并在嵌入水印之前對水印進行了預處理即加密以更有效的保護水印本身,采用了3種加密方法設計實驗進行比較,分析了不同的水印信息對于網絡性能的影響。為防止在訓練神經網絡的時候過度擬合,采用正則化的方法將L1損失函數(shù)和L2損失函數(shù)結合。

    1神經網絡域水印信息分析

    神經網絡水印是通過對神經網絡模型的內部參數(shù)或外部結構進行某些特殊處理,添加或嵌入特定的身份信息,即在神經網絡模型中嵌入水印,以保護受過訓練的神經網絡模型。一個完整的神經網絡模型水印系統(tǒng)一般包含3個模塊[14],即需嵌水印的網絡模型,水印嵌入方法,水印提取與檢測??蚣苋鐖D1所示,基本過程[15]:經過加密及預處理的水印信息,經過各種算法嵌入到神經網絡模型中去,模型所有者可將添加身份信息后的網絡模型以公開或API遠程的方式提供商業(yè)服務。所有者可將添加身份信息進行提取驗證,同時部分算法還可達到限制非法訪問的效果。

    目前主流的網絡模型有MLP,CNN,WideResNet,AlexNet16],VGG16,LeNet[17],GoogLeNet和ResNet等。對于MPL,LeNet網絡模型,一般選取的實驗數(shù)據(jù)集為MINST,對于WideResNet,ResNet,AlexNet,VGG16網絡模型,一般選取的實驗數(shù)據(jù)集為CIFAR10,CIFAR100。水印形式可為二值圖像、字符串等。為了更好地保護隱私,在水印嵌入之前,需對水印進行編碼或加密預處理,將加密后的水印信息嵌入到神經網絡中,以保護版權。

    圖像域和神經網絡域中對有效水印算法的要求幾乎相同,都應具有保真度、可容性、有效性、安全性以及高效性。有效的水印系統(tǒng)必須具有嵌入大量信息的能力,水印通常應是秘密的,不應該被未經授權的各方訪問、讀取或修改,水印的嵌入與提取應該是快速的。但圖像域和神經網絡域中的保真度和魯棒性是不同的,在圖像域中為保持保真度,必須在嵌入水印的同時保持主機圖像的感知質量。然而,在神經網絡域,參數(shù)本身并不重要,重要的是原來的執(zhí)行任務,因此,必須保持受過訓練的主機網絡的性能,而不能阻礙主機網絡的訓練。神經網絡水印應對網絡功能影響足夠小,水印信息能夠從分發(fā)或重訓練的網絡中提取出來,應具備隱蔽性、穩(wěn)健性、數(shù)據(jù)量及安全性等特性。關于魯棒性,由于圖像會受到各種信號處理操作的影響,如經過壓縮、裁剪及調整大小等操作之后,水印也應留在主機圖像中。而神經網絡中嵌入的水印應在微調或其他可能的修改后還能檢測到,是通過修改神經網絡的權重實現(xiàn)水印嵌入的,因此嵌入的水印形式只能是字符串,由于圖像是由許多像素點組成對其處理可等同于字符串,故可在神經網絡中嵌入圖像。

    2神經網絡域水印框架設計

    2.1水印信息與嵌入目標

    基于圖像域和神經網絡域有效算法分析,對水印信息形式進行優(yōu)化,選擇2種水印信息:二值圖像與灰度圖像,均選擇16×16的圖像,由于圖像是由像素點組成,可等同于矩陣,將像素點值同除以255可得0到1之間的向量作為水印b={0,1},采用白盒水印嵌入方法將水印b在訓練神經網絡時嵌入到神經網絡的權重中,在水印嵌入之前,對水印進行編碼或加密預處理。DAF48E84-D850-42A6-ACD2-F01DE4E09875

    從神經網絡中選擇一層的權重作為待嵌入水印的載體,記為W∈RS×S×D×L,其中? S,D,L分別為卷積濾波器的大小,輸入到卷積層的深度和卷積層中濾波器的個數(shù)。如果后續(xù)層的參數(shù)被重新排序,濾波器的順序不會影響網絡的輸出,為了消除濾波器順序的任意性,故采用均值濾波器,沿著輸出通道計算可得到權重的均值

    2.2水印嵌入與提取過程

    為保證主機網絡在原始任務中的性能,選擇在訓練主機網絡時直接嵌入水印。使用一個參數(shù)正則化器,它是原始任務原始成本函數(shù)中的一個附加項,具有正則化的代價函數(shù)E(w)定義為

    2.3水印質量評價指標

    對于提取的水印從肉眼直觀可能看不出差異,故采取一些客觀性指標來評價[19],在客觀評價水印質量時,采用峰值信噪比(PSNR)和結構相似性(SSIM)2個經典的指標來評價。

    3不同形式水印信息測試

    3.1嵌入影響分析

    使用CIFAR-10[20]訓練WRN神經網絡,該數(shù)據(jù)集由60 000張32×32的彩色圖像組成,共有10個類,包括50 000張訓練圖像與10 000張測試圖像,在訓練時將水印嵌入到神經網絡的參數(shù)中,每一次迭代設置Batch_size為64,每一次訓練迭代多次,迭代次數(shù)越多效果越佳。

    圖4顯示有和沒有水印的模型參數(shù)w的分布,其中圖4(a)為無水印模型參數(shù)的分布,圖4(b)和圖4(c)分別為嵌入二值圖像水印和灰度圖像水印模型參數(shù)的分布,這些參數(shù)只取自嵌入水印的一層。w參數(shù)數(shù)目是3×3×64×64,可以直觀的看出3種情況下模型參數(shù)分布一致,許多參數(shù)變得很大,并且在0附近出現(xiàn)一個峰值,并未顯著改變分布。

    圖5顯示了神經網絡模型的訓練損失函數(shù)圖,可以看出灰度圖像作為水印嵌入到神經網絡模型,其訓練損失函數(shù)與原模型相差較大,訓練損失E(w)大于未嵌入的情況。而二值圖像作為水印嵌入神經網絡模型訓練損失函數(shù)和與原始模型損失函數(shù)基本擬合,這表明01矩陣水印可以在不影響原始任務性能的情況下有效地嵌入。

    表1顯示各個水印信息對于訓練神經網絡模型準確度的影響,在經過訓練迭代50次時,3種情況下模型準確度均達到了90%以上,可以看出二值圖像水印的神經網絡模型與原模型準確度更為接近。

    綜上可得,二值圖像作為水?。?1矩陣水?。┣度氲缴窠浘W絡中不會改變初始神經網絡的性能,是一個較優(yōu)選擇。

    3.2提取結果

    首先分別將二值圖像和灰度圖像進行預處理,獲得256位向量作為水印,直接嵌入神經網絡的權重中,經統(tǒng)計二值圖像水印實驗結果如圖6所示,其中圖6(a)為嵌入的水印圖像,圖6(b)、圖6(c)、圖6(d)分別為訓練神經網絡時不同迭代次數(shù)下所提取的水印圖像,圖7顯示了灰度圖像水印提取結果,隨著epoch次數(shù)增加,神經網絡中權重的更新次數(shù)也相應增加,模型的精度也會更好,嵌入水印效果更好。對于圖像水印直接觀察可以看到區(qū)別,100次的迭代效果明顯更加。

    對水印作客觀評價,將嵌入的水印與提取的水印進行對比,二值圖像水印PSNR和SSIM值見表2,灰度圖像水印評價指標見表3,PSNR值和SSIM值皆為值越大效果越好,隨著epoch數(shù)量的增加,提取的水印質量也逐步變好,相比較之下,二值圖像提取前后結構相似性更好,效果更好。

    4水印信息加密影響測試

    4.1常用方法加密

    為了保護隱私,在水印嵌入之前需對水印進行預處理,對二值圖像采用3種加密算法進行加密,分別為Arnold變換、按位異或加密以及行列像素置亂,將加密后的圖像作為水印嵌入到神經網絡中,對提取后的圖像對應解密,即可得到提取的的水印。圖8,圖9,圖10分別顯示了經Arnold變換、按位異或加密行列像素置亂后的水印圖像嵌入與提取對比。可以從視覺觀察到,Arnold變換和行列像素置亂這2種加密算法效果較好,而按位異或加密存在明顯差異。

    4.1.1Arnold變換

    Arnold變換[21]的加密方法是通過變換把圖像變得“雜亂無章”,達到加密信息的目的。Arnold變換算法簡單,具有周期性和對稱性[22],變換周期大小與圖像大小即N有關,呈非線性關系。

    4.1.2按位異或加密

    按位異或加解密過程:首先需要獲取原始圖像的大小,再利用Python的隨機函數(shù)生成與原始圖像大小一致的密鑰圖像,分別獲取原始圖像與密鑰圖像的像素值,并將其轉化為二進制,再將轉化的二進制進行異或運算得到新的一組數(shù)據(jù),最后將此數(shù)據(jù)轉化為十進制,通過矩陣轉圖像的方法可得到加密圖像,解密同理,將加密圖像與密鑰圖像進行異或運算就可恢復原始圖像。

    4.1.3行列像素置亂

    行列像素置亂加解密過程:首先利用Matlab函數(shù)Size()獲取圖像大小即行列各像素點的個數(shù),再根據(jù)圖像的大小利用Randsample函數(shù)產生同等數(shù)量的隨機向量,最后利用此隨機數(shù)對圖像分別進行行與列像素置亂從而實現(xiàn)加密,解密是采用同樣的密鑰對加密圖像進行列置亂,就可以恢復至初始圖像。

    4.2性能影響分析

    對提取的水印質量作以客觀評價,選擇了2種較為經典的圖像對比評價指標:峰值信噪比與結構相似性,將加密后的水印嵌入到神經網絡之中,提取出來再進行解密,評價其提取前后PSNR與SSIM值,表4表5顯示評價結果??梢钥闯霾捎眯辛邢袼刂脕y方法加密水印其提取結果結構相似性更高,而按位異或加密其結果最差并不適用于對水印圖像進行預處理,實驗結果表明,采用二值圖像作為水印嵌入到神經網絡中不會改變初始神經網絡的性能,對于水印信息加密應選擇行列像素置亂加密算法。

    5結論

    1)通過分析圖像域和神經網絡域中有效水印算法的需求,對水印信息進行了優(yōu)化,將簡單的二進制串優(yōu)化為二值圖像與灰度圖像。對于不同水印形式進行了分析和測試,通過實驗得出嵌入水印的模型與未嵌入水印的模型參數(shù)分布一致,嵌入水印并不會改變原始網絡的性能。DAF48E84-D850-42A6-ACD2-F01DE4E09875

    2)為了更好的保護隱私,在嵌入水印之前對水印進行了預處理,選擇了3種加密算法,其中包括Aronld變換、按位異或加密以及行像素置亂加密,對提取出來的3種水印信息綜合比較,評價其PSNR值和SSIM值得出采用行列像素置亂加密算法加密水印的提取效果較優(yōu)。

    3)文中的水印嵌入方法可以在不影響原始任務性能的情況下有效地嵌入水印,采用行列像素置亂的二值圖像作為水印,嵌入到神經網絡中不會改變初始神經網絡的性能,是一個較優(yōu)選擇。雖對水印信息進行了優(yōu)化,但在訓練神經網絡模型時由于設備限制均采取小批次訓練,對于已嵌入水印的神經網絡模型沒有進行攻擊,在后續(xù)研究中將對其魯棒性進行評估。

    參考文獻(References):

    [1]ZHANG Z M,LI R Y,LEI W.Adaptive watermark scheme with RBF neural networks[C]//International Conference on Neural Networks & Signal Processing.Nanjing,China,Dec.14-17,2003:1517-1520.

    [2]UCHIDA Y,NAGAI Y,SAKAZAWA S,et al.Embedding watermarks into deep neural networks[C]//International Conference on Multimedia Retrieval,Bucharest,Romania,Jun.6-9,2017:269-277.

    [3]JIA Y,SHELHAMER E,DONAHUE J,et al.Caffe:Convolutional architecture for fast feature embedding[C]//Proceedings of the 22nd ACM International Conference on Multimedia.Orlando,F(xiàn)lorida,USA,2014(3-7):675-678.

    [4]BERGSTRA J,BREULEUX O,BASTIEN F,et al.Theano:A CPU and GPU math expression compiler[J].Proceedings of the Python for Scientific Computing Conference(Scipy),2010,4(3):1-7.

    [5]TOKUI S,OKUTA R,AKIBA T,et al.Chainer: A deep learning framework for accelerating the research cycle[C]//Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining.Alaska:Association for Computing Machinery,2019:2002-2011.

    [6]MERRER E L,PEREZ P,TREDAN G.Adversarial frontier stitching for remote neural network watermarking[J].Neural Computing and Applications,2020,32(13):9233-9244.

    [7]XUE M,WU Z,HE C,et al.Active DNN IP protection:A novel user fingerprint management and DNN authorization control technique[C]//2020 IEEE 19th International Conference on Trust,Security and Privacy in Computing and Communications(TrustCom).Guangzhou,China,Nov.10-13,2020:975-982.

    [8]CHEN H L,ROUHANI B D,F(xiàn)U C,et al.Deepmarks:A secure fingerprinting framework for digital rights management of deep learning models[C]//ICMR19:Proceedings of the 2019 on International Conference on Multimedia.Ottawa,Canada,2019(10-13):105-113.

    [9]KURIBAYASHI M,TANAKA T,F(xiàn)UNABIKI N.Deep watermark:Embedding watermark into DNN model[C]//2020 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference(APSIPA ASC).Auckland,New Zealand,Dec.7-10,2020:1340-1346.

    [10]FENG L,ZHANG X P.Watermarking neural network with compensation mechanism[C]//Engineering and Management(KSEM 2020),Hangzhou,China,Aug.28-30,2020:363-375.DAF48E84-D850-42A6-ACD2-F01DE4E09875

    [11]WANG T,KERSCHBAUM F.RIGA:Covert and robust white-box watermarking of deep neural networks[C]//International World Wide Web Conference Committee,Ljubljana,Slovenia,Apr.19-23,2021:993-1004.

    [12]SAKAZAWA S,MYODO E,TASAKA K,et al.Visual decoding of hidden watermark in trained deep neural network[C]//2019 IEEE Conference on Multimedia Information Processing and Retrieval(MIPR).San Jose,California,USA,Mar.28-30,2019:371-374.

    [13]NAGAI Y,UCHIDA Y,SAKAZAWA S,et al.Digital watermarking for deep neural networks[J].International Journal of Multimedia Information Retrieval,2018,7(1):3-16.

    [14]LI Z,HU C,ZHANG Y,et al.How to prove your model belongs to you:A blind-watermark based framework to protect intellectual property of DNN[C]//Proceedings of the 35th Annual Computer Security Applications Conference.New York:Association for Computing Machinery,2019:126-137.

    [15]JEBREEL N M,DOMINGO-FERRER J,SANCHEZ D,et al.KeyNet:An asymmetric key-Style framework for watermarking deep learning models[J].Applied Sciences,2021,11(3):999-1010.

    [16]WANG Y C,TAO L M,PAN Z C,et al.Pulsar candidate classification with deep convolutional neural networks[J].Research in Astronomy and Astrophysics,2019,19(9):119-128.

    [17]LECUN Y,BOTTOU L,BENGIO Y,et al.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE,1998,86(11):2278-2324.

    [18]CHOROMANSKA A,HENAFF M,MATHIEU M,et al.The loss surfaces of multilayer networks[C]//Proceedings of the 18th International Conference on Artificial Intelligence and Statistics(AISTATS)2015,California:Eprint Arxiv,2015:192-204.

    [19]佟雨兵,張其善,祁云平.基于PSNR與SSIM聯(lián)合的圖像質量評價模型[J].中國圖象圖形學報,2006(12):1758-1763.TONG Yubing,ZHANG Qishan,QI Yunping.Image quality assessing by combining PSNR with SSIM[J].Journal of Image and Graphics,2006(12):1758-1763.

    [20]KRIZHEVSKY A,HINTON G.Learning multiple layers of features from tiny images[J].Handbook of Systemic Autoimmune Diseases,2009,1(4):1-60.

    [21]廖日軍,李雄軍,徐健杰,等.Arnold變換在二值圖像置亂應用中若干問題討論[J].深圳大學學報(理工版),2015,32(4):428-433.LIAO Rijun,LI Xiongjun,XU Jianjie,et al.Discussions on applications of Arnold transformation in binary image scrambling[J].Journal of Shenzhen University(Science and Engineering),2015,32(4):428-433.

    [22]陳寶文,陳彥安.基于Arnold變換與混沌系統(tǒng)的位級圖像加密[J].信息通信,2020,4(10):36-39.CHEN Baowen,CHEN Yanan.Bit-level image encryption based on Arnold transform and chaotic system[J].Information & Communications,2020,4(10):36-39.DAF48E84-D850-42A6-ACD2-F01DE4E09875

    猜你喜歡
    版權保護
    自媒體生態(tài)下網絡出版版權保護探究
    圖書出版版權保護的困境與出路思考
    科技傳播(2019年23期)2020-01-18 07:58:34
    影響圖書出版產業(yè)效益的版權保護關鍵要素研究*
    中國出版(2019年23期)2020-01-11 08:23:14
    中文科技期刊版權保護存在的問題與解決策略
    科技傳播(2019年24期)2019-06-15 09:30:02
    版權保護與文化強國建設關系探討
    數(shù)字版權保護技術應用產業(yè)聯(lián)盟正式成立
    出版人(2017年8期)2017-08-16 11:45:36
    當前傳統(tǒng)媒體版權保護的難點及對策
    傳媒評論(2017年3期)2017-06-13 09:18:10
    互聯(lián)網環(huán)境下的音樂版權保護
    知識產權(2016年7期)2016-12-01 07:01:06
    傳統(tǒng)媒體版權保護面臨八大難關
    新聞傳播(2016年9期)2016-09-26 12:20:15
    論圖書編輯的版權保護意識
    出版與印刷(2016年3期)2016-02-02 01:20:12
    午夜免费男女啪啪视频观看| 午夜视频国产福利| 夫妻性生交免费视频一级片| av在线观看视频网站免费| 国内揄拍国产精品人妻在线| 久久韩国三级中文字幕| 国产久久久一区二区三区| 日韩成人伦理影院| 在线观看av片永久免费下载| 亚洲av福利一区| 一边摸一边抽搐一进一小说| 久久久久久久久久久丰满| 亚洲成av人片在线播放无| 国产免费一级a男人的天堂| 国产精品av视频在线免费观看| 国产精品日韩av在线免费观看| 午夜老司机福利剧场| 亚洲精品456在线播放app| 成年av动漫网址| 搞女人的毛片| 久久久午夜欧美精品| 国产精品三级大全| 1024手机看黄色片| 啦啦啦观看免费观看视频高清| 精品国产一区二区三区久久久樱花 | 国产 一区 欧美 日韩| 精品酒店卫生间| 深夜a级毛片| 嫩草影院精品99| 久99久视频精品免费| 一级爰片在线观看| 国产高潮美女av| 亚州av有码| 日韩欧美精品免费久久| 男女那种视频在线观看| 我的老师免费观看完整版| 最近最新中文字幕免费大全7| 国产成人a∨麻豆精品| 国产v大片淫在线免费观看| 久久久久免费精品人妻一区二区| 久久久久久九九精品二区国产| 亚洲自偷自拍三级| 日韩高清综合在线| 国产亚洲av片在线观看秒播厂 | 身体一侧抽搐| 欧美精品国产亚洲| 51国产日韩欧美| 国产淫语在线视频| 成人毛片60女人毛片免费| 亚洲av成人av| 51国产日韩欧美| 午夜视频国产福利| av免费观看日本| 一个人免费在线观看电影| 青春草国产在线视频| 亚洲国产日韩欧美精品在线观看| 3wmmmm亚洲av在线观看| 偷拍熟女少妇极品色| 91精品伊人久久大香线蕉| 久久久久性生活片| 丝袜喷水一区| 精品一区二区三区人妻视频| 日本猛色少妇xxxxx猛交久久| 国产老妇伦熟女老妇高清| 国产成人精品一,二区| 日本黄色视频三级网站网址| 长腿黑丝高跟| 少妇熟女欧美另类| 国内精品一区二区在线观看| 精品一区二区免费观看| 亚洲五月天丁香| 亚洲国产精品久久男人天堂| 亚洲国产高清在线一区二区三| 国产私拍福利视频在线观看| 日韩制服骚丝袜av| 老司机影院成人| 午夜精品一区二区三区免费看| 亚洲av二区三区四区| 亚洲美女视频黄频| 久久午夜福利片| 国产av一区在线观看免费| 夫妻性生交免费视频一级片| 精品久久久久久电影网 | 你懂的网址亚洲精品在线观看 | 看黄色毛片网站| 又粗又爽又猛毛片免费看| 男女国产视频网站| 国产精品蜜桃在线观看| 插逼视频在线观看| 男女国产视频网站| 精品99又大又爽又粗少妇毛片| 小蜜桃在线观看免费完整版高清| 国产午夜精品久久久久久一区二区三区| av在线天堂中文字幕| 久久精品国产99精品国产亚洲性色| 特级一级黄色大片| 亚洲av成人精品一二三区| 亚洲高清免费不卡视频| 日本一本二区三区精品| 久久精品人妻少妇| 一区二区三区四区激情视频| 国产91av在线免费观看| 永久网站在线| 日韩三级伦理在线观看| 成人av在线播放网站| 麻豆一二三区av精品| 男人舔奶头视频| 久久久精品欧美日韩精品| 国产乱来视频区| 欧美日韩国产亚洲二区| 日韩制服骚丝袜av| 午夜福利视频1000在线观看| 久久久欧美国产精品| 久久99精品国语久久久| 少妇裸体淫交视频免费看高清| 欧美3d第一页| 欧美激情久久久久久爽电影| 99久久中文字幕三级久久日本| 18禁裸乳无遮挡免费网站照片| 又黄又爽又刺激的免费视频.| 人妻夜夜爽99麻豆av| 国产一区二区亚洲精品在线观看| 久热久热在线精品观看| 免费观看在线日韩| 男女国产视频网站| 亚洲图色成人| 国产爱豆传媒在线观看| 国产高清有码在线观看视频| 久久久久久久久久久丰满| 国产免费福利视频在线观看| 国产亚洲午夜精品一区二区久久 | 亚洲最大成人手机在线| 精品久久久久久久人妻蜜臀av| 国产极品天堂在线| 两个人视频免费观看高清| 亚洲国产精品久久男人天堂| 亚洲激情五月婷婷啪啪| 精品免费久久久久久久清纯| 久久久a久久爽久久v久久| 亚洲精品aⅴ在线观看| 欧美性猛交黑人性爽| 国产69精品久久久久777片| 久久久久国产网址| 中文精品一卡2卡3卡4更新| 国产麻豆成人av免费视频| 国产伦理片在线播放av一区| 我的女老师完整版在线观看| 简卡轻食公司| 国产精品.久久久| 国产精品一及| 成年免费大片在线观看| 成人亚洲欧美一区二区av| 欧美精品国产亚洲| 亚洲精品456在线播放app| 国产老妇女一区| 国产国拍精品亚洲av在线观看| 一级黄片播放器| 伊人久久精品亚洲午夜| 国产国拍精品亚洲av在线观看| 日本黄色片子视频| 亚洲国产高清在线一区二区三| 欧美性猛交黑人性爽| 久久久久久久国产电影| 国产免费一级a男人的天堂| 深爱激情五月婷婷| 99久久成人亚洲精品观看| 我的老师免费观看完整版| 美女xxoo啪啪120秒动态图| 精品99又大又爽又粗少妇毛片| 寂寞人妻少妇视频99o| 国产视频首页在线观看| 亚洲国产精品国产精品| 国产精品国产三级专区第一集| 亚洲av熟女| 国产 一区 欧美 日韩| 波多野结衣高清无吗| 狠狠狠狠99中文字幕| 久久久久久久亚洲中文字幕| 日本色播在线视频| 国产亚洲精品久久久com| 午夜免费男女啪啪视频观看| 亚洲av男天堂| 超碰97精品在线观看| 在线a可以看的网站| 精品久久久久久久久av| 晚上一个人看的免费电影| 亚洲第一区二区三区不卡| 欧美性猛交黑人性爽| 精品99又大又爽又粗少妇毛片| 午夜福利网站1000一区二区三区| 色播亚洲综合网| 夜夜爽夜夜爽视频| 最新中文字幕久久久久| 非洲黑人性xxxx精品又粗又长| 少妇高潮的动态图| a级毛片免费高清观看在线播放| 在线免费观看不下载黄p国产| 欧美变态另类bdsm刘玥| 日韩三级伦理在线观看| 欧美极品一区二区三区四区| 大话2 男鬼变身卡| 精品久久久久久久末码| 91精品一卡2卡3卡4卡| 国产 一区精品| 国产在视频线精品| 人人妻人人看人人澡| 亚洲欧美日韩无卡精品| 99久国产av精品国产电影| 日韩成人伦理影院| 日本猛色少妇xxxxx猛交久久| 亚洲av电影不卡..在线观看| 国产高潮美女av| 女人十人毛片免费观看3o分钟| 国产成人精品一,二区| 成人三级黄色视频| 最近2019中文字幕mv第一页| 在线观看66精品国产| 丰满乱子伦码专区| 中文字幕人妻熟人妻熟丝袜美| 日韩av在线免费看完整版不卡| 少妇猛男粗大的猛烈进出视频 | 中文亚洲av片在线观看爽| 九九热线精品视视频播放| 亚洲国产精品久久男人天堂| 成人三级黄色视频| 国产精华一区二区三区| 女人久久www免费人成看片 | 亚洲中文字幕日韩| 毛片一级片免费看久久久久| 91狼人影院| 国产高清视频在线观看网站| 日本三级黄在线观看| 日韩一本色道免费dvd| 一个人观看的视频www高清免费观看| 一级毛片aaaaaa免费看小| 黄片wwwwww| 亚洲欧美中文字幕日韩二区| 一个人看的www免费观看视频| 色哟哟·www| 精品99又大又爽又粗少妇毛片| 国产三级中文精品| 精品一区二区三区视频在线| 日韩,欧美,国产一区二区三区 | 精品少妇黑人巨大在线播放 | 久久久久免费精品人妻一区二区| 亚洲国产欧美人成| 啦啦啦观看免费观看视频高清| 男女下面进入的视频免费午夜| 亚洲成人久久爱视频| 亚洲av二区三区四区| 我要看日韩黄色一级片| 亚洲在线观看片| 欧美日韩精品成人综合77777| 国产黄色视频一区二区在线观看 | 久久久久网色| 欧美区成人在线视频| 偷拍熟女少妇极品色| 精品国内亚洲2022精品成人| 国产欧美另类精品又又久久亚洲欧美| 亚洲av不卡在线观看| ponron亚洲| 丰满少妇做爰视频| 国产精品.久久久| 欧美性猛交╳xxx乱大交人| 成人综合一区亚洲| 久久亚洲精品不卡| 久热久热在线精品观看| 亚洲精品亚洲一区二区| 好男人在线观看高清免费视频| 黄色配什么色好看| 免费大片18禁| 久久这里有精品视频免费| 亚洲伊人久久精品综合 | 在线观看av片永久免费下载| 久久久国产成人免费| 国产黄片美女视频| 卡戴珊不雅视频在线播放| 人人妻人人看人人澡| 国产精品人妻久久久影院| 一卡2卡三卡四卡精品乱码亚洲| 精品人妻偷拍中文字幕| 午夜免费激情av| 人妻制服诱惑在线中文字幕| 日本爱情动作片www.在线观看| 亚洲人成网站在线观看播放| 亚洲内射少妇av| 精品久久久久久久久久久久久| 亚洲精品成人久久久久久| 亚洲欧美一区二区三区国产| 亚洲电影在线观看av| 男女视频在线观看网站免费| 国产精品.久久久| 我要搜黄色片| 看黄色毛片网站| 长腿黑丝高跟| 精品国内亚洲2022精品成人| 长腿黑丝高跟| 免费人成在线观看视频色| 我的女老师完整版在线观看| 中文在线观看免费www的网站| 日本午夜av视频| 免费在线观看成人毛片| 亚洲精品久久久久久婷婷小说 | 精品不卡国产一区二区三区| 99久久无色码亚洲精品果冻| 亚洲国产精品合色在线| av视频在线观看入口| 亚洲欧美成人精品一区二区| 青春草亚洲视频在线观看| 大又大粗又爽又黄少妇毛片口| 久久99热这里只有精品18| 国产精品久久久久久久久免| av国产免费在线观看| 一级黄片播放器| 欧美一区二区精品小视频在线| 最后的刺客免费高清国语| 国产白丝娇喘喷水9色精品| 国产精品女同一区二区软件| 97超碰精品成人国产| 久久人人爽人人爽人人片va| 欧美一级a爱片免费观看看| 国产精品一及| 国产大屁股一区二区在线视频| 搡女人真爽免费视频火全软件| 99久国产av精品| 日产精品乱码卡一卡2卡三| 麻豆成人午夜福利视频| 国产精品综合久久久久久久免费| 水蜜桃什么品种好| 22中文网久久字幕| 午夜激情福利司机影院| 在线观看av片永久免费下载| 在线免费观看不下载黄p国产| 日韩欧美 国产精品| 男人的好看免费观看在线视频| 国产精品.久久久| 久久6这里有精品| 国产伦在线观看视频一区| 成人特级av手机在线观看| 啦啦啦观看免费观看视频高清| 国产精品国产三级国产av玫瑰| 日本三级黄在线观看| 最新中文字幕久久久久| 免费看日本二区| 只有这里有精品99| 建设人人有责人人尽责人人享有的 | 一边亲一边摸免费视频| 青春草视频在线免费观看| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | av卡一久久| 99久久九九国产精品国产免费| 国产高清有码在线观看视频| 伦理电影大哥的女人| 搡老妇女老女人老熟妇| 日本熟妇午夜| 久久6这里有精品| 黄色配什么色好看| 18禁在线无遮挡免费观看视频| 亚洲国产精品合色在线| av卡一久久| 亚洲成色77777| 亚洲aⅴ乱码一区二区在线播放| 国产免费男女视频| 69人妻影院| 欧美激情国产日韩精品一区| 亚洲av熟女| 国产精品一区二区三区四区免费观看| 亚洲精品影视一区二区三区av| 国产精品国产高清国产av| 亚洲欧美日韩卡通动漫| .国产精品久久| 欧美成人一区二区免费高清观看| 精品熟女少妇av免费看| 国产精品嫩草影院av在线观看| 精品不卡国产一区二区三区| 禁无遮挡网站| 国内精品美女久久久久久| 日韩高清综合在线| 日韩,欧美,国产一区二区三区 | 国内精品一区二区在线观看| 搡老妇女老女人老熟妇| 欧美变态另类bdsm刘玥| 国产亚洲91精品色在线| 久久精品熟女亚洲av麻豆精品 | 欧美zozozo另类| 日本熟妇午夜| 18禁在线无遮挡免费观看视频| 一级黄色大片毛片| 亚洲欧美清纯卡通| 欧美精品一区二区大全| 狂野欧美白嫩少妇大欣赏| 天天躁夜夜躁狠狠久久av| 非洲黑人性xxxx精品又粗又长| 汤姆久久久久久久影院中文字幕 | 亚洲在线观看片| 久久人人爽人人爽人人片va| 看黄色毛片网站| 成人漫画全彩无遮挡| 久久久欧美国产精品| 一级二级三级毛片免费看| 久久久久免费精品人妻一区二区| 成人午夜高清在线视频| 国产精品一区二区在线观看99 | 最近的中文字幕免费完整| 久久久午夜欧美精品| 国产69精品久久久久777片| 精华霜和精华液先用哪个| 如何舔出高潮| 亚洲怡红院男人天堂| 久久久久久久久久久丰满| 国产精品,欧美在线| av在线老鸭窝| 有码 亚洲区| 精品久久久久久久人妻蜜臀av| 久久久久久大精品| 国产精品不卡视频一区二区| 日本爱情动作片www.在线观看| 少妇高潮的动态图| 免费观看的影片在线观看| 国产免费福利视频在线观看| 在线免费观看不下载黄p国产| 自拍偷自拍亚洲精品老妇| 亚洲一区高清亚洲精品| 男人舔女人下体高潮全视频| 久久人妻av系列| 变态另类丝袜制服| 91精品一卡2卡3卡4卡| 久久99热这里只频精品6学生 | 搡老妇女老女人老熟妇| 一级黄色大片毛片| 国产精品久久久久久精品电影小说 | 亚洲高清免费不卡视频| 身体一侧抽搐| 99热这里只有是精品在线观看| 五月伊人婷婷丁香| 久久人妻av系列| 有码 亚洲区| 国产伦理片在线播放av一区| 尤物成人国产欧美一区二区三区| 亚洲综合色惰| 99久久精品一区二区三区| 深爱激情五月婷婷| 欧美最新免费一区二区三区| 在现免费观看毛片| 亚洲精品,欧美精品| 国产v大片淫在线免费观看| 亚洲怡红院男人天堂| 亚洲av成人精品一区久久| 国产精品日韩av在线免费观看| 国产伦一二天堂av在线观看| 国产精品久久视频播放| 成人毛片a级毛片在线播放| 麻豆精品久久久久久蜜桃| 91av网一区二区| 久久精品国产鲁丝片午夜精品| 亚洲国产欧洲综合997久久,| 啦啦啦韩国在线观看视频| 淫秽高清视频在线观看| 精品酒店卫生间| 99久久精品国产国产毛片| 91久久精品电影网| 麻豆av噜噜一区二区三区| 亚洲欧洲国产日韩| 青春草视频在线免费观看| 欧美性感艳星| 亚洲经典国产精华液单| 大香蕉97超碰在线| 亚洲精品日韩在线中文字幕| 国产精品久久电影中文字幕| 免费不卡的大黄色大毛片视频在线观看 | 国产亚洲精品av在线| 久久精品久久精品一区二区三区| 日本黄色视频三级网站网址| 麻豆乱淫一区二区| 亚洲av成人精品一二三区| 午夜精品一区二区三区免费看| 嫩草影院精品99| 三级经典国产精品| 亚洲欧美中文字幕日韩二区| 免费观看a级毛片全部| av线在线观看网站| 国产国拍精品亚洲av在线观看| 久久久久免费精品人妻一区二区| 欧美成人一区二区免费高清观看| 中文字幕av成人在线电影| 极品教师在线视频| 国产精品国产三级国产av玫瑰| 久久久欧美国产精品| 69av精品久久久久久| 精品国产露脸久久av麻豆 | 亚洲久久久久久中文字幕| 精品午夜福利在线看| 中文资源天堂在线| 亚洲高清免费不卡视频| 久久精品人妻少妇| 欧美成人午夜免费资源| 高清av免费在线| 日韩国内少妇激情av| 美女cb高潮喷水在线观看| 亚洲精品乱码久久久久久按摩| 欧美极品一区二区三区四区| 一边亲一边摸免费视频| 亚洲最大成人中文| 欧美色视频一区免费| 精品人妻视频免费看| 亚洲国产精品久久男人天堂| 久久久久久久午夜电影| 九草在线视频观看| 久久久国产成人免费| 亚洲成人中文字幕在线播放| 国产色婷婷99| 综合色丁香网| 国产成人精品久久久久久| 麻豆精品久久久久久蜜桃| www.色视频.com| 久久久欧美国产精品| 精品久久久久久久末码| 午夜日本视频在线| 九九爱精品视频在线观看| 麻豆国产97在线/欧美| 岛国毛片在线播放| 国产老妇伦熟女老妇高清| 91av网一区二区| 久久人妻av系列| 美女xxoo啪啪120秒动态图| 美女脱内裤让男人舔精品视频| 少妇熟女欧美另类| 国产私拍福利视频在线观看| 亚洲无线观看免费| 一区二区三区乱码不卡18| 亚洲激情五月婷婷啪啪| 在线播放国产精品三级| 我要看日韩黄色一级片| 国产av码专区亚洲av| 在线免费观看不下载黄p国产| 九九久久精品国产亚洲av麻豆| 少妇的逼水好多| 午夜福利在线观看吧| 神马国产精品三级电影在线观看| 久久精品国产亚洲av天美| 日本猛色少妇xxxxx猛交久久| 精品酒店卫生间| 亚洲欧美一区二区三区国产| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲自偷自拍三级| 免费看光身美女| 中文乱码字字幕精品一区二区三区 | 久久久久精品久久久久真实原创| 大又大粗又爽又黄少妇毛片口| av视频在线观看入口| 欧美精品一区二区大全| 欧美成人午夜免费资源| 国产高清国产精品国产三级 | 午夜激情福利司机影院| 久久久久久伊人网av| 免费av观看视频| av国产久精品久网站免费入址| 2022亚洲国产成人精品| 在线播放国产精品三级| 美女xxoo啪啪120秒动态图| 亚洲第一区二区三区不卡| 亚洲精品456在线播放app| 99在线人妻在线中文字幕| 亚洲色图av天堂| 国产美女午夜福利| 日日撸夜夜添| av在线亚洲专区| 男人和女人高潮做爰伦理| 黄片wwwwww| 亚洲人成网站在线观看播放| 国语对白做爰xxxⅹ性视频网站| 亚洲成人精品中文字幕电影| 欧美97在线视频| 岛国在线免费视频观看| 男女啪啪激烈高潮av片| 中文在线观看免费www的网站| 视频中文字幕在线观看| 国产精品综合久久久久久久免费| 亚洲国产精品国产精品| 国产精品女同一区二区软件| 我的老师免费观看完整版| 亚洲不卡免费看| 一级毛片电影观看 | 日韩av在线大香蕉| 婷婷色麻豆天堂久久 | 久久久久久大精品| 国产精品久久久久久久电影| 免费看av在线观看网站| 亚洲av成人av| 欧美最新免费一区二区三区| 欧美3d第一页| 有码 亚洲区| 国产老妇女一区| 嘟嘟电影网在线观看| 久久久久久久午夜电影| 熟女电影av网| 成人亚洲精品av一区二区| 高清av免费在线| 在线a可以看的网站| 久久精品国产99精品国产亚洲性色| 麻豆国产97在线/欧美| 美女脱内裤让男人舔精品视频| 国产精品久久久久久久久免| 丰满乱子伦码专区| 成年女人看的毛片在线观看| 精品久久久久久成人av| 亚洲国产精品sss在线观看| 啦啦啦观看免费观看视频高清| 美女内射精品一级片tv| 国产三级在线视频| 国产免费又黄又爽又色| 色播亚洲综合网| 黄片无遮挡物在线观看| 免费一级毛片在线播放高清视频| 国产精品久久视频播放|