| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究概况 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| ·论文的结构 | 第13-14页 |
| 2 信息隐藏和隐密分析的研究现状 | 第14-21页 |
| ·引言 | 第14页 |
| ·信息隐藏的概述 | 第14-16页 |
| ·信息隐藏的一般模型 | 第16-18页 |
| ·信息隐藏的主要应用 | 第18页 |
| ·隐密分析的现状 | 第18-20页 |
| ·小结 | 第20-21页 |
| 3 信息隐藏在关系数据库数字水印中的应用 | 第21-52页 |
| ·引言 | 第21页 |
| ·数字水印技术 | 第21-27页 |
| ·数字水印的研究内容及分类 | 第21-24页 |
| ·数字水印技术的主要应用 | 第24-25页 |
| ·数字水印技术的特征与通用模型 | 第25-27页 |
| ·关系数据库数字水印的特征 | 第27-32页 |
| ·关系数据库数据与多媒体数据的差异 | 第27-28页 |
| ·关系数据库数字水印特性 | 第28页 |
| ·关系数据库的几种数字水印技术 | 第28-31页 |
| ·关系数据库数字水印的攻击 | 第31-32页 |
| ·Shehab的基于优化思想的关系数据库数字水印算法 | 第32-38页 |
| ·算法模型 | 第32页 |
| ·嵌入bit水印算法 | 第32-34页 |
| ·最佳判决门限 | 第34-35页 |
| ·该算法的特点及存在的不足 | 第35-38页 |
| ·基于信息隐藏技术的数值属性关系数据库数字水印算法 | 第38-47页 |
| ·算法模型 | 第38-39页 |
| ·算法描述 | 第39-41页 |
| ·数据分段的算法 | 第41页 |
| ·提取函数的算法 | 第41-42页 |
| ·基于图像的信息隐藏算法 | 第42页 |
| ·实验结果及鲁棒性分析 | 第42-47页 |
| ·基于信息隐藏技术的非数值属性关系数据库数字水印算法 | 第47-50页 |
| ·算法模型 | 第48页 |
| ·基于Lagrange插值的预处理过程 | 第48-49页 |
| ·实验结果 | 第49-50页 |
| ·小结 | 第50-52页 |
| 4 基于集成学习的JPEG图像隐密分析技术 | 第52-66页 |
| ·引言 | 第52-53页 |
| ·集成学习的理论基础 | 第53-56页 |
| ·集成学习的起源 | 第53-54页 |
| ·集成学习的构成 | 第54-55页 |
| ·集成学习的作用 | 第55页 |
| ·集成学习存在的不足 | 第55-56页 |
| ·集成学习的主要算法 | 第56-61页 |
| ·AdaBoost算法简介 | 第56-58页 |
| ·Bagging算法简介 | 第58-59页 |
| ·AdaBoost& Bagging理论分析 | 第59-61页 |
| ·基于Fisher线性分类器的集成学习隐密分析实验 | 第61-63页 |
| ·利用AdaBoost的隐密分析算法 | 第61页 |
| ·实验结果与分析 | 第61-63页 |
| ·基于神经网络的集成学习隐密分析实验 | 第63-65页 |
| ·利用AdaBoost的隐密分析算法 | 第63页 |
| ·实验结果与分析 | 第63-65页 |
| ·小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-73页 |
