基于ideal-SIS（ideal small integer solution）的一个变种，改进了Damien Stehle的陷门生成算法。利用改进的陷门生成算法对Stehle的选择明文攻击（CPA）安全方案进行了改进，然后结合SWIFFT压缩函数，提出了一种在标准模型下达到适应性选择密文攻击下的不可区分性（IND-CCA2）安全的混合加密方案。在该陷门产生过程中节省了n log q bit的描述位；与原有方案相比，新方案一次加解密的字符长度从n log q bit提高到了m×n log q。基于上述改进，新方案在运行所需的时间和空间效率方面有了很大的提高。

通过区分性稀疏编码从单个图像中去除雨水

matlab精度检验代码联合概率分布适应（JPDA） 该存储库包含用于域自适应的简单但有效的区分联合概率MMD（DJP-MMD）的代码。 我们通过将其嵌入联合概率域适应（JPDA）框架来验证其性能。 下图显示了DJP-MMD和联合MMD之间的区别。 更多细节请看 与传统的MMD方法相比，JPDA具有更简单的形式，并且在测量不同域之间的差异方面更有效。 在六个图像分类数据集上的实验证明了JPDA的有效性。 表1中显示了Multi-PIE数据集的平均精度。在大多数任务中，JPDA优于所有基于联合MMD的方法，与JDA相比，其准确性提高了4.69％ 。 运行代码 该代码是MATLAB代码在Windows 10系统中工作的。 代码文件介绍： demo_classify_office.m-演示文件，有关数据集Office + Caltech上的12个跨域图像分类任务的JPDA。 demo_classify_other.m-演示文件，数据集COIL，USPS和MNIST上的4个跨域图像分类任务的联合概率分布自适应（JPDA）。 demo_classify_pie.m-演示文件，有关数据集Multi

已有的短比较加密（SCE,short comparable encryption）方案能在确保物联网数据安全的前提下通过比较密文数据大小而推出明文数据大小。但 SCE 方案在密文比较以及生成标签的过程中会引入大量的计算和存储开销。为此，提出一种基于滑动窗口技术统一开窗的高效短比较加密（SCESW,short comparable encryption based on sliding window）方案。严格的安全分析表明，SCESW方案在标准模型下满足弱不可区分性且保障了数据的完整性和机密性。同时，实验性能分析表明，SCESW方案的存储开销是SCE方案的

研究多态性时间戳水印的不可区分性

图像表示的鲁棒性和区分性概念分解

通过分析不同区分性训练目标函数之间的关系,以MMI(Maximum Mutual Information)作为分离度量,