H.264对象级视频内容改检测方法
目前，强大的视频编辑软件可以灵活地对视频内容进行各种修改。这一方面给人们的编辑带来了方便，另一方面也可能被用于对视频内容的非法篡改。针对目前最迫切需要解决的视频内部对象篡改检测问题，提出了一种高效的检测算法。该算法通过共谋算子提取目标视频的运动残差帧，并利用隐写分析特征提取器提取能应用于内容篡改检测的统计特征，可以有效地检测对象级的视频内容篡改，精确定位篡改的视频段。
非法二维码鉴别技术
由于当前二维码广泛被用于移动支付及产品防伪，被复制的二维码可被攻击者非法利用从而造成严重经济损失。针对这一问题，采用局部二值化模式特征（LBP)和频谱混叠特征的分析手段，结合生成与获取设备的物理特性，如各设备对二维码图像信号的采样频率和信号重采样的失真，对二维码的来源进行识别，从而最终对非法复制操作取得有效的取证。
音频取证的关键技术
音频取证是司法取证的重要组成部分，其主要任务是对音频媒体数据的真实性、原始性等方面进行鉴定，其关键技术涵盖了对时域篡改、压缩录音、录音来源等的检测。
伪造录音的检测技术
目前伪造手段主要包括翻录、合成语音及电子变调的语音，它们的主要目标是攻击语音身份识别系统，或者是对自我身份进行伪装。这几种技术都可以达到很高的音质水平，人耳难以区分，需要专门的技术进行取证。
可恢复的数字语音检测方法
将原始语音信号压缩为少量的样本，作为用于篡改恢复的信号，并将帧号映射为用于篡改定位的序列。该方法能精确地定位被攻击的语音帧之外，对被攻击的内容能够有效进行恢复。
图像篡改区域定位技术
图像的篡改定位技术可在图像中找出篡改的物体，并精确定位篡改区域。经过图像处理软件篡改过的肉眼难以辨认的微小篡改，可通过该项技术准确地识别于定位。
图像拷贝的检测技术
从一个图像中将部分物体拷贝到另一个图像是一种常见的篡改方法。在拷贝过程之后，还可能有变形、修剪等处理。检测图像中的物体是一项有。
信息隐藏与对抗
基于数字隐写的隐蔽通信
采用以隐写为手段的信息隐藏技术，将秘密信息隐藏在普通载体的冗余部分，不改变载体感官质量，使监听者无法区分普通载体和含密载体，从而实现隐蔽通信。针对数字图像特点，进行载体统计建模，提出复杂度优先、代价扩散、同步修改方向等原则，进行最小化失真自适应隐写，具有较佳的抗隐写分析安全性能。
物理层的隐写术及其对抗技术
物理层信息安全主要是利用每个设备自身物理特性的唯一性、以及空间信道的唯一性，来保护通信的安全性和隐秘性。利用物理层信道编码的冗余性和无线信道的随机性，研究基于隐写术的隐秘信道建立及其检测方法。
二维码的安全认证技术
由于物联网技术的快速发展，二维码技术得到广泛应用。为了提高二维码的安全性，防止被非法复制伪造，我们研究常见二维码的复制策略，利用二维码的真实打印扫描信道特征，嵌入安全认证信息，来起到防止复制的效果。
深度学习隐写分析
基于大数据环境下的深度学习JPEG图像隐写分析框架，通过在深度学习框架中包含已有JPEG图像隐写分析富模型的领域知识，加入卷积、量化和截断等操作，经ImageNet大数据图像库实验证明具有稳定高效的隐写图像检测性能。
针对型隐写分析
针对信息同向嵌入增强隐写图像安全性的策略，我们提出了一种图像像素采样降低信息同向嵌入强度的隐写检测方法，通过此方法，能够提高对于信息同向隐写掩密图像的检测性能。
自适应隐写分析
选择信道自适应图像隐写分析框架，通过预先计算图像所有像素嵌入信息的概率，在提取隐写分析特征时根据嵌入概率自适应地调整权值，使较高嵌入概率的图像纹理部分的特征权值更大，极大地提升了已有隐写分析算法的检测性能。
视觉处理与人工智能安全
图像特征分析与修复
图像在具有几何方向性的小框架系统分解下，提取与分析完备空间中多频带图像局部高频特征信息。
视频的超分辨率重建处理
构造出能够检测图像边缘不同方向变化特征的样条几何小框架系统，应用于图像还原、超分辨重建等领域。
并行磁共振成像pMRI重建与分析
构造出具有方向性的八领域小框架系统，提取图像八领域每个方向的图像特征，具有更少的计算复杂度，应用于pMRI重建算法。基于磁共振成像数据和基因组学数据，建立深度典型相关分析模型，分析MRI数据与基因组数据之间的关联，推断出与疾病发生发展密切相关的变化。
面向超高维数据的子空间学习方法
多媒体内容分析中所获取的数据常呈现出超高维的特性，数据的特征维度会远大于总体样本数目。针对这一问题，我们研究多层子空间集成学习方法，学习超高维数据的多层子空间结构，并对各层子空间的学习结果进行融合，以获得数据的整体学习结果。
深度多模相似函数学习
针对媒体数据特征的多样性，利用深度学习模型，构建基于多模特征的深度相似函数学习方法。该方法结合多深神经网络，融合多模特征信息，有效解决媒体数据样本相似性度量的问题。
图像来源取证的机器学习方法
针对在图像安全问题中由设备与环境差异所造成的源域与目标域特征分布不一致及目标域样本吝乏的问题，采用通信信道模型与迁移学习方法对特征空间进行映射及正则化，从而解决图像安全中的关键问题。
