一种基于无监督学习的MB1隐写分析方法

为了提高针对混杂小样本集的MB1隐写算法的检测率,提出了一种泛化能力较强的MB1隐写分析方法.通过分析多种图像特征,在离散余弦变化(DCT)域选取对隐写敏感易变的特征,包括变分特征、块边界度量特征、共生矩阵特征和马尔可夫特征组成的108维特征向量,并以无监督学习中的支持向量数据描述法(SVDD)为分类器,使用含有混杂样本的小样本集进行训练,测试算法对隐写图像的检测率.实验结果表明,当检测相对嵌入率为40%以上的隐写图像时,检测率可靠度达到96%以上,明显高于其他2种基于支持向量机的经典算法.这说明本方法打破了其他方法对训练样本集的限制,提高了对混杂小样本集的MB1隐写算法的检测率.但由于它对混杂样本具有一定的容忍度,对较小嵌入率的隐写图像的检测率稍低.     

一种基于浅层卷积神经网络的隐写分析方法

为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则化以及使用单层全连接层的方式,提高隐写分析网络的泛化性能。实验结果表明,针对S-UNIWARD隐写算法,在嵌入率为0.4 bpp和0.1 bpp时,检测准确率分别能达到96%和81.7%,同时在载体库源及嵌入率失配情况下,该方法仍能保持较好的检测性能。     

基于基音延迟组内相关性的AMR隐写分析算法

AMR作为移动互联网的语音压缩编码标准被广泛应用,同时也为隐写提供了新的载体.由于基音延迟参数所存在的预测不准确性,现有隐写算法通过对基音延迟参数进行微量调整以隐藏信息.文中对AMR编码算法的基音延迟预测编码特征进行分析,发现了AMR帧内各子帧基音延迟之间相关性的差异,提出了基于子帧组组内一阶Markov转移概率的隐写分析特征,并与基音延迟二阶差分Markov转移概率特征组合,构建新的隐写分析算法.实验结果表明:在混合训练的环境中,文中算法的检测正确率较现有算法明显提升,尤其在低嵌入率情况下性能提升显著;在10%相对嵌入率的情况下,隐写样本的检测正确率较现有算法提升1%～10%.     

一种基于循环码的自适应图像隐写方法

在自然图像各部分嵌入相同量的隐秘信息,对载体失真度和安全性的影响各不相同,为使嵌入信息量在载体各部分合理分布,文章将载体分块像素复杂度与隐写编码相结合,利用一簇循环隐写编码在载体各部分的合理运用,提出一种基于循环隐写码的自适应图像隐写算法.算法以载体分块像素复杂度为指导,自适应地选择适合不同分块的循环隐写编码方式嵌入隐秘信息.实验表明,算法在相同嵌入量下相较LSB匹配算法和使用单一隐写编码的算法,失真度更低且载体统计分布的改变更小,在失真度和统计分布改变相近时相较使用单一隐写编码,嵌入容量更大.     

HCGAN:一种基于GAN的高容量信息隐藏算法

针对现有信息隐藏算法存在隐写容量低、信息提取困难以及安全性差等问题,本文提出了一种基于生成对抗网络的高容量信息隐藏算法（High Capacity Information Hiding Algorithm Based on GAN,HCGAN）.在秘密信息嵌入方面,使用基于Im-Residual结构的编码器将秘密信息嵌入载体图像中,避免了秘密信息嵌入时由卷积层提取特征导致的信息损失.在秘密信息提取方面,使用基于稠密结构的解码器从含秘图像中提取出秘密信息,利用特征复用来增加秘密信息的提取率.在抗隐写分析方面,利用基于隐写分析的鉴别器与基于Im-Residual结构的编码器进行对抗训练,以提高含秘图像的抗隐写分析能力.实验表明,经过对抗训练后,HCGAN在2 bpp嵌入率下比WOW和S-UNIWARD在0.4 bpp嵌入率下具有更低的隐写分析检测率.     

基于量化表修改的F5隐写方法

传统的F5隐写方法采用标准的量化表量化后用矩阵编码的方法来嵌入信息,其安全性较高但隐写容量非常小.提出了一种改进的基于量化表修改的F5隐写方法(IQTM-F5),采用给定的量化表量化和新的信息嵌入策略以避免传统的"退化"现象.实验结果表明:改进的隐写方法与传统F5隐写方法相比,不仅极大程度地增加了隐写容量,提高了嵌入效...     

矩阵编码在空域LSB掩密算法的安全性研究

针对矩阵编码与空域LSB相结合是否有可能提高隐写算法的安全性这个问题,用RS和Fridrich在2004年提出的最新估计LSB嵌入长度的方法对矩阵编码的LSB算法进行了估计.通过计算隐写图的R块和S块的变化规律,从矩阵编码的本质出发,对实验结果做了深入的分析.分析结果表明,将矩阵编码与空域LSB相结合并不能提高算法的安全性.     

安全性限制下的隐写容量分析

运用网络信息论中率失真及随机编码等理论对安全性限制下的隐写容量进行了研究,利用强联合典型序列方法得到了隐写容量的下界,并在特定条件下给出了隐写容量的上界.研究结果表明:在没有安全性限制下,与Moulin关于一般信息隐藏系统容量的研究结果一致;而Moulin关于绝对安全条件下的隐写容量分析结果只是在此情形下的特例.此外,还对当前较流行的一种基于图像的隐写算法--LSB随机嵌入算法的信息传输率及隐写容量进行了研究,发现二者之间存在着一定的差距.     

一种针对LSB匹配隐写的视频隐写分析方法

针对视频LSB匹配隐写,提出了一种基于区域相关性原理,通过构造区域相关性图直接提取载体或载密视频帧特征,应用中值滤波去除不同视频载体之间的特征差异,逐帧进行视频隐写分析的方法.实验结果表明,该算法能有效检测每帧均进行嵌入且嵌入率仅为p=0.1时的视频,而且在只对20%的视频帧进行混合嵌入的情况下,也能达到90.91%的正确检测率.     

结合改进矩阵编码的奇异值修改视频隐写算法

针对当前视频隐写算法鲁棒性较低以及对载体修改率较大等问题,提出一种结合改进矩阵编码的奇异值修改视频隐写算法.先对视频帧进行分块,然后取出每块中的最大奇异值,并根据改进的矩阵编码进行信息嵌入.实验结果表明:算法具有较好的视觉不可见性,并在修改率较小的前提下具有较大的嵌入容量,并对视频载体的比特率影响较小,在模拟网络环境中噪声、滤波攻击后位错率(BER)较小.