针对自适应隐写的通用隐写分析研究

数字图像是隐写领域使用最多的载体之一。在实际应用中,待检测图像经何种隐写算法被嵌入秘密信息往往是未知的,因此可检测未知隐写算法的通用分析方法非常重要。为此,针对数字图像自适应隐写术提出一种新的通用隐写分析方法,在综合考虑不同自适应隐写术对载体图像统计特性影响的基础上提取特征,通过学习得到可对未知隐写术进行准确检测的隐写分析工具。实验表明,利用该方法对未知隐写算法进行检测可达到相当高的准确率。     

k均值聚类的混合异构图像隐写分析

提出了一种基于k均值聚类的混合异构图像隐写分析算法. 在训练阶段,根据图像纹理复杂度对图像库
进行聚类,并针对每一类图像训练相应的分类器. 在测试阶段,根据测试图像的纹理复杂度对其进行类别判断,然
后送至相应类别的分类器中进行隐写检测,从而减弱了失配状态对现有隐写分析算法造成的影响. 实验结果表明,
该算法较好地提高了现有隐写分析算法的检测精度.     

基于神经机器翻译的文本隐写方法

深度学习促进了自然语言处理技术的发展，基于文本生成的信息隐藏方法表现出了巨大的潜力.为此，提出了一种基于神经机器翻译的文本信息隐藏方法，在翻译文本生成过程中进行信息嵌入.神经机器翻译模型使用集束搜索（Beam Search）解码器，在翻译过程中通过Beam Search得到目标语言序列各位置上的候选单词集合，并将候选单词依据概率排序进行编码；然后在解码输出目标语言文本的过程中，根据秘密信息的二进制比特流选择对应编码的候选单词，实现以单词为单位的信息嵌入.实验结果表明，与已有的基于机器翻译的文本信息隐藏方法相比，该方法在隐藏容量方面明显提升，并且具有良好的抗隐写检测性和安全性.     

混合蛙跳优化决策面的LSB±k隐写算法

针对现有智能优化改进隐写不能对高维特征同时进行优化的问题,提出了一种混合蛙跳优化决策面的改进LSB±k隐写算法(记为SFLA-LSB±k).不同于其他优化改进隐写中尽可能减少图像载密前后某种特征变化的策略,在SFLA-LSB±k中,通过优化载密图像的特征变化,使载密图像特征变化方向随机化,导致分类器无法训练出一个能对载体与载密图像进行分类的决策面,从而达到抵抗分析的目的.实验结果表明,与标准的LSB±k隐写和相关PSO优化改进LSB±k隐写相比,SFLA-LSB±k有效提高了LSB±k的安全性,特别是当k取1时,该算法针对78维特征隐写分析的AUC值可下降到0.5637.     

基于组合赋权及TOPSIS的隐写分析算法综合评估

分析了隐写分析技术在不同背景下的应用需求,提出了一种基于组合赋权及逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)的隐写分析算法性能评估方法.该方法包含检测率、虚警率、可靠性、检测误差及算法运行速度等5个指标,先用熵权法确定指标权重,再根据层次分析法进行主观赋权,最后用TOPSIS实现对隐写分析算法的综合评估.实验结果表明,该方法可针对不同的性能指标要求选出最优的隐写分析算法,且对隐写分析算法性能的改进具有指导意义.     

基于J-UNIWARD的改进隐写算法

为了进一步提高自适应隐写算法的安全性,本文引进图像分块的思想,改写了原J-UNWARD算法的失真函数,变加性失真函数为非加性失真函数。载体图像被分为4个子块,分别计算每个子块的纹理复杂度以嵌入总量不变为约束条件,优先嵌入复杂度较大的块,每嵌入一块完成后重新计算失真函数,根据复杂度大小动态调整每个子块的嵌入量。利用STC（syndrome trelliscodes）编码将秘密信息自适应地嵌入到纹理区域,最后采用DCTR和ccJRM两种隐写分析技术进行检测分析。实验结果表明：在相同容量下,改进算法能显著提高算法的抗隐写分析能力。     

基于新的失真代价函数的自适应JPEG隐写

为了提高隐写的安全性,提出了基于一种新失真代价函数的自适应JPEG 隐写算
法. 考虑到纹理区域更有利于信息嵌入,本算法通过非零量化DCT 系数的绝对值加权和来
度量DCT 子块的纹理程度,并引入均匀嵌入思想,设计出了一种新的失真代价度量函数;同
时利用STC（syndrome trellis codes）编码将嵌入修改均匀地分散在任意数量级的非零量化
DCT 系数上,实现了秘密信息自适应地嵌入到载体的纹理区域中. 实验结果表明,在同等低
嵌入率下,该方法的安全性优于同类隐写算法.     

基于直方图局部平滑度的LSB匹配隐写分析

针对LSB 匹配的嵌入机制,提出了一种基于直方图局部平滑度的隐写分析方法. 通过邻域差分像素值选取图像的平坦区域,提取包括灰度直方图平滑度、共生矩阵、差分直方图、差分共生矩阵的局部平滑度和峰值等在内的15 维特征,并引入二次嵌入过程消除图像内容差异带来的影响,结合Fisher 线性分类器实现隐写检测. 实验 结果表明,文中算法对于LSB匹配的检测具有较高的准确度,对于NRCS和UCID图像库均表现了良好的检测性能.     

基于超图的图像隐写方法

提出了一种基于超图的图像隐写方法. 该方法先对像素分组,再根据像素之间的可交换关系构造超边,用超边的集合（超图）来表示图像,用局部最优的贪婪算法寻找超图的匹配来完成隐秘信息的嵌入. 为了说明该方法的有效性,在对载体图像修改方面,与传统的基于图论的隐写方法进行比较;在抗攻击性能方面,与已有的其他空间域方法进行实验比较. 实验结果表明,相对于基于图论的方法,文中提出的方法对载体图像像素的修改更小,增强了含密图像的视觉质量,其抗攻击性能也优于现有的其他空间域方法.     

基于构造纹理图像的数字隐写

提出一种通过构造纹理图像来隐藏信息的新型隐写方法。隐写者首先构建一个包含多种不同特征的单元库,用来表征二进制数据与图形单元之间的映射关系;根据秘密信息从单元库中选取图形,并确定图形在白纸上的摆放位置,绘制一幅含有隐写单元的图像;随后在其中添加背景元素,并通过可逆形变操作来生成一幅具有复杂纹理结构的含密图像。接收端在提取信息时,根据密钥对含密图像进行逆操作,去除背景图形后使用匹配滤波器识别源图像中的图形,通过分析其摆放位置和图形特征来提取秘密数据。实验结果表明,该方法生成的含密图像具有良好的视觉效果,使秘密数据得到了很好的隐蔽,而且通过调整参数还可以隐藏任意数量的秘密信息。     

一种基于图像内容的隐写分析方法

数字图像已成为信息隐藏的一类重要载体,然而不同内容的图像对隐写分析呈现出不同的检测性能. 该文基于图像信源区域平稳马尔可夫特性,用方差度量图像的区域复杂度,运用四叉树分割方法对图像进行递归分解,提取对数字隐写较为敏感的平坦区域,并从这些区域提取游程长度直方图统计矩特征,最后结合支持向量机实现隐藏信息检测. 实验结果表明,依据图像内容分割出敏感区域进行隐写分析可有效改善检测性能.     

信息隐藏研究展望

网络信息有3类,分别用于描述客观世界、记录人类行为、描述虚拟世界。现有信息隐藏技术大多以第1类信息为载体,以轻微修改载体数据的方式进行隐蔽通信,并保证感知逼真与统计逼真。该文在总结载体修改式信息隐藏的基础上,重点探讨以后两类信息为伪装的非载体修改式的新型信息隐藏方法,介绍了适合于特定载体类型的半构造式信息隐藏、完全构造式信息隐藏及行为信息隐藏的基本形式与代表性方法。信息隐藏的形态在新的网络环境下将不断发展变化,各种信息媒介均可作为秘密信息的伪装,因此努力开展新型信息隐藏研究将大大有助于占据新时期信息战的主动地位。     

一种新的湿纸码自适应信息隐藏方法

摘要： 基于湿纸码“不依靠载体元素本身传递信息”的特性,提出一种新的以图像位平面为载体的湿纸码自适应信息隐藏算法(wet paper code adaptive teganography,WPCAS). 通过研究图像中载密位平面小块复杂性的统计特性,建立了符合人眼视觉遮蔽效应的自适应选择规则. 使用该选择规则能精确分割位平面的类噪声区和平滑区,将秘密数据隐藏在视觉隐蔽性好的位平面类噪声区,从而增强了秘密信息的不可觉察性. 同时,采用湿纸码使该方法的选择规则和载密元素集对接收者完全透明,基于规则的攻击对WPCAS完全失效,因而抗攻击性能得以提高. 与经典位平面复杂度分割(bit-plane complexity segmentation, BPCS)以及基于BPCS的改进算法的比较实验表明,WPCAS在增大嵌入容量、改善载密图像质量以及提高信息隐藏安全性方面具有优势.     

用半监督聚类算法实现WEB文本挖掘

随着Internet网络的高速发展,海量的未标签文档和相对少量的已标签文档是当前Web文档的一个普遍情形,如何有效的利用少量的已标签文档去聚类海量的未标签文档,从而更好地获取有价值的信息,即半监督学习问题,已成为当前研究的热点.本文针对目前Web文本挖掘领域的无监督学习算法的检测率不高,而监督学习算法需要大量的标签数据又不易获得的问题,将半监督中的标签绑定技术与优化球形k-均值聚类算法相结合进行Web文本挖掘,并使用真实的测试数据对Web文本挖掘系统进行实验.结果表明本文方法对有价值文本具有较高检测率及较低的误报率,整体检测性能优于基于监督和无监督学习的Web文本挖掘算法.     

融合音频、文本、表情动作的多模态情感识别

针对机器识别人类情感过程中的精度不高、泛化能力不强等问题,提出了一种基于语音、文本和表情动作的3种模态情感识别融合方法。在语音模态中,设计深度波场延拓和改进波动物理模型,模拟长短期记忆（long short-term memory, LSTM）网络的序列信息挖掘过程;在文本模态中,利用含有多头注意力机制的Transformer模型捕捉语义上潜在的情感表达;在表情动作模态中,将提取面部表情和手部动作的序列特征与双向三层含有注意力机制的LSTM模型相结合。最终提出一种多性能指标下的模态融合方案,以实现高精度的、强泛化能力的情感识别。在通用的交互式情感二元运动捕捉语料库IEMOCAP中,将所提出的方法与现有的情感识别算法进行对比,实验结果表明：所提出的算法在单个模态和多个模态中的识别精度均较高,平均精度改善达到16.4%和10.5%,有效提升了人机交互中情感识别的能力。     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.