PVD图像隐写算法的安全分析及改进

PVD(pixel-value differencing,像素差值)隐写算法具有嵌入容量高和不可见性好的优点。但原始的PVD算法容易受到直方图分析的攻击。为提高安全性而提出的修正算法,仍然存在不足。基于对原始和修正PVD算法的分析,提出了PVD改进算法,在保持PVD算法优点的同时,提高了掩密图像的PSNR值,并增强了PVD算法抵御差分直方图分析攻击的能力。     

基于Multiwavelet广义高斯模型的图像盲隐写分析

针对目前图像盲隐写分析中提取的特征的有效性不高问题,提出了一种新的基于Multiwavelet广义高斯模型的图像盲隐写分析算法.采用Multiwavelet变换对样本图像进行多尺度分解,并使用广义高斯模型对每个子带的Multiwavelet系数进行建模,提取参数特征.利用这些参数特征训练支持向量机SVM(support vector machine)构成盲隐写分析算法的分类检测器.通过对大量图像样本进行测试,实验结果表明,和经典的Farid方法相比,提出的盲隐写分析算法提取的图像特征更加有效,具有更高的正确检测率.     

基于直方图差异的模型隐写分析

基于模型(Model-Based,MB)的隐写方法可以保持JPEG载体图像的直方图在隐写前后几乎不变,使秘密信息具有良好的统计隐蔽性.根据MB隐写使得图像平坦区域和纹理区域的DCT系数分布变得相似这一线索,提出一种新的隐写分析方法,通过考察纹理较丰富的内容中的DCT系数直方图与全局DCT系数直方图之间的差异情况来分析图像是否经过MB隐写.实验结果表明,该方法可有效击破MB隐写.     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

基于LSSVM的JPEG图像隐写分析算法

构造了一种基于最小二乘支持向量机的针对JPEG图像的隐写分析方法，在DCT域和空间域上提取了JPEG图像的18维特征向量，利用LSSVM构建分类器，并根据嵌入算法的种类设定分类器的输出，以达到检测秘密信息的存在性和判别使用何种隐写算法实施信息嵌入的目的，针对Jsteg，F5，MB三类最常用的JPEG图像隐写算法进行了二分类和四分类的实验，结果表明，构建二分类器进行载密图像检测时，正确率较高；构建多分类器检测载密图像、判断其使用的隐写算法时，对于高嵌入量的载密图像有着较高的判断正确率。     

IP语音隐写及隐写分析研究

随着IP语音(voice over IP, VoIP) 的快速发展,基于VoIP的隐写及其隐写分析逐渐成为信息安全领域的研究热点。总结和分析了近年来的IP语音隐写和隐写分析相关研究,并探讨该领域未来的研究方向。IP语音隐写根据其隐藏信息位置不同,可分为基于协议的隐写及分析和基于语音载荷的隐写及分析。前者是利用IP语音中的各类协议为载体,将信息嵌入到协议头部中的某些字段或通过调制IP语音包的时序来实现;后者则是通过修改语音载荷实现信息隐藏,包括基于最低有效位(least significant bit, LSB)的隐写,基于量化索引调制(quantized index modulation, QIM)的隐写和基于语音变化域回声等隐写。从协议和语音载荷两方面对IP语音分析技术进行了分类介绍。前者可分为协议头分析、时间序列分析、编码调制分析3类。后者包括基于特点语音参数（如线性预测参数、固定码本参数、自适应码本参数和所有参数）的隐写分析和基于语音信号处理的隐写分析方法。     

隐写对抗的博弈论建模

该文提出了以期望安全数据传输率作为支付函数的隐写博弈模型,建模了隐写方和攻击方之间的博弈对抗关系.根据相对嵌入率固定、以概率选择和自由选择三种不同情况,隐写对抗分别建模成矩阵博弈、贝叶斯博弈和二人零和无限博弈,得到博弈均衡条件和均衡局势下的期望安全数据传输率.隐写对抗模型的建立为隐写方和攻击方的最优策略选择提供了理论依据,对设计更安全的隐写算法具有一定的指导意义.     

基于参数特征偏移的神经网络隐写检测方法（英文）

目前,许多深度学习的预训练模型被发布出来用以帮助工程师和研究人员开发基于深度学习的系统或进行研究,从而减少了他们的工作量。过去的工作表明,秘密信息可以被嵌入到神经网络参数中且不影响模型的准确性,恶意开发者可以借此将恶意软件或其他有害信息隐藏到预先训练的模型中。因此,对这些隐写后的预训练模型进行可靠的检测非常重要。我们分析了现有的神经网络隐写方法,发现它们不可避免地会导致参数统计的偏差。针对LSB隐写,实验发现其会造成参数位平面随机性上的偏差;针对COR隐写和SGN隐写,实验发现其会造成参数分布上的偏差。基于这些偏差,我们提出神经网络隐写的隐写分析方法,即从良性和恶性模型中提取特征建立分类器。据我们所知,这是第一个检测神经网络隐写术的工作。实验结果表明,本文提出的检测算法能够可靠地检测出含有嵌入式信息的模型。值得注意的是,我们的检测方法即使在低负载下仍然有效。     

基于改进Fisher准则与极限学习机集成的图像隐写分析

集成分类器是目前图像隐写分析中广泛使用的分类器。针对集成分类器中基分类器受离群样本影响较大,集成策略效果不佳的缺点,提出一种基于改进Fisher准则与极限学习机集成的图像隐写分析算法。首先,通过重新定义类内散度矩阵以提高Fisher准则模型的准确性,之后基于改进的Fisher准则并使用Bagging算法训练若干基分类器,最后使用极限学习机作为元分类器来建立基分类器集合与正确决策之间的联系。实验结果表明,在不同的隐写算法与嵌入率的条件下,与传统集成分类器和基于选择性集成的集成分类器相比,所提算法降低了3.5%与1.8%的检测错误率,说明能够有效提高集成分类器的检测精度。     

对RS攻击的分析及抗RS攻击的隐写算法

基于位图的隐写分析方法较有效的检测算法是RS法，其检测率达到0．05bpp。通过对RS法的分析，提出一种针对该方法的隐写算法，使隐藏率达到0．2bpp。     

一种抗JPEG压缩和掩密分析的空间域图像信息隐藏算法

如何有效对抗掩密分析是信息隐藏研究的一个重要方向。提出了一种抗JPEG压缩和掩密分析的空间域图像信息隐藏算法：首先对载体图像和秘密图像分别置乱,然后对载体图像分块,在每块子图像中重复嵌入1bit信息;提取秘密信息时,先对含密图像置乱恢复和分块,然后在每块子图像中按照多数优先的原则提取1bit信息。实验表明,该算法不仅对...     

一种改进的局部区域特征医学图像分割方法

水平集分割方法中的Chan-Vese模型能够处理具有模糊边界和复杂拓扑结构的图像,但没有充分利用图像局部灰度的变化信息,致使其不能准确分割强度不均匀物体。针对这一问题对模型做了改进,引入局部灰度均值替换全局均值,以边界指示函数作权进行加权长度积分,加入使用双阱势的距离正则项来避免水平集重新初始化。试验结果表明:改进后的模型能够有效提高分割精度与效率,可以有效应用在医学图像的分割领域。     

基于颜色特征的改进图像检索算法

本文提出一种综合图像的颜色、灰度和空间信息提取特征向量的改进算法将图像从RGB空间转换成HSV空间,将彩色图像转换成黑白图像,并分别进行直方图量化后,进行相似度比较;改进颜色相关图的算法,提高颜色空间特征的检索效率.     

面向智能搜索引擎的用户兴趣特征模型研究

通过直接学习和反馈学习来挖掘智能搜索引擎用户的兴趣特征信息,并建立了兴趣特征库。提出了通过用户兴趣特征增量算法自动修改用户的兴趣特征权值。最后通过实例验证了用户兴趣特征模型在检索中应用的意义。     

一种改进Snake模型的边缘检测算法

在心脏核磁共振图像分割研究中，针对传统的Snake模型存在的问题，提出改进的Snake模型及其二阶段贪心优化算法。对人工合成图像和真实心脏MRI图像实验表明，改进后的模型具有如下特点：内部能量项物理意义直观清晰，且易于实现；对初始轮廓不太敏感，收敛范围扩大，且收敛速度提高，具有实际应用价值。     

基于改进Snake模型的医学图像分割

活动轮廓模型(Snake模型)被广泛应用于医学图像分割之中,传统的Snake模型在分割图像时要求初始轮廓线必须给定在图像边缘附近,且难以收敛到凹陷轮廓。本文针对Snake模型的这点不足,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的医学图像分割算法。该算法用梯度矢量流代替图像梯度进行外部能量的计算,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明:改进模型能够有效的分割心脏MRI图像,是一种有效的方法。     

基于改进稀疏编码模型的图像分类算法

针对图像表示,提出了一种基于改进稀疏编码模型的图像分类算法.首先,提取表示图像视觉局部特征的SIFT (Scale Invariant Feature Transform) 描述子;然后,利用稀疏编码方法生成基于SIFT描述子的视觉词汇库,将SIFT描述子编成稀疏向量;通过有效稀疏向量的区域融合和空间结合而获取整体的稀疏向量并用于图像表示;最后,采用随机森林多分类器对稀疏向量进行训练和测试.结果表明,与现有的算法相比,该算法的性能更佳,可以有效表示图像的特性并提高其分类的准确率.     

改进CLMC模型应用于医学图像滤波的研究

在分析CLMC模型（正则化P-M模型）的基础上,在扩散系数中加入二阶偏导数,提出了一种新的偏微分方程（PDE）模型,并采用基于半隐式方案的加法算子分裂算法（AOS）对新模型进行解算。选用MEDPIX医学图像数据库作为实验数据来源对新模型的滤波效果进行验证分析,实验结果表明,相较于CLMC模型,新模型依然能很好的平滑噪声,且在保持边缘细节方面有一定的提升。