基于信息量估计法的MIDI音频隐写分析

为了保障网络信息安全,提出一种针对MIDI格式的专用音频隐写分析算法具有重要的意义。分析了MIDI音频LSB替换机制,提取特征量力度值进行统计分析,采用信息量估计法针对MIDI音频进行LSB隐写检测分析。实验表明,信息量估计法在嵌入率较大时,漏检率和虚警率都较低,可以作为MIDI音频的专用隐写分析方法。     

MIDI音频的LSB匹配隐写分析方法

针对MIDI音频的LSB匹配隐写,提出一种基于力度平滑度转换率的隐写分析方法,原始MIDI音频力度分量分布不规则性强,载密后不规则性减弱,用力度分量平滑度转换率表征MIDI音频不规则性。通过实验训练转换率阈值并进行分类,鉴别MIDI音频是否载密。实验表明,当LSB匹配隐写嵌入容量超过10%时,所提出的方法有很好的检测效果。     

基于隐写工具的自相关特性进行音频隐写分析

基于对同一隐写工具在同一音频载体中嵌入不同加密数据时载体特征量的统计观察,发现隐写工具存在自相关性。由此,提出了一种采用支持向量机对音频信号及其线性预测误差的统计特征进行分类来检测音频隐写的新方法。这种方法不仅能可靠地确定音频文档中秘密信息的存在性,同时还可以确定其所用的隐写工具。针对Hide4PGP、Stegowav和Steghide三种隐写工具的实验结果表明,这种音频隐写分析技术具有良好的性能。     

基于小波包分解的图像信息隐写盲检测

基于小波包分解,提出了一类新的具有较高检测正确率的图像信息隐写盲检测方法.首先对图像进行小波包分解得到多个子带,从子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对LSB、SS、Jsteg、F5及MB等典型隐写的实验表明:此方法相比现有的典型盲检测方法,正确检测率提高约7.5%～17.2%,且具有更好的通用性.此外,还讨论了整数和非整数小波包分解对检测结果的影响.     

空域LSB信息伪装的隐写分析及其对策

回顾了几种针对空域LSB信息伪装的隐写分析方法,包括直方图攻击,RS分析方法和几种通用盲检测方法,同时指出只需要对传统LSB替换方法作很小的改动就可以避开前两种攻击方法,完善了矩阵编码方法,提出了基于分组码理论构造高效信息伪装编码的完整方案,指出采用高效编码方案可以大大降低通用盲检测算法的可靠性。     

一种基于图像内容的最低有效位匹配隐写分析方法

将隐藏信息检测与图像内容分析相结合是当前提高图像隐写分析性能的一个新方向。与基于图像整体内容的检测方法不同,该文分析了最低有效位(Least Significant Bit LSB)匹配隐写对图像子区域统计特性的影响,提出一种新的联合判决检测方法。首先依据图像内容复杂度将整体图像分割为若干类子区域,其次采用两组不同的滤波器分类提取各子区域像素序列直方图频谱特征,之后用各类子区域特征分别训练Bayes分类器以获得其权重,最后对待测图像的每一个子区域进行分类检测,并将结果加权融合得到最终判决。实验结果表明,该方法对LSB匹配隐写的检测性能优于现有典型方法。     

基于时频域特征的直接扩频音频隐写分析

借鉴语音压缩编码的理论模型与方法,对wav音频预处理之后,在频域分析短时离散傅里叶变换（STFT）域的频谱响应曲线;在时域构造全极点模型,分析预测残差,得出了一组对音频直接扩频（DSSS）隐写高度敏感的时频域联合统计特征。并利用层次向量机（H-SVMs）设计二级分类器,提出了一种新的隐写分析方法,不仅可以检测音频是否进行了隐写,还能进一步检测隐写是在FFT、MCLT域,DCT、MDCT域还是DWT域进行的。实验结果表明,此方法对于多种变换域的数据隐藏方法,平均检测准确率达90％以上。     

基于图像像素划分的主动隐写分析

隐写分析的研究主要集中于隐写检测,而对主动隐写分析研究的较少。该文从隐写检测角度出发,将图像像素划分为不同类点,通过对信息嵌入、最低位平面置反带来的各类点频次变化的分析,提出一种针对空域图像LSB (Least Significant Bit) 替换隐写术的主动隐写分析方法,解决了主动隐写分析中的密钥恢复问题。所提出的方法物理意义直观,实现简单。实验结果表明,该方法在一定嵌入率范围内均可成功恢复隐写密钥。     

一种基于PSOSVM的盲隐写分析方法

针对盲隐写分析中的特征选择问题,提出了结合粒子群优化算法（PSO）的支持向量机分类器进行特征选择的方法。该方法使用非线性支持向量机作为分类器,使用PSO为支持向量机寻找最优的图像特征集合作为训练集和测试集,同时选择最优的支持向量机参数,进而利用最优的特征集和支持向量机参数对隐写图像进行检测。实验结果表明,该优化方法明显优于Farid。ANOVA和F—score方法,提高了检测隐写图像的成功率和系统检测效率。     

基于分段STC的音频隐写算法

在隐写领域中,STC（syndrome-trellis code）隐写编码是时下最为先进的隐写算法之一。提出了一种基于STC的隐写算法——分段STC。该算法利用分段、局部优化,可有效降低载体失真。首先对音频最低有效位（least significant byte,LSB）载体流进行了分段切割,随后利用最佳子校验矩阵将分段的密信嵌入分段载体中。该隐写算法在现有的语音样本库TIMIT库以及通过网络歌曲自制的样本库上进行了隐写实验。实验结果表明,该思路下的算法可以有效地降低载体的失真元素个数和提高隐写算法的不可检测性。本文算法相较于传统STC算法,失真元素个数的优化程度最高可达到24%;对比同类音频隐写算法,本文算法生成的隐写后音频具备更加优秀的不可感知性能。     

一种基于LSB序列局部特征的通用隐写检测方法

基于短重码间距统计的隐写检测方法对LSB匹配等隐写技术有良好的检测性能.然而该方法为适应不同的应用场合,需要选择适当的短重码维数.这种一元统计分析方法无法考虑多个特征之间存在的联系,从而影响检测能力.本文分析证明了单个短重码间距统计变量的检测能力规律,给出了可减少检测次数的合理选择短重码维数的方法.基于短重码间距统计特征变量之间的相关性选择特征子集,构造局部特征描述向量,进而提出一种基于LSB序列局部特征的通用隐写检测方法.该方法采用GMM生成模型描述多维局部特征,并基于全局序列词汇设计融合GMM生成模型与SVM判别方法的分类器.实验结果表明:本文方法在有效控制虚警率的前提下,对LSB匹配隐写和LSB替换隐写都有较好的检测性能.     

Audio steganalysis of DSSS based on statistical moments of histogram

Compared with the histogram of Discrete Cosine Transform (DCT) coefficients before the Direct Sequence Spread Spectrum (DSSS) embedding, the peak value of the histogram after the em-bedding decreases and expands toward the border. Based on the property, an audio steganalysis of DSSS based on statistical moments of histogram is proposed. The statistical moments of the histogram in DCT domain and its frequency domain and the statistical moments of the histogram of the wavelet coefficients of every level in frequency domain are calculated as the features of classification. Support Vector Machine (SVM) is exploited as the classifier. Experimental results show that the proposed technique is effective on the DSSS embedding in DCT domain using different embedding length, and the average detection rate is 91.75%.     

A blind audio steganalysis based on feature fusion

In this paper, we present a blind steganalysis based on feature fusion. Features based on Short Time Fourier Transform (STFT), which consists of second-order derivative spectrum features of audio and Mel-frequency cepstrum coefficients, audio quality metrics and features on linear prediction residue are extracted separately. Then feature fusion is conducted. The performance of the proposed steganalysis is evaluated against 4 steganographic schemes: Direct Sequence Spread Spectrum (DSSS), Quantization Index Modulation (QIM), ECHO embedding (ECHO), and Least Significant Bit embedding (LSB). Experiment results show that the classifying performance of the proposed detector is much superior to the previous work. Even more exciting is that the proposed methodology could detect the four steganography, with 85%+ classification accuracy achieved in all the detections, which makes the proposed steganalysis methodology capable of being regarded as a blind steganalysis, and especially useful when the steganalyzer are without the knowledge of the steganographic scheme employed in data embedding.     

基于区域相关性的LSB匹配隐写分析

LSB匹配通过随机地修改像素值的LSB,打破了LSB替换的值对关系,使得安全性有了质的提高.针对灰度图像空间域LSB匹配算法,以8邻域内像素与中心像素的像素值差值定义区域内像素之间的相关性,分析嵌入信息对相关性的影响,提出了基于区域相关性的检测算法,与已有算法相比,该算法复杂度低,运算简单并且误检率低,当嵌入率高于0.3时检测结果具有较高的可靠性.     

Block-Based Adaptive Image Steganography Using LSB Matching Revisited

Recently, an edge adaptive image steganographic method based on least significant bit (LSB) matching revisited (EA-LSBMR) has been proposed, which holds good visual quality and proper security under appropriate embedding rates. However, from the extensive experiments to EA-LSBMR, we find that the discrete Fourier transform (DFT) spectrum of pixelpairs differences histogram still reveals the presence of a secret message even in a low embedding rate. To enhance the security, a modified scheme is proposed in this paper, which can defeat the above-mentioned analysis and keep the visual quality better than EA-LSBMR in higher embedding rates. Experimental results using a latest universal steganalysis method have demonstrated the proposed method's good performance.     

基于直方图的音频信息隐藏检测

基于信息隐藏引起的幅度直方图变化,提出了一种音频位平面信息隐藏检测方法.通过该方法不仅可以检测待测音频是否包含隐藏信息,还能识别信息嵌入位平面.该方法已在计算机上进行了实验,结果表明,对连续和随机间隔嵌入算法均有较高检测率.     

一种可抵抗RS掩密分析方法的掩密算法

Fridrich提出的RS掩密分析方法,适合于检测采用随机嵌入的LSB掩密算法,不但可以检测信息的存在,还可以检测出嵌入信息的长度。文中对现有的空域LSB掩密算法加以改进,使改进后的算法可以抵抗RS攻击,从而进一步提高了LSB掩密算法的安全性。