基于显著性检测的图像隐写分析方法

针对图像隐写分析难度大、现有的检测模型难以对图像隐写区域进行针对性检测的问题,提出了一种基于显著性检测的图像隐写分析方法.该方法利用显著性检测技术引导隐写分析模型更加关注图像隐写区域的特征.首先,显著性检测模块生成图像的显著性区域;其次,区域筛选模块筛选出与隐写区域重合度较高的显著性图,利用图像融合技术与原始图像进行融...     

图像隐写分析研究综述

隐写术与隐写分析是信息安全领域中一个重要的课题.随着图像隐写的不断发展,为了防止技术被恶意者利用,提出了图像隐写分析技术.本文简单介绍图像隐写类别,并根据适用范围不同将隐写分析分为专用隐写分析和通用隐写分析,总结和归纳各算法的优缺点,探讨深度学习在图像隐写分析上的研究所面临的问题及发展趋势.     

基于深度学习的图像隐写分析综述

隐写术及隐写分析是信息安全领域研究热点之一.隐写术的滥用造成许多安全隐患,如非法分子利用隐写进行隐蔽通信完成恐怖袭击.传统隐写分析方法的设计需要大量先验知识,而基于深度学习的隐写分析方法利用网络强大的表征学习能力自主提取图像异常特征,大大减少了人为参与,取得了较好的研究效果.为了促进基于深度学习的隐写分析方法研究,对目...     

基于深度学习的图像隐写研究进展

图像隐写是信息安全领域的研究热点之一.早期隐写方法通过修改载体图像获得含密图像, 导致图像统计特性发生变化, 因此难以抵抗基于高维统计特征分析的检测.随着深度学习的发展, 研究者们提出了许多基于深度学习的图像隐写方法, 使像素修改更隐蔽、隐写过程更智能.为了更好地研究图像隐写技术, 对基于深度学习的图像隐写方法进行综述.首先根据图像隐写过程, 从3个方面分析了基于深度学习的图像隐写方法:1)从生成对抗网络和对抗样本2个角度介绍载体图像获取方法; 2)分析基于深度学习的隐写失真设计方法; 3)阐述基于编码-解码网络的含密图像生成方法.然后, 分析和总结了无载体图像隐写方法的优缺点, 该类方法无需载体图像即可实现图像隐写, 因此在对抗统计分析方面存在天然优势.最后, 在深入分析与总结基于深度学习的图像隐写与无载体图像隐写2类方法优缺点的基础上, 对图像隐写的发展方向进行了探讨与展望.     

基于少样本学习的通用隐写分析方法

近年来,深度学习在图像隐写分析任务中表现出了优越的性能.目前,大多数基于深度学习的图像隐写分析模型为专用型隐写分析模型,只适用于特定的某种隐写术.使用专用隐写分析模型对其他隐写算法的隐写图像进行检测,则需要该隐写算法的大量载密图像作为数据集对模型进行重新训练.但在实际的通用隐写分析任务中,隐写算法的大量载密图像数据集是难以得到的.如何在极少隐写图像样本的情况下训练通用隐写分析模型是一个极大的挑战.对此,受少样本学习领域研究成果的启发,提出了基于转导传播网络的通用隐写分析方法.首先,在已有的少样本学习分类框架上改进了特征提取部分,设计了多尺度特征融合网络,使少样本分类模型能够提取到更多的隐写分析特征,使其可用于基于秘密噪声残差等弱信息的分类任务;其次,针对少样本隐写分析模型难收敛的问题,提出了预训练初始化的方式得到具有先验知识的初始模型;然后,分别训练了频域和空域的少样本通用隐写分析模型,通过自测和交叉测试,结果表明,检测平均准确率在80%以上;接着,在此基础上,采用数据集增强的方式重新训练了频域、空域少样本通用隐写分析模型,使少样本通用隐写分析模型检测准确率与之前相比提高到87%以上;...     

深度学习在图像隐写术与隐写分析领域中的研究进展

隐写术与隐写分析是信息安全领域的热门研究方向,近年来得到了广泛的研究与快速的发展。随着深度学习新技术的兴起,深度学习也被引入到隐写术与隐写分析领域,并在方法和性能上取得了一系列突破性的研究成果。为推进基于深度学习的隐写术与隐写分析的研究,本文对目前的主要方法和代表性工作进行了归纳与探讨。对于图像隐写术与隐写分析这两个领域,本文分别各自比较了传统方法和与相关深度学习方法的异同,详细介绍了目前主要的基于深度学习的图像隐写术与隐写分析的基本原理和方法,最后讨论了基于深度学习的图像隐写术与隐写分析仍需要解决的问题及未来的研究趋势。     

基于像素值差分的图像隐写算法研究

信息隐藏技术改变了以往的安全技术理念,它以隐秘通信的方式存在,与传统的加密技术相比,它可以隐藏通信双方交互的重要信息。简单的说,是根据人类视觉和听觉等感官对多媒体信息的感觉冗余,将秘密信息通过隐写算法嵌入到此冗余中,以达到隐藏信息的目的。嵌入信息后的数字载体与原始的数字载体,对于人的感官来说是难以分辨的。此技术在通信过程中使攻击者无从下手,因为他感觉不到秘密信息的存在,更不用说破坏和盗取秘密信息了。     

基于自注意力机制的图像隐写分析方法

针对自适应图像隐写分析难度大、现有的模型难以对图像有利区域进行针对性分析的问题,提出了一种基于自注意力机制的图像隐写分析模型(self-attention steganalysis residual network,SA-SRNet)。该模型将自注意力机制引入SRNet(steganalysis residual network),引导模型更加关注图像全局对隐写分析有利的区域及图像长距离之间的依赖关系,解决了硬注意力机制在训练时容易陷入局部最优的问题。首先,奖励机制利用强化学习使模型找到对隐写分析最有利的检测点;其次,自注意力机制根据检测点生成注意力重点图像;最后,替换机制用注意力重点图像替换识别错误的图像,提高训练集的质量和模型的判别能力。实验在BOSSbase 1.01数据集上进行,结果表明SA-SRNet可获得比SRNet更好的隐写分析准确率,最多可提高1.8%。     

图像隐写分析现状研究

随着现代隐写术的发展,隐写分析成为信息安全领域一个新的研究热点。对图像隐写分析研究现状进行分析与综述,针对当前隐写分析技术的分类,阐述了隐写分析目的及概念,并重点分析几种常用统计隐写分析算法的原理、适用范围和面临的问题。最后,指出结合各种隐写分析算法,相互取长补短才是今后图像隐写分析发展的方向。     

空域LSB信息伪装及其隐写分析

介绍了最不重要比特(LSB)替换和LSB匹配2种典型的基于图像的信息伪装算法,阐述了两者的隐藏原理及优缺点。分类论述了各类隐写分析算法,分析其检测原理,给出了各类算法的适用范围和优缺点,对每类算法中的典型分析方法进行评价。根据信息嵌入过程对载体图像的影响分析得出LSB匹配信息伪装算法的安全性要高于LSB替换信息伪装算法的结论。指出了提高隐藏信息安全性的途径和努力方向。     

针对LSB匹配隐写的图像复原隐写分析

最低有效位(LSB)匹配隐写是目前图像隐写分析的难点和热点之一.为了提高针对LSB匹配隐写的隐写分析算法性能,将图像退化复原理论与图像隐写分析相结合,提出一种新的隐写分析算法.首先将LSB匹配隐写过程建模为加性噪声造成的图像退化过程,提出了一种专用复原滤波算法;然后将载密图像的复原图像作为载体图像的估计图像,提取载密图像与估计图像的质心特征,结合Fisher线性判决器实现隐写分析.实验结果表明,复原滤波算法可有效地复原受LSB匹配隐写噪声污染的退化图像,隐写分析算法的总体性能优于Ker方法,尤其在低嵌入率条件下表现良好,适用于空间域图像LSB匹配隐写.     

基于像素差分相关性的LSB匹配隐写分析

针对空间域LSB匹配隐写,提出了一种基于像素差分相关性的隐写分析方法.采用图像的直方图、差分直方图的平滑度、梯度能量、图像平滑度,像素差分的一维和高维统计分布等作为分类特征,结合Fisher线性判别进行隐写分析.实验结果表明,新算法对于LSB匹配的检测具有较高的准确性,且计算复杂度低.该算法还可应用于其他空间域隐写方法的检测.     

基于Arnold变换与改进LSB嵌入方案的信息伪装算法

文章提出了一种基于二维Arnold变换与改进LSB嵌入方案的图像信息伪装算法,在对图像进行二维Arnold变换的基础上,采用改进的LSB嵌入方案嵌入数据,提取时只需提取Arnold变换图像的LSB即可。该算法结合了图像置乱技术和改进的LSB嵌入方案,对嵌入的数据形成了双层保护。实验结果表明,该算法的数据嵌入量及失真度与传统的LSB嵌入方式一致,同时能够有效地抵抗RS(RegularSingular)和SPA(SamplePairAnalysis)隐写分析,并保持了图像的直方图统计特征,此外,该方法适用于灰度图像和彩色图像,易于实现。     

基于相关性的图像隐写术

根据图像间的相关性,提出一种新的隐写方法。将秘密图像和载体图像进行小波分解,并将秘密图像的小波域分块,对每一块采用多尺度块匹配机制在载体图像的小波域中寻找与其相似的块。根据相似块计算秘密图像小波域的替换图。用零树小波编码方法对替换图编码。将编码信息以及相似块的映射规则等嵌入载体图像的最低有效位。实验结果表明该方法优于相关文献方法。当以典型的F-16飞机图为秘密图像时,用该方法所提取的秘密图像质量至少提高3dB。     

基于LSBMR图像边缘自适应隐写的检测

在图像边缘自适应LSB匹配改进隐写算法中,秘密信息嵌入位置的选择仅由某个方向上像素对的差值决定,未考虑该像素与其邻域内其他像素的差值变化的特点.针对该问题,对隐写前后图像的八方向差分直方图进行分析,提出一种基于LSB匹配改进算法(LSBMR)边缘自适应隐写检测的算法.该算法计算图像的八方向绝对差分直方图,提取直方图中隐写前后变化较为明显的频数用以构建特征向量,并使用支持向量机完成检测.对较低嵌入率下(≤0.5 bpp)的EALSBMR隐写结果进行检测,结果表明该算法的平均检测率均高于现有典型的隐写分析算法.     

基于残差共生概率的隐写图像载体安全性评价

隐写是一种利用图像、视频、文本等常见媒体实现隐蔽传输的技术,其反隐写分析的能力是衡量隐写安全性的重要标准.然而,随着双层校验格码(syndrome tellis codes, STC)的出现,隐写安全性的研究出现了滞缓.目前已有的隐写研究大多是失真代价函数的完善和补充.事实上,隐写安全性受到两大因素的显著影响：1)由隐写操作相关的因素、包括嵌入率、嵌入算法等;2)载体自身的掩蔽效果,即载体安全性.从研究载体的安全性角度出发,分析载体图像残差共生概率特征分布与隐写安全性的关系.利用载体聚类中心距离提出一种隐写载体安全性评价方法.实验证明:通过该方法进行载体筛选可有效增强隐写的反检测能力.图像在不同图像库、隐写方法、嵌入率和隐写分析特征的测试中,抗检测能力相比随机选择载体更高,平均检测错误率提高了3.8~11.8个百分点.     

基于边缘计算的进化多目标优化图像隐写算法

边缘计算解决了终端因计算资源有限而不能运行复杂应用的弊端,在实际应用中可以支持计算资源受限的终端实现基于图像隐写的隐蔽通信.提出了一种适用于边缘计算场景的进化多目标优化图像隐写算法,首先将优化隐写不可察觉性和隐写安全性作为目标函数,给出了图像隐写的形式化定义;其次通过多个定向和非定向的高通滤波器对图像进行预处理,得到叠加的滤波残差作为秘密信息嵌入的候选位置;然后利用遗传算法中的基因操作,在候选位置中逐代寻找适应度高的个体以得到进化多目标优化问题的最优解;最后,在最优解对应的像素位置实现秘密信息的嵌入.通过和现有算法的仿真对比分析结果表明：提出的算法能够很好地保持图像质量,具有较好的抵抗隐写分析的能力.