基于卷积神经网络的低嵌入率空域隐写分析

近年来,基于深度学习的空域隐写分析研究在高嵌入率下已经取得了较好的成果,但是对低嵌入率的检测效果还不太理想.因此设计了一种卷积神经网络结构,使用SRM滤波器进行预处理来获取隐写噪声残差,采用3个卷积层并对卷积核大小进行合理设计,通过适当选择批量归一化操作和激活函数来提升网络的性能.实验结果表明：与现有方法相比,所提出的网络结构对WOW,S-UNIWARD和HILL这3种常见的空域内容自适应隐写算法取得了更好的检测效果,且在低嵌入率0.2bpp,0.1bpp和0.05bpp下的检测效果有非常明显的提升.还提出了逐步迁移（step by step）的迁移学习方法,进一步提升低嵌入率条件下的隐写分析效果.     

融合残差网络和极限梯度提升的音频隐写检测模型

针对目前音频隐写检测方法对基于校验网格编码(STC)的音频隐写检测准确较低的问题,考虑到卷积神经网络(CNN)在抽象特征提取上的优势,提出一种融合深度残差网络(DRN)和极限梯度提升(XGBoost)的音频隐写检测模型.首先,利用固定参数的高通滤波器(HPF)预处理输入的音频,并通过三个卷积层提取特征,其中第一个卷积层...     

基于逐像素概率预测的图像隐写定位研究

为进一步增强图像隐写分析的实用性,对内容自适应隐写术和非内容自适应LSB matching的隐写像素定位问题展开研究,提出一种端到端的图像隐写定位网络PSL_NET,在输入端输入一张图像,输出端定位出图像的隐写像素的位置。在预处理层中,利用空域富模型的高通滤波器提取残噪图像;在深度残差层中,通过深度残差学习增强隐写特征的表达能力;在像素预测层中,利用标记出隐写像素实际位置的掩码图像进行有监督地学习,增强网络对局部隐写像素的感知能力,无区别对待平滑或者纹理区域的像素,逐一预测图像每位像素是真实位或是隐写位,最终预测出图像的隐写像素位;从目标函数层面解决正负样本的不均衡问题,提升检测精度。在基于BOSSbase v1.01数据源展开的实验中,该网络对经自适应隐写术S-UNIWARD在负载为0.4?BPP嵌入的隐写图像的像素检测准确度为0.981?74,实验验证该网络同时适用于对经非内容自适应隐写术LSB matching嵌入后的隐写图像进行隐写像素定位。     

基于卷积神经网络框架的回声隐藏检测方法

回声隐藏是一种以音频为载体的隐写技术,目前针对回声隐藏的隐写分析方法主要以倒谱系数作为手工特征进行分类。然而,这些传统方法普遍在回声幅度较低时检测性能不高。针对回声幅度较低的情况,提出一种基于卷积神经网络（CNN）的回声隐藏隐写分析方法。首先利用短时傅里叶变换（STFT）提取音频的幅度谱系数矩阵作为浅层特征,然后设计了一个卷积神经网络框架对浅层特征进行进一步的深度特征提取,网络框架中包含了四个卷积模块以及三层全连接层,最后分类结果以Softmax进行输出。在三种经典的回声隐藏算法上对提出的方法进行了隐写分析实验评估,实验结果表明,该方法在低回声幅度条件下的检测率分别为98.62%、98.53%和93.20%,与目前所提出的传统基于手工特征的方法和基于深度学习的方法相比,检测性能提升10%以上。     

基于Hide4PGP二次嵌入的音频隐写分析

针对隐写软件Hide4PGP隐写自相关性进行研究,以隐写一次与未隐写音频和隐写一次与隐写两次音频梯度能量的变化量,和将上述音频样本三级小波分解后,各级小波域细节分量线性预测误差的统计量（均值、方差、偏度和峰度）的变化量为特征向量,用支持向量机作分类器进行音频隐写分析。实验表明,这组特征可以有效地检测出经隐写软件Hide4PGP隐写的音频文件。在保持有效的检测率前提下,降低了特征维数,缩短了SVM分类时间,是对H.Farid所提特征的改进。     

基于噪声感知残差网络的JPEG隐写分析方法

为了进一步挖掘自适应JPEG隐写图像中隐写噪声信号特征,提出基于噪声感知残差网络的JPEG隐写分析方法.该方法由噪声感知、噪声分析和判断三部分组成.其中,噪声感知部分提取图像噪声,利用图像去噪网络,更加全面地捕获隐写引入的扰动;噪声分析部分获得噪声信息的统计特征;判断部分确定图像是否携带隐写信息.此外,网络中的残差连接有效融合多尺度特征,并防止训练中出现梯度消失和爆炸.多种条件下的对比实验结果表明,该方法相较于对比算法,能够提升针对JPEG自适应隐写的检测性能并具有更好的泛化能力.     

基于深度残差网络的人脸表情识别

针对深度卷积神经网络随着卷积层数增加而导致网络模型难以训练和性能退化等问题,提出了一种基于深度残差网络的人脸表情识别方法。该方法利用残差学习单元来改善深度卷积神经网络模型训练寻优的过程,减少模型收敛的时间开销。此外,为了提高网络模型的泛化能力,从KDEF和CK+两种表情数据集上选取表情图像样本组成混合数据集用以训练网络。在混合数据集上采用十折（10-fold）交叉验证方法进行了实验,比较了不同深度的带有残差学习单元的残差网络与不带残差学习单元的常规卷积神经网络的表情识别准确率。当采用74层的深度残差网络时,可以获得90.79%的平均识别准确率。实验结果表明采用残差学习单元构建的深度残差网络可以解决网络深度和模型收敛性之间的矛盾,并能提升表情识别的准确率。     

结合高效特征融合的可变尺寸图像隐写分析

为提升隐写分析的效率和准确率,并适应多尺寸输入图像,提出一个基于高效特征融合的可变尺寸图像隐写分析模型。在预处理层中,将经空域富模型的多阶高通滤波器初始化的多尺寸卷积核加入网络学习中,以提升模型的收敛效率和检测性能;在特征提取层中,采用特征融合思想,设计两个由Ghost瓶颈层、残差模块、密集连接模块组成的子网络,并融合输出的抽象隐写语义特征和非线性的高维隐写特征,以获得隐写特征的依赖性信息,增强模型的特征表达能力;采用改良版空间金字塔池化以自适应可变尺寸的图像样本,并丰富隐写特征的多样性。经仿真分析可知,模型能正确捕获关键的隐写信号,具备较高的收敛效率,在嵌入率为0.2、0.4的WOW隐写算法的检测准确率分别为82.6%和96.5%,在嵌入率为0.2、0.4的S-UNIWARD隐写算法的检测准确率分别为81.4%和95.2%,显著高于SRM和YedroudjNet隐写分析模型。     

针对图像Two-LSBs隐写的分析方法

针对图像Two-LSBs隐写算法,提出了一种新的隐写分析方法.该方法根据Two-LSBs隐写对图像像素相关性的改变来判断秘密信息的有无,同时还可以准确地估计隐写嵌入率和秘密信息的长度.实验结果表明该分析方法的有效性,当嵌入率高于20%时检测正确率可达90%.     

基于深度可分离残差网络的遥感影像路网检测

从高分辨率遥感影像中提取并检测路网一直都是计算机视觉研究的热点和难点。目前,基于深度学习的遥感影像路网检测方法大部分都是以卷积运算为基础的卷积神经网络,而以深度可分离卷积运算为基础深度可分离卷积神经网络作为以卷积运算为基础的卷积神经网络的替代神经网络,不仅在特征提取能力上优于卷积神经网络,而且在参数量和计算量方面也低于卷积神经网络。鉴于此,该文利用深度可分离卷积运算替换卷积运算,并引入残差模块,构造了深度可分离残差网络进行遥感影像的路网自动检测的应用。实验结果表明,在RRSI和CHN6-CUG数据集上,虽然深度可分离残差网络的准确率和损失与相对应的卷积神经网络和残差网络的准确率和损失的区别不大,但是深度可分离残差网络的训练耗时时长远远低于相对应的卷积神经网络和残差网络的训练耗时时长,而且深度可分离残差网络的路网检测实际结果也优于相对应的卷积神经网络和残差网络的路网检测实际结果。     

Markov bidirectional transfer matrix for detecting LSB speech steganography with low embedding rates

Steganalysis with low embedding rates is still a challenge in the field of information hiding. Speech signals are typically processed by wavelet packet decomposition, which is capable of depicting the details of signals with high accuracy. A steganography detection algorithm based on the Markov bidirectional transition matrix (MBTM) of the wavelet packet coefficient (WPC) of the second-order derivative-based speech signal is proposed. On basis of the MBTM feature, which can better express the correlation of WPC, a Support Vector Machine (SVM) classifier is trained by a large number of Least Significant Bit (LSB) hidden data with embedding rates of 1%, 3%, 5%, 8%,10%, 30%, 50%, and 80%. LSB matching steganalysis of speech signals with low embedding rates is achieved. The experimental results show that the proposed method has obvious superiorities in steganalysis with low embedding rates compared with the classic method using histogram moment features in the frequency domain (HMIFD) of the second-order derivative-based WPC and the second-order derivative-based Mel-frequency cepstral coefficients (MFCC). Especially when the embedding rate is only 3%, the accuracy rate improves by 17.8%, reaching 68.5%, in comparison with the method using HMIFD features of the second derivative WPC. The detection accuracy improves as the embedding rate increases.     

Audio steganalysis using deep belief networks

This paper presents a new steganalysis method that uses a deep belief network (DBN) as a classifier for audio files. It has been tested on three steganographic techniques: StegHide, Hide4PGP and FreqSteg. The results were compared to two other existing robust steganalysis methods based on support vector machines (SVMs) and Gaussian mixture models (GMMs). Afterwards, another classification task aiming at identifying the type of steganographic applied or not to the speech signal was carried out. The results of this four-way classification show that in most cases, the proposed DBN-based steganalysis method gives higher classification rates than the two other steganalysis methods based on SVMs and GMMs.     

利用运动向量差值改善深度学习视频隐写分析

目的 针对现有深度学习视频隐写分析网络准确率不够高的问题,本文从视频压缩编码的原理出发,发掘嵌密编码参数与其他参数之间的关系,通过拓展检测空间,构造新的检测通道,改善现有深度学习视频隐写分析网络的检测性能。方法 以H. 265/HEVC(high efficiency video coding)压缩视频为例,首先通过分析运动向量的嵌密修改对运动向量差值的影响,指出可将运动向量差值作为新增的采样对象(或称检测对象);接着,提出一个构造运动向量差值检测矩阵的方法,解决了空域上采样样本稀疏、时域上样本空间位置无法对齐的问题;最后,将运动向量差值矩阵直接用于改善现有的VSRNet(video steganalysis residual network)、SCA-VSRNet(selection-channel-aware VSRNet)以及Q-VSRNet(quantitative VSRNet)等3个H. 265/HEVC深度学习视频隐写分析网络,分别得到IVSRNet(improved VSRNet)、SCA-IVSRNet(selection-channel-aware improved...     

基于贝叶斯网络的压缩语音信息隐藏检测

压缩语音量化索引调制（QIM）信息隐藏方法中,最近邻投影点QIM（NPP-QIM）方法具有较高的嵌入效率和隐蔽性。针对现有的隐写分析方法对NPP-QIM方法检测准确率不高的问题,提出了一种基于贝叶斯推理的检测方法以提高检测准确率。首先,利用矢量量化（VQ）码字（VQ₁、VQ₂、VQ₃）构建了码字时空转移网络（CSTN）;接着,以码字转移指数对CSTN进行化简得到隐写敏感码字时空转移网络（SS-CSTN）;然后,基于SS-CSTN进一步构建了码字贝叶斯网络（CBN）;最后,使用Dirichlet分布作为先验分布学习网络参数,实现对QIM信息隐藏的检测。实验结果表明,在嵌入率为100%、时长为10 s时,与索引分布特征（IDC）方法和梅尔频率倒频系数（DMFCC）方法相比,提出CBN方法的检测准确率分别提高了25个百分点和 37个百分点;在时间性能方法,检测一段10 s的语音时间约为21 ms,能够实时检测。     

结合代数多重网格的钻石编码隐写算法

针对隐写算法安全性的问题,提出一种结合代数多重网格（AMG）的钻石编码（DE）隐写算法。首先,通过AMG方法将图像的像素点分成粗细网格两个部分。然后,结合DE把机密信息分别嵌入到粗细网格两个像素序列中。其中,粗网格部分像素的改变对整幅图像的质量影响较小,而细网格部分像素的改变对整幅图像的质量影响较大。又因为DE的k值跟信息隐藏容量密切相关,随着k值的增加像素改变量变大,所以用DE嵌入的过程中,粗网格部分选择的k值不小于细网格。最后,选择DE的k值等于1与2,提出了三种隐写方案。与最低有效位（LSB）置换、随机LSB匹配、DE算法和自适应边缘检测算法进行比较,实验结果表明,三种隐写方案的一阶Markov安全指标皆优于其他对比隐写算法。     

改进的大容量多分辨率LSB音频隐写算法

算法将载体音频信号用可完全重构的滤波器组进行小波包分解,根据各子带的边际信号失真敏感度将其分组,然后用改进的LSB算法以不同的分辨率将秘密信息嵌入到选定子带的小波系数中。实验结果表明,在信噪比相同的情况下,该算法的隐写容量比传统时域LSB算法高160kbps～200kbps,同时可很好地保持不可感知性,并具有一定的不可检测性,能抵抗一类针对时域LSB算法的隐写分析算法。     

LSB嵌入方法的载体图像区域选择

针对在密写术中的LSB（最低有效位）嵌入方法会对载体图像的平滑区域造成破坏,导致载体图像的不可感知性下降和不可检测性降低的问题,提出了一种区域选择方法,避免载体图像的脆弱区域在LSB嵌入操作中被破坏。通过实验证明了,该方法可以有效改善视觉不可感知性,提高对LSB嵌入操作的不可检测性。