基于深度学习的数字图像隐写和隐写分析术研究概述

隐写术的不断发展使得隐写分析术面临的挑战越来越大。近年来,有不少学者围绕深度学习网络强大的图像特征表达学习能力进行隐写分析术研究,从而避开人工设计分类特征,减少人的参与度,用数据和算法驱动机器去实现数字图像是否含密的判定。本文将从数字图像的全局和局部统计分布特性这两个方面出发,梳理传统的和基于深度学习的隐写与隐写分析术在空域和JPEG域上的研究进展,并对数字图像隐写和隐写分析术未来发展方向做简要讨论。

基于广义字符序列的隐写术分析技术

隐写术分析是针对隐藏信息的攻击技术。载体为图像的隐写术分析技术通过分析隐蔽载体的特点来识别该载体中是否存在嵌入信息。嵌入信息的特点对隐蔽载体的影响很大,可为信息检测提供重要依据。该文提出广义字符序列的概念及2种当隐蔽载体为图像时基于明文的检测方法。实验结果表明,该方法可检测出隐藏信息、信息容量及嵌入信息载体的位置。

基于图像的信息隐藏分析技术综述

信息隐藏分析技术就是对信息隐藏系统进行攻击的技术。该文简要介绍了信息隐藏技术和信息隐藏分析技术，分析了基于数字图像的信息隐藏分析技术，并对现有的多种信息隐藏分析方法和研究现状进行了深入讨论。

一种针对BLOCK-DCT隐写的隐写分析改进算法

BLOCK-DCT隐写算法对平稳性质的原始图像引入了非平稳性,使得隐写图像块内部的相邻像素对与块之间的像素对的分布存在着差异。在未嵌入消息的原始图像中它们的分布是一致的。利用Kolomogrov-smirnov test(K-stest)去判定图像是否隐藏信息。采用4邻域像素对的直接像素差的分布,在K-stest中并不怎么理想,两类概率分布之差的上界D都比较小。这里通过引入差的绝对值和8领域像素对来扩大2类像素对分布差异的方法来提高D的值,使得一些在以4邻域直接像素差分布方法中检测不出的隐写图像在改进的方法中得以检测。理论和实验都证明此方法是有效的。

基于图像的信息隐藏检测算法和实现技术研究综述

基于图像的信息隐藏及分析技术是信息安全领域的一个重要方面 信息隐藏技术包括了隐写术和数字水印 信息隐藏检测技术是信息隐藏技术的攻击技术 通过基于图像的信息隐藏检测技术 ,可以判断图像中是否存在信息的隐藏和嵌入 基于图像的信息隐藏检测技术包括了数字图像特征分析、检测算法和实现技术 提出了基于图像的信息隐藏检测技术的知识体系 重点阐述了多种基于图像的信息隐藏检测算法 ,并进行了理论分析和实验测试 分析了现有的几种基于图像的信息隐藏的实现技术 。

针对小波域量化隐藏方法的图像监测技术研究

基于对图像小波变化后各子带系数的不同统计特性,提出了一种针对小波域信息隐藏算法的新型图像隐写术分析技术。通过对原始图像和隐藏信息后的图像的小波变换系数子带直方图的分析,得出了小波域信息隐藏对子带系数的改变特性。进一步对系数进行傅立叶变换,从而量化信息隐藏对系数的影响程度。实验结果表明该方法适用于小波域量化隐藏信息算法的检测。

一种基于数字图像自相关检测的改进算法

该文首先简要介绍了基于图像位平面分析的一种检测算法——转换函数法,并讨论了这种算法的优缺点。针对这种算法的不足,提出了一种区域自相关检测的方法,提高了检测的分辨率。根据检测到的结果,运用统计检验算法—t检验对图像最低位平面进行统计分析。最后通过试验验证了改进算法的有效性,并给出了相关的试验分析与结论。