基于四叉树分割的JPEG隐写分析

当前主要的隐写分析方法都是对整幅图像进行特征提取,而忽略了图像的内容差异。该文提出一种基于四叉树分割的JPEG隐写分析方法,该方法根据图像块的纹理复杂度进行图像分割,对具有相同统计特性的子图像分别进行隐写检测特征的提取,并构造相应的分类器,通过加权融合得到最终的检测结果。实验结果表明该方法具有良好的性能,尤其是在训练与测试图像的统计特性具有较大差异时,该算法的检测准确率提高更加明显。

基于LSB检测的JPEG隐写分析特征增强方法

隐写分析构造共生矩阵特征时因截断而导致部分信息丢失,于是提出基于DCT系数最低有效位面的特征扩展方法,增加对截断处嵌入信息的描述.对DCT系数平面取模生成最低有效位平面,通过统计相邻位置的取值,生成二阶、三阶共生矩阵.为进一步增强特征的性能,引入Zigzag扫描,获得重新排列的DCT系数平面,在此基础上提取相应特征.通过上述方法,在原有LIU特征的基础上构造508维特征.结果表明,在对抗DCT系数最低有效位嵌入的隐写中,所提方法能有效提高对隐写图像的检测率.

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。

基于蜜蜂进化算法的JPEG隐写方法

为提高嵌入效率,缩短算法运行时间,提出了一种基于蜜蜂进化算法的变换域隐写方法。该方法首先利用由蜜蜂进化算法搜索到的最优置换矩阵将秘密信息进行置换;接着修改了JPEG标准量化表以便能够嵌入较多的信息;将置换结果嵌入到量化后DCT系数的DC和中低频AC区域中;最后利用JPEG熵编码得到隐藏了信息的JPEG格式文件。实验结果表明,与直接嵌入方法相比较,该方法提高了含密图像的质量和安全性,与基于遗传算法的信息隐藏方法相比,该算法所花费时间更少。

基于STC码和分频段嵌入的JPEG隐写技术研究

针对JPEG图像提出了一种基于STC(Syndrome-Trellis codes)编码和分频段嵌入的信息隐藏技术。STC编码是一种二元隐写码,可以用来提高嵌入效率,增强数字隐写系统的安全性。在所提算法中,将离散余弦变换系数(DCT系数)分为六个频段,包括直流、低频、中低频、中频、中高频和高频,与STC编码相结合在不同频段设置不同的嵌入率,通过调节各频段的编码系数,在高频段取得最高的嵌入效率和最低的数据嵌入率,并逐步增加在中高频、直流、中频、中低频和低频段的嵌入率,提高算法的安全性。为了评估所提算法的抗检测性,采用四种隐写分析算法进行测试分析。四种隐写分析算法的检测结果表明,所提算法在多种JPEG图像质量因子下的安全性优于文献中多种隐写算法。

基于隐写噪声深度提取的JPEG图像隐写分析

当前基于深度学习的隐写分析方法检测效果受限于其获取的隐写噪声的精确度。为了获取更加准确的隐写噪声,提高隐写分析的准确率,提出了一种基于隐写噪声深度提取的JPEG图像隐写分析方法。首先,设计了隐写噪声深度提取网络,通过有监督的学习方式使网络能够准确地提取载秘图像中包含的隐写噪声;而后,利用设计的模型评价指标选择最优的隐写噪声提取网络;最后,根据隐写噪声的特点设计分类网络,实现载秘图像的检测,并将分类网络与隐写噪声深度提取网络融合得到最终的检测网络。实验在两个大规模的公开数据集(BOSSBase和BOWS2)上进行,针对两种自适应JPEG图像隐写方法(J-UNIWARD和UED-JC)在多个不同嵌入率和图像质量因子条件下构建的载秘图像进行检测。实验结果表明,该方法的检测准确率较性能第二的方法分别提高了约2.22%和0.85%。文中方法通过提取更加准确的隐写噪声,减少了图像内容对隐写分析带来的影响,相比于典型的基于深度学习的JPEG图像隐写分析方法,取得了更好的检测效果。

新型校准表示的JPEG通用隐写分析算法

为进一步提高隐写分析中校准特征对嵌入的敏感性,通过分析校准技术及其与特征之间的关系,在校准已有的分类基础上建立了一种数学模型,提出了一种基于该校准特性的JPEG通用隐写分析算法.算法采用剪切4像素的校准操作,结合微分知识提出校准的改进形式,根据校准前后图像特征的空间分布,得到直方图特征;再由冗余关系计算新校准表示下的马尔可夫转移概率矩阵,最后与块间特征融合后得到新特征集.通过对nsF5、Jsteg和MB1算法在较低嵌入率时的检测和新特征集子集比较实验,发现该方法较现有校准分析方法具有更好的检测性能,达到了90%以上的正确率;各特征集也表现了一定的互补性;在不同质量因子实验中性能较为稳定,可靠性较好.

基于卷积神经网络的JPEG图像隐写分析参照图像生成方法

基于深度学习的JPEG数字图像隐写分析模型检测能力已超越基于人工设计特征隐写分析模型,但检测能力仍存在提升空间.以进一步提升JPEG隐写分析模型的检测能力为目标,借助深度学习方法,为基于深度学习的JPEG隐写分析模型提供辅助信息,从数据输入角度,探索进一步提升隐写分析模型检测能力的途径.基于卷积神经网络,构建隐写分析参照图像生成模型,对待检测图像进行变换,从而获得对应参照图像.之后,将待检测图像与对应参照图像作为隐写分析模型的输入数据,进一步挖掘待检测图像中存在的隐写分析相关信息.为验证所提出算法的有效性,进行针对JPEG自适应隐写算法的对比实验.实验结果表明:所设计的参照图像生成模型能够提升现有基于深度学习的隐写分析模型检测能力,提升效果最多可达6个百分点.

基于高维特征正则化的JPEG图像隐写分析

隐写分析是信息安全的重要内容.为提高JPEG图像隐写的检测能力,建立了散度矩阵的特征谱,提出了一种对载体和含密图像的训练特征进行变换的新方法.首先根据特征谱的分布规律进行建模,划分为3个区域:特征值下降区、平稳区、特征值为零的区域,然后通过白化处理得到白化特征向量,进而对处于3个不同区域的特征向量使用自适应正则化方法.经这几步处理得到特征转移矩阵,也就是输入特征的变换矩阵,最后取变换后特征的前t个向量完成特征选择.并将这些特征数据Fisher线性判决(Fisher linear discriminant,FLD)集成分类器进行训练.结果表明,通过对图像特征进行排序、正则化和选择,FLD集成分类器对JPEG图像隐写的识别准确率得到了提升.

基于Hilbert-Huang变换的JPEG2000隐写分析

实现了针对由Su等人提出的JPEG2000 Lazy-mode隐写术的可靠检测.在理论和实验分析的基础上,文章揭示了由Lazy-mode隐写术生成的掩密图像,其子带代码块噪声方差序列的振荡特征异于非掩密含噪图像的子带代码块噪声方差序列.因此,此文隐写检测算法的关键在于针对这两种子带代码块噪声方差序列进行序列分析,提取它们内在的振荡特征差异.在序列分析中,通过引入Hilbert-Huang变换,对噪声方差序列进行经验模式分解,构建了基于Hilbert谱的特征向量.实验表明,基于该特征向量的支持向量机(SVM)分类器能以平均90.6%的准确率识别掩密图像.根据检索,目前尚未有对JPEG2000 Lazy-mode隐写术进行成功分析的报道,因此,该文具有重大意义.

一种基于块熵的均匀嵌入隐写算法

在均匀嵌入改进算法中,失真函数仅考虑非零系数的个数而未考虑统计分布对嵌入位置的影响。为此,结合块熵的概念,完善失真函数定义,设计一种新型的JPEG均匀嵌入隐写算法,将秘密信息更好地嵌入图像边缘、纹理等复杂区域。实验结果表明,相比BCH、EBS、UERD和SI-UNI算法,该算法的嵌入容量及抗隐写分析能力得到较大的提高。