[發(fā)明專利]一種面向卷積神經(jīng)網(wǎng)絡(luò)隱寫分析的優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110687400.4
• 申請(qǐng)日: 2021-06-21
• 公開（公告）號(hào): CN113486932B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計(jì)）人: 張茹;鄒盛;劉建毅;田思遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué);北京慧科信安科技有限公司
• 主分類號(hào): G06V10/77
• 分類號(hào): G06V10/77;G06V10/74;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種面向卷積神經(jīng)網(wǎng)絡(luò)隱寫分析的優(yōu)化方法，包括：可視化同類樣本的類內(nèi)聚集度：采用非線性的t?sne降維算法將每一個(gè)樣本點(diǎn)對(duì)應(yīng)的特征集降維到二維可視的情況下進(jìn)行觀察。隱寫檢測樣本集的變異系數(shù)：為了消除量綱和測量尺度對(duì)于衡量樣本聚集程度的影響，因此選擇變異系數(shù)測量樣本的離散程度進(jìn)而反應(yīng)CNN隱寫分析算法特征學(xué)習(xí)能力。變異系數(shù)的值和樣本的離散程度成正相關(guān)，樣本離散程度越大，變異系數(shù)越大；樣本越聚集，則變異系數(shù)越小。基于變異系數(shù)后驗(yàn)調(diào)整特征集：加入一個(gè)特征篩選層來對(duì)算法學(xué)到的特征進(jìn)行人工過濾，去除一些不利于后期分類的所謂的“壞”特征，既能一定程度提高算法的準(zhǔn)確率還能再次驗(yàn)證變異系數(shù)的衡量有效性。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像隱寫分析領(lǐng)域，尤其涉及空間域圖像信息隱藏和隱寫分析。

背景技術(shù)

信息技術(shù)使得人們的工作和生活更加的便利，同時(shí)也給人類帶來了新的威脅和挑戰(zhàn)。如何保障信息安全就是其中的一個(gè)典型問題。保障信息安全最直觀基礎(chǔ)的方法就是對(duì)要傳遞的信息進(jìn)行加密，加密方法可分為對(duì)稱加密和非對(duì)稱加密，AES和RSA分別是對(duì)應(yīng)領(lǐng)域的代表。但信息加密后形成的密文有明顯的不可讀性，特征明顯，在傳播過程中很容易遭到攔截。而且加密前加密雙方要經(jīng)過復(fù)雜的密鑰交換過程，保證加密密鑰的安全性，通信成本較高。最后，多媒體載體層出不窮，多媒體的版權(quán)保護(hù)和數(shù)據(jù)完整性的確認(rèn)也是加密算法所不能做到的。

信息隱藏算法實(shí)際中多用于在多媒體載體中隱藏一些秘密文字信息或圖像信息，進(jìn)行不引起觀察者注意的信息傳遞。該行為既可隱藏通信的內(nèi)容，同時(shí)還可以隱藏通信的行為。或者出于對(duì)多媒體信息保護(hù)的目的，在載體中嵌入水印，達(dá)到知識(shí)產(chǎn)權(quán)保護(hù)的目的。目前該技術(shù)主要針對(duì)于圖像載體的信息隱藏。圖像信息隱藏技術(shù)將秘密信息嵌入到自然載體中而不改變其感知特性，通過將載密載體在公開信道上的傳遞來完成對(duì)秘密信息的傳輸。另外，圖像信息隱藏技術(shù)還可以用于開發(fā)多媒體數(shù)字水印，可以很好地解決諸如多媒體版權(quán)保護(hù)和篡改鑒定之類的需求。圖像、視頻、語音、文本等多種數(shù)字媒體都可以作為信息隱藏的載體，由于圖像的易獲得和應(yīng)用傳播廣泛的特點(diǎn)，目前大多數(shù)的信息隱藏技術(shù)的研究都圍繞圖像展開。

信息隱藏和隱寫分析術(shù)隨著研究的深入彼此促進(jìn)不斷提升。早期的隱寫術(shù)，通過修改載體空間信息或變換域系數(shù)嵌入信息，會(huì)造成載體統(tǒng)計(jì)指標(biāo)上的明顯不自然。特定隱寫分析技術(shù)就通過分析不同隱寫方法的漏洞，對(duì)特定的隱寫方法進(jìn)行檢測。隨著隱寫術(shù)種類的增加，特定隱寫分析不能滿足要求，通用的隱寫分析技術(shù)開始出現(xiàn)，通過人工擬合設(shè)計(jì)通用的隱寫分析統(tǒng)計(jì)特征，組成多維向量，結(jié)合機(jī)器學(xué)習(xí)方法的分類器，訓(xùn)練出通用的分析模型，進(jìn)行分析。作為對(duì)抗，隱寫術(shù)則通過改變嵌入方式盡量地減小修改幅度，降低統(tǒng)計(jì)量變化，逐漸地發(fā)展到自適應(yīng)隱寫方法。自適應(yīng)隱寫方法安全性更強(qiáng)，對(duì)載體的修改更不用易被察覺。相應(yīng)的，隱寫分析開始針對(duì)這種自適應(yīng)隱寫方案開始進(jìn)行發(fā)展，構(gòu)造圖像內(nèi)容自適應(yīng)通用隱寫分析方法，該方法通過構(gòu)造更高維度的統(tǒng)計(jì)特征來描述圖像的全局統(tǒng)計(jì)量，檢測異常。所以，對(duì)于隱寫術(shù)，如何用失真更低的方案去修改載體嵌入信息，就顯得尤為重要；對(duì)于隱寫分析而言，統(tǒng)計(jì)特征的構(gòu)造就顯得尤為重要，這是隱寫分析研究的重點(diǎn)。

隨著時(shí)間的推移，近幾年來，傳統(tǒng)隱寫術(shù)與隱寫分析術(shù)的發(fā)展遇到了瓶頸。傳統(tǒng)隱寫分析算法中，隱寫特征的提取模塊和特征分類模塊是獨(dú)立分開的，也就是說分類的結(jié)果不會(huì)反饋到特征提取部分，分類結(jié)果不會(huì)優(yōu)化隱寫特征的提取。算法的核心是特征提取模塊，提取的隱寫特征的質(zhì)量直接決定了算法的好壞，因此在傳統(tǒng)隱寫分析算法中，領(lǐng)域內(nèi)的專家會(huì)花大量的人力和精力去挖掘先驗(yàn)知識(shí)，手工擬合維數(shù)巨大的隱寫特征集，這項(xiàng)工作工作量極大，增加了特征分類的計(jì)算復(fù)雜度并且隨著隱寫術(shù)的推陳出新，上述的工作量、工作復(fù)雜度和工作難度會(huì)大大提高。人們開始尋找新的工具應(yīng)用于該領(lǐng)域。深度學(xué)習(xí)同時(shí)于近年來復(fù)興，卷積神經(jīng)網(wǎng)絡(luò)(CNN)，生成對(duì)抗網(wǎng)絡(luò)(GAN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)等深度模型，在圖像處理、自然語言處理、語音識(shí)別領(lǐng)域取得了突破性成果。這引起了信息隱藏領(lǐng)域?qū)＜业淖⒁猓麄兿Ｍ蒙疃葘W(xué)習(xí)技術(shù)突破現(xiàn)在的瓶頸。