论文部分内容阅读
隐密术(Steganography)是利用人类感知系统的不敏感特性及多媒体文件的冗余特性,在不引起人类感知系统怀疑的基础上,通过在多媒体文件中嵌入秘密信息实现秘密通信的一种技术。然而,隐密术在隐私保护等方面给人们带来便利的同时,也为不法分子危害国家安全社会安定带来了机会,因此,用于判定多媒体文件是否含有秘密信息以及估计秘密信息的隐密分析技术(Steganalysis)也随之发展起来。JPEG图像由于其优良品质,在提出后的短短几年内被广泛应用在互联网及各种图像采集设备中。因此,JPEG图像隐密及隐密分析技术也成为隐密术及隐密分析领域的研究热点。JPEG图像隐密术实际使用的JPEG图像可能来自不同的相机并且具有不同的量化表,现有的JPEG图像隐密分析没有考虑过这种多样性,本文研究的正是多样性JPEG图像的隐密分析。本文首先介绍了几种典型的JPEG图像隐密和隐密分析算法,从中分析出现有的通用型JPEG图像隐密分析框架。其次,讨论隐密术中使用的多样性JPEG图像及其对隐密分析的影响,从实验说明目前的JPEG图像隐密分析框架由于使用融合训练方式而存在的问题——忽视了不同来源及量化表的JPEG图像统计特性的差异。再次,根据不同来源及量化表JPEG图像统计特性的差异性,本文提出了多样性JPEG图像的独立训练隐密分析框架。独立训练虽然针对融合训练存在的问题提出了相应的应对方案,但是存在训练样本不足造成的隐密分析效果不稳定的问题,因此独立训练相对于融合训练的正确率提高不够明显。最后,针对融合训练和独立训练存在的问题,本文提出了多样性JPEG图像的多任务学习隐密分析,将迁移学习中的多任务学习概念引入到隐密分析中,通过共享不同来源及不同量化表JPEG图像统计特性的共性来提高隐密判决效果。实验比较说明,无论是针对同品牌型号相机不同量化表的JPEG图像还是不同品牌型号相机不同量化表的JPEG图像,多任务学习隐密分析都可取得高于融合训练和独立训练的检测效果,相对于融合训练正确率的提高可达29.54%；当独立训练由于训练样本不足正确率为50.66%时,多任务学习仍能取得91.12%的检测正确率。