论文部分内容阅读
在当今大数据信息时代,随着互联网和通信技术的飞速发展,个人隐私保护等信息安全问题逐渐走进了人们的视野中,信息隐藏是将秘密信息嵌入到数字媒体文件中传输以达到隐密通信的目的,隐密分析技术则是通过各种各样的技术手段来检测通信载体文件中是否含有秘密信息。信息隐藏方法的公开使得不法分子可以方便的利用这些技术对社会甚至国家的信息安全造成威胁,因此对如何在大量网络数据中检测其是否含有秘密信息的隐密分析技术的研究有着非常重要的意义。JPEG图像存储格式是目前应用最广泛的图像格式之一,传统的JPEG图像隐密分析技术有个前提条件,即隐密分析人员所使用的训练样本和测试样本统计特性和特征分布是相似的,而这个前提在实际网络大数据环境下是很难满足的,从而产生失配现象,最终造成JPEG图像隐密分析性能下降。目前已经有很多文献指出了失配问题的严重性,但是很少有能够解决失配问题的具体方法,本文主要研究内容如下:(1)首先介绍了JPEG图像隐密分析的背景、研究意义以及国内外研究现状,然后介绍了传统JPEG隐密分析系统框架,分析了JPEG失配隐密分析产生的原因以及影响。总结现有的解决来源失配隐密分析问题的迁移学习和多任务学习的主要原理和思想,提出了采用数字图像来源鉴别解决来源失配问题的解决方案,并给出了本文的整体框架。(2)简单介绍了JPEG图像的压缩、解压缩以及重压缩过程,提出了似然概率比特征的概念,再融合BenFord特征提出了一种新的JPEG图像重压缩检测方法,并给出了具体框架。(3)然后介绍了本文的核心内容,面向重压缩图像的来源鉴别。结合前面的重压缩检测方法,对待测图像进行在线训练,从而降低JPEG重压缩对来源鉴别的影响,并给出了具体框架。(4)最后对整体框架中重压缩检测模块,面向重压缩图像的来源鉴别模块,基于来源鉴别的失配隐密分析模块三个模块分别进行了实验来说明本文的方法的有效性。