隐写术作为信息隐藏技术的一个主要分支,由于其崭新的应用前景,已经受到学术界和工业界的广泛关注,成为了信息安全技术的前沿方向。隐写分析就是针对隐写术进行检测的过程,主要包括特征提取和分类。
　　 隐写分析可分为盲隐写分析和专用隐写分析,本文分别针对盲隐写分析里的特征选择问题,提出了自己的优化方法,同时针对两种新的隐写术,提出的新的专用隐写分析方法。
　　 首先针对盲隐写分析中的特征选择的问题,提出了结合粒子群优化算法的支持向量机分类器进行特征选择的方法。该方法使用非线性支持向量机作为分类器,使用粒子群优化算法(PSO)为支持向量机寻找最优的图像特征集合作为训练集和测试集,同时选择最优的支持向量机参数,进而利用最优的特征集和支持向量机参数对隐写图像进行检测。为了说明该方法的有效性,我们和已有的几种方法进行了实验比较,实验结果表明,该优化方法得到的结果明显优于Farid、ANOVA和F-score的方法,提高了检测隐写图像的成功率和系统检测效率。
　　 其次针对YASS这种新的抵抗盲隐写分析的隐写方法,提出了一种新的隐写分析。对于不同的子块大小,通过选取不同位置的8×8子块,并采用以共生矩阵为基础的特征提取和以支撑向量机为基础的模式分类。为了说明该方法的有效性,对于不同的分块大小分别进行了实验。实验结果表明,对于分块小于16的情况,和现有的YASS隐写分析相比,该方法提高了对YASS隐写的识别率;对于分块大于16及YASS的改进算法,该方法的检测率达到90％以上,远高于现有的其他方法的识别率。
　　 再次针对一种新的模四隐写方法,提出了一种新的隐写分析。通过对模四隐写术的过程进行分析,并在此基础上提出了基于共生矩阵的隐写分析方法,并与Fridrich的方法进行对比,实验结果表明本方法在检测精度和特征提取时间上都大大优于Fridrich的隐写分析方法,是一种有效的针对模四隐写术的隐写分析方法。