针对特定测试样本的隐写分析方法
作者:
作者单位:

作者简介:

张逸为(1991-),男,吉林省吉林市人,学士,主要研究领域为信息隐藏,人工智能;俞能海(1964-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为多媒体数据处理与分析、检索,互联网信息检索(社区,标注),数字内容安全(云计算与云计算安全);张卫明(1976-),男,博士,教授,博士生导师,CCF专业会员,主要研究领域为信息隐藏,密文域计算.

通讯作者:

张卫明,E-mail:zhangwm@ustc.edu.cn

基金项目:

国家自然科学基金(U1636201,61572452)


Specific Testing Sample Steganalysis
Author:
Affiliation:

Fund Project:

National Natural Science Foundation of China (U1636201, 61572452)

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    现今主流的图像隐写分析方法主要聚焦于设计检测特征,用以提高通用盲检测(universal blind detection,简称UBD)模型的检测准确率,这类检测方法与待测图像无关,难以做到精准检测.在拥有大数据训练资源的前提下,研究了隐写对图像特征的影响,找出了隐写分析与图像特征之间的重要关系,基于此提出了一种为测试样本选择专用训练集的隐写分析方法.以经典的JPEG隐写算法nsF5和主流的JPEG隐写分析特征(CC-PEV、CC-Chen、CF*、DCTR和GFR)为例组织实验,结果表明,该方法的检测准确率高于其他同类方法.

    Abstract:

    Nowadays, the steganalysis of digital image mainly focuses on the design of steganalysis features to improve the universal blind detection (UBD) model's detection accuracy. However it has nothing to do with the testing images and is difficult to achieve high-precision detection. Based on large data training resources, this article studies the influence of steganography on image features to uncover the important relationship between steganalysis and image feature. Furthermore, the article proposes a steganalysis method for testing samples to select specialized training sets. The classical JPEG steganography algorithm nsF5 and the mainstream JPEG steganalysis features, such as CC-PEV, CC-Chen, CF*, DCTR and GFR, are used as an example to organize the experiments. The results show that the accuracy of this method is higher than that of other similar methods.

    参考文献
    相似文献
    引证文献
引用本文

张逸为,张卫明,俞能海.针对特定测试样本的隐写分析方法.软件学报,2018,29(4):987-1001

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2017-04-30
  • 最后修改日期:2017-06-26
  • 录用日期:
  • 在线发布日期: 2017-11-29
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号