基于深度学习的图像隐写分析综述
作者:
作者单位:

作者简介:

陈君夫(1997-),男,硕士生,主要研究领域为信息安全,隐写术与隐写分析.
付章杰(1983-),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,数据安全.
张卫明(1976-),男,博士,教授,博士生导师,主要研究领域为信息隐藏,媒体内容安全.
程旭(1983-),男,博士,副教授,CCF专业会员,主要研究领域为计算机视觉,模式识别.
孙星明(1963-),男,博士,教授,博士生导师,CCF高级会员,主要研究领域为数字取证,人工智能安全.

通讯作者:

付章杰,E-mail:fzj@nuist.edu.cn

基金项目:

国家重点研发计划(2018YFB1003205);国家自然科学基金(U1836110,U1836208,61802058,61911530397)


Review of Image Steganalysis Based on Deep Learning
Author:
Affiliation:

Fund Project:

National Key Research and Development Program of China (2018YFB1003205); National Natural Science Foundation of China (U1836110, U1836208, 61802058, 61911530397)

  • 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:

    隐写术及隐写分析是信息安全领域研究热点之一.隐写术的滥用造成许多安全隐患,如非法分子利用隐写进行隐蔽通信完成恐怖袭击.传统隐写分析方法的设计需要大量先验知识,而基于深度学习的隐写分析方法利用网络强大的表征学习能力自主提取图像异常特征,大大减少了人为参与,取得了较好的研究效果.为了促进基于深度学习的隐写分析方法研究,对目前隐写分析领域的主要方法和突破性工作进行了分析与总结.首先,比较了传统隐写分析方法与基于深度学习的隐写分析方法的差异;然后根据训练方式的不同,将基于深度学习的隐写分析模型分为两类——半学习隐写分析模型与全学习隐写分析模型,详细介绍了基于深度学习的各类隐写分析网络结构与检测效果;其次,分析和总结了对抗样本对深度学习安全带来的挑战,并阐述了基于隐写分析的对抗样本检测方法;最后,总结了现有基于深度学习的隐写分析模型存在的优缺点,并探讨了基于深度学习的隐写分析模型的发展趋势.

    Abstract:

    Steganography and steganalysis are one of the research hotspots in the field of information security. The abuse of steganography has caused many potential safety hazards. For example, illegal elements use steganography for covert communications to carry out terrorist attacks. The design of traditional steganalysis methods requires a large amount of prior knowledge, and the steganalysis methods based on deep learning use the powerful representation learning ability of the network to autonomously extract abnormal image features, which greatly reduces human participation and achieves good results. To promote the research of steganalysis technology based on deep learning, this study analyzes and summarizes the main methods and work in the field of steganalysis. Firstly, this study analyzes and compares the differences between traditional steganalysis and deep learning-based steganalysis. Furthermore, according to the different training methods, the steganalysis models based on deep learning are divided into two categories: semi-learning steganalysis model and full-learningsteganalysis model. The network structure and detection effect of various types of steganalysis based on deep learning are introduced in detail. In addition, the challenges that the adversarial samples pose to deep learning security are analyzed and summarized, the detection method of adversarial samples is expounded based on steganalysis. Finally, this study summarizes the pros and cons of existing steganalysis models based on deep learning and discusses its development trends.

    参考文献
    相似文献
    引证文献
引用本文

陈君夫,付章杰,张卫明,程旭,孙星明.基于深度学习的图像隐写分析综述.软件学报,2021,32(2):551-578

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-05-30
  • 最后修改日期:2020-07-10
  • 录用日期:
  • 在线发布日期: 2020-09-10
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