基于统计特征和SVM的JPEG图像掩密分析

提出一种能够有效检测含密JPEG图像的掩密分析方法,利用图像的一阶和二阶统计特征分别提取原始图像和掩密图像的直方图特征以及图像块内和块间的部分统计特征,采用支持向量机对原始图像和掩密图像的特征进行训练、分类并建立模型,达到通用检测的目的。实验结果表明,该算法能够对Jsteg, F5, OutGuess和MB等掩密算法进行有效分析。     

基于小波变换的音频扩频掩密分析算法

提出一种基于小波去噪技术和小波突变点检测技术的音频扩频掩密分析算法。该算法利用小波去噪算法分离含密音频上的噪声信号,循环截取不同长度的噪声信号与剩余的噪声信号进行滑动相关计算,利用小波突变点检测技术检测计算得出的滑动相关值中的突变点,提取这些突变点特征对待检测的音频进行掩密分析。实验结果表明,在PN序列嵌入强度大于0.002时,算法的检测正确率达80%以上。     

基于差分零系数和索引共生矩阵的通用隐密分析

为提高互联网通信的安全性和可靠性,提出一种针对图形交换格式(graphics interchange format,简称GIF)图像的隐密分析算法.该算法基于差分零系数(differential zero coefficients,简称DZC)和索引共生矩阵(index cooccurrencematrix,简称ICM),提取对图像像素间颜色相关性和图像纹理特征变化敏感的36 维统计特征.结合支持向量机(support vector machine,简称SVM)分类技术,实现对GIF 图像中隐密信息的有效检测.实验结果表明,相比于同类算法,该算法对最佳奇偶分配(optimum parity assignment,简称OPA)、分量和(sum of components,简称SoC)、多比特分配(multibit assignment steganography,简称MBA)等典型隐密算法以及EzStego,S-Tools4,Gif-it-up 等网络上常见隐密工具的检测效果更佳,时间效率更高,且具备通用隐密分析的能力.     

基于两域特征的图像信息隐藏通用分类算法

提出一种基于两域特征的通用分类算法以解决单域特征正确分类率不高的问题.该算法将DCT域上拉普拉斯分布参数的方差和小波系数的四阶矩作为特征;并将其作为非线性分类器--BP网络分类器--的输入.实验结果表明,该算法能有效区分出载体图像和常见的LSB,SLSB,LTSB,Stool和Jsteg等方法密写的载密图像,平均正确分类率为83.39%,对Jsteg,Stool等算法的正确分类率甚至高达90%以上;另外,还能同时检测BMP和JPEG两种格式的图像.     

针对EzStego隐写图像的检测方法

针对基于调色板图像的EzStego隐写算法，在分析比较了目前常见的χ^2统计分析与RS分析方法后，指出了这两种方法在低嵌入率的EzStego隐写图像检测中的不足及其产生问题的主要原因，考虑到EzStego隐写算法的以下两个显著特征：颜色对及顺序嵌入，提出了一种基于颜色对频度统计分析的新型检测算法。实验结果表明，这种方法适用于EzStego隐写图像的检测，在低嵌入率情况下，其检测率和虚警率优于χ^2统计分析与RS分析方法。该方法在使虚警率降低1～2倍的情况下，检测率达到87％，而其他两个方法的检测率只有63％～69％，该新方法19～24个百分点。     

使用分形维数分类的密写方法

为了提供较大的隐藏容量和保持较好的载密图像质量,提出了一种基于分形维数的密写算法。该算法先根据位平面特性,把最不重要的几位补图像代替原图像,然后将该图像分割成固定的图像块,利用分形维数与图像间的关系,确定每个图像块的特点。结合HVS特性,根据纹理特征的强弱,提取与之对应的图像块的位平面高低,把这些提取出的位平面组成一个二进制序列,并对其置乱,根据矩阵编码把信息嵌入。针对大多容量与安全性相矛盾的情况,对统计攻击原理进行分析,提出的以分形维数作分类,结合置乱与矩阵编码技术密写方案很好地解决了这个问题。实验表明,该算法不仅具有较大的隐藏容量,而且对统计攻击具有一定的免疫性。     

一种改进的空域LSB掩密算法

本文基于对RS掩密分析技术的分析,利用矩阵编码技术对现有的空域LSB掩密算法提出了改进,改进后的算法可以在一定程度上抵抗RS攻击,从而进一步提高了LSB算法的安全性。     

基于相关性和SVD技术的盲隐写分析算法

针对图像分块离散余弦变换(DCT)域加性噪声隐写和基于奇异值分解（SVD）技术,提出了一种新的盲隐写分析算法。分析研究了载体图像和掩秘图像统计特征,建立了能够全面反映DCT系数相关性的数学模型;采用SVD技术提取图像特征,构建特征向量和盲隐写分析判决函数。试验结果证明：该算法检测可靠率在90%以上,综合性能比一般的隐写分析方法有明显提高。     

应用复小波和独立成分分析的人脸识别

结合双树复小波变换（DT-CWT）和独立成分分析（ICA）提出了一种人脸识别新方法。该方法首先应用双树复小波变换提取图像的特征向量,接着通过主成分分析（PCA）降低特征向量的维数,在此基础上应用独立成分分析提取统计上独立的特征向量,然后基于相关系数的分类器对特征向量进行分类。双树复小波变换具有方向与尺度选择性,并能有效的保持图像的频域信息,其与独立成分分析相结合提取的特征具有良好的分类性能。在ORL和AR人脸图像数据库上进行算法验证的结果表明该方法的有效性。     

GIF图像的EzStego隐藏算法及其分析

随着信息隐藏技术的发展,信息检测技术也越来越被人关注,其中检测分析的也变得更加重要.通过对GIF图像的信息隐藏嵌入方法中典型的EzStego算法做了分析,并根据其工作原理,实现了一种利用GIF图像中相邻像素之间平滑度的统计特征进行分析的方法.实验结果表明,该方法能有效地检测EzStego算法隐藏的信息.同时,对该方法的适用范围进行了分析.     

彩色图像通用隐写分析的多类统计特征

提出了用于彩色图像通用隐写分析的3类统计特征。针对隐写所导致的图像DCT系数分布、空域像素值平坦性以及颜色空间一致性的改变,从系数分布模型背离程度、空域相关性和不同颜色分量间的相关性3个方面设计能够体现原始载体和含密图像差异的特征,提取了10维特征向量。这些特征对隐写行为较为敏感、涵盖面广,且维数低、计算方便。在这些特征的基础上,可利用支持向量机分析彩色JPEG图像是否含有秘密信息。实验结果表明,基于这些特征的通用隐写分析方法可以准确、高效地检测以Jstge、F5或MB隐写方法嵌入的秘密信息,辨别隐写方法种类,具有很好的通用性。     

基于W2ID准则的Rich Model隐写检测特征选取方法

数字隐写是信息安全领域一个重要分支,其通过将秘密信息嵌入到数字图像、声音、视频等文件中并通过公开信道(如:Email邮箱、微博推文和即时通信等)进行传递,从而实现信息的隐蔽通信.图像自适应隐写是近年来数字隐写技术的研究热点,而Rich Model特征是检测图像自适应隐写的一大类主流高维特征,这类高维特征在实现对图像自适应隐写较高检测正确率的同时,带来了高额的计算开销和和存储开销,并使得隐写检测中的分类器训练变得极为困难.为此,本文提出了一种基于加权类间距离和类内距离差异准则(W2ID准则)的图像Rich Model隐写检测特征选取方法(记为W2ID-α方法).首先,在对Fisher-based方法这一隐写检测特征经典选取方法进行原理分析的基础上,指出该方法可能存在误删有用特征分量、保留冗余和冲突特征分量的不足;然后,通过将"类内距离差异"原则引入到隐写检测特征分量的可分性度量,提出了基于类间距离和类内距离差异的特征可分性度量准则(简记为2ID准则),给出了类内距离差异的一个相关性质;同时,为了合理体现"类间距离"的重要性,本文提出了基于频数统计加权法的权重分配算法,为该准则分配合理权重,使得对特征分量可分性的度量结果相比传统的Fisher准则更为准确;最后,依据W2ID准则的度量结果,基于决策粗糙集α-正域约简方法约简隐写检测特征分量,并在约简特征分量过程中,将每次处理一个特征分量改进为每次处理一组特征分量,以提升决策粗糙集α-正域约简的效率.提出的W2ID-α方法因无需设置可分性下限,避免了阈值设置不准确可能造成去除有用特征分量的问题,从而消除了现有Steganalysis-α隐写检测特征选取方法依赖经验参数的问题.基于数字隐写领域通用的BOSSbase-1.01图像库10 000幅原始图像和基于经典SI-UNIWARD隐写方法生成的多组隐写图像,针对从这些图像组每幅图像中提取的35263维J+SRM特征和17000维GFR特征(两类典型的图像Rich Model隐写检测特征),进行了一系列特征选取实验,结果表明:本文提出的W2ID-α方法能够在大幅降低Rich Model隐写检测特征维数的同时,基于选取后特征的隐写检测提高了对隐写图像的检测正确率,与Fisher-based、Steganalysis-α和PCA-based等现有典型特征选取方法相比具有显著优势,如对嵌入率=0.1的SI-UNIWARD隐写图像,基于提出的W2ID-α方法将J+SRM特征从35 263维降到2723维的同时,还提高了 3.63%的检测正确率.     

基于少样本学习的通用隐写分析方法

近年来,深度学习在图像隐写分析任务中表现出了优越的性能.目前,大多数基于深度学习的图像隐写分析模型为专用型隐写分析模型,只适用于特定的某种隐写术.使用专用隐写分析模型对其他隐写算法的隐写图像进行检测,则需要该隐写算法的大量载密图像作为数据集对模型进行重新训练.但在实际的通用隐写分析任务中,隐写算法的大量载密图像数据集是难以得到的.如何在极少隐写图像样本的情况下训练通用隐写分析模型是一个极大的挑战.对此,受少样本学习领域研究成果的启发,提出了基于转导传播网络的通用隐写分析方法.首先,在已有的少样本学习分类框架上改进了特征提取部分,设计了多尺度特征融合网络,使少样本分类模型能够提取到更多的隐写分析特征,使其可用于基于秘密噪声残差等弱信息的分类任务;其次,针对少样本隐写分析模型难收敛的问题,提出了预训练初始化的方式得到具有先验知识的初始模型;然后,分别训练了频域和空域的少样本通用隐写分析模型,通过自测和交叉测试,结果表明,检测平均准确率在80%以上;接着,在此基础上,采用数据集增强的方式重新训练了频域、空域少样本通用隐写分析模型,使少样本通用隐写分析模型检测准确率与之前相比提高到87%以上;...     

基于多维梯度能量的空域隐写分析

隐写分析是信息安全领域一个新的研究热点,其中多数为针对特定隐藏算法的隐写分析算法,少数泛盲隐写分析算法又具有复杂度高正检率低的缺点.对图像像素值扣除受隐藏改变很小的高位后剩余的低位图像进行小波变换,恢复载体图像,利用梯度能量之差形成12维特征向量,最后通过支持向量机(SVM)进行训练分类.在3000幅训练图像库和3000幅测试图像库上(没有交集),分别对LSB(least significant bits)、自适应空域和BPCS(bit-plane complexity segmentation)等多种空域隐藏算法进行训练和测试.实验结果表明,算法有很好的检测性能,载密图像和载体图像的平均正检率分别为93.7%和96.2%.     

基于粗糙集的图像隐藏信息检测改进方法

针对图像统计特征高维且相关性具有较大缺陷等问题,同时为了提高信息隐藏盲检测系统的检测效率,基于粗糙集理论,提出了一种改进的图像信息隐藏盲检测方法,并进行了实验研究.首先,提出一个改进的通用隐写分析系统框架,给出实现步骤和方法;然后利用粗糙集理论设计算法,降低特征维数,减小分类计算复杂度,消除统计特征间的相关性;最后改用支持向量机构造分类器,对两种典型的Cox和Piva扩频隐秘术进行实验.结果表明,该方法的检测正确率和时间效率等检测性能都有较大的提高,用于图像隐藏信息检测是可行、有效的.     

分类与分割相结合的JPEG图像隐写分析

目的 隐写分析研究现状表明,与秘密信息的嵌入过程相比,图像内容和统计特性差异对隐写检测特征分布会造成更大的影响,这导致图像隐写分析成为了一个"相同类内特征分布分散、不同类间特征混淆严重"的分类问题。针对此问题,提出了一种更加有效的JPEG图像隐写检测模型。方法 通过对隐写检测常用的分类器进行分析,从降低隐写检测特征类内离散度的角度入手,将基于图像内容复杂度的预分类和图像分割相结合,根据图像内容复杂度对图像进行分类、分割,然后分别对每一类子图像提取高维富模型隐写检测特征,构建分类器进行训练和测试,并通过加权融合得到最终的检测结果。结果 在实验部分,对具有代表性的隐写检测特征集提取了两类可分性判据,对本文算法的各类别、区域所提取特征的可分性均得到明显提高,证明了模型的有效性。同时在训练、测试图像库匹配和不匹配的情况下,对算法进行了二分类测试,并与其他算法进行了性能比较,本文算法的检测性能均有所提高,性能提升最高接近10%。结论 本文算法能够有效提高隐写检测性能,尤其是在训练、测试图像库统计特性不匹配的情况下,本文算法性能提升更加明显,更适合于实际复杂网络下的应用。     

Blind image steganalysis based on content independent statistical measures maximizing the specificity and sensitivity of the system

This paper reports the design principles and evaluation results of a new experimental universal, blind image steganalysing system. This system investigates the use of content independent statistical evidences left by the steganograms, as features for an image steganalyzer. The work is aimed at maximizing the sensitivity and specificity of the steganalyzer and to accomplish both security and system performance. A genetic-X-means classifier is constructed to realize the proposed model. For performance evaluation, a database composed of 5600 plain and stego images (generated by using seven different embedding schemes) was established. The results of our empirical experiment prove the vitality of the proposed scheme in detecting stego anomalies in images. In addition, the simulation results show that the effectiveness of steganalytic system can be enhanced by considering the content independent distortion measures and maximizing the sensitivity and specificity of the system.     

特征维数对隐写检测的影响分析

通过实验验证并分析图像隐写检测过程中特征维数对隐写检测正确率的影响,对比使用人工选取与机器降维的隐写图像识别率。结果表明,低维特征更有利于简化分类器的设计,降低计算复杂度,提高隐写检测正确率,且机器降维后的特征相比人工选取的特征拥有更好的隐写检测效果。     

Simple and effective approach for construction of universal blind steganalyzer

The goal of universal blind steganalysis is to detect all known (already existing) and unknown (previously unseen) steganographic algorithms without knowledge of the exact stego algorithm used by the steganographer. However, a binary blind steganalyzer trained on cover images and stego images randomly selected from “known stego images” (i.e., stego images produced by multiple “known” stego methods with a mixture of payloads), may fail catastrophically on unknown stego methods although shows superior performance on known stego methods. Additionally, unsupervised outlier detection and one-class classification approaches are less likely to fail to detect unknown stego methods but yield high false positive rates. Motivated by these observations, we explore a simple and effective approach for construction of universal blind steganalyzer to achieve overall good performance on both known and unknown stego algorithms. First, we compute Local Outlier Factor (LOF) scores of known stego sample points (feature vectors) with respect to test sample points. Then, we choose stego images with the lowest LOF scores from known stego images as training stego images. Finally, we train a binary classifier on cover images and chosen training stego images for test. Experimental results confirm that the proposed approach performs significantly better than the random sampling-based binary classification method, unsupervised outlier detection and one-class classification approaches on both known and unknown stego algorithms.