基于深度神经网络的图像隐写检测研究

• 作 者: 叶俊辰
• 出 处: 上海交通大学
• 发表日期: 2004年期
• 关键词: 图像隐写 JPEG图像 隐写分析 卷积神经网络

图像隐写是指将秘密信息嵌入普通图像而不被察觉,是信息隐藏的常用手段之一。随着数字图像在日常生活中的普及,针对数字图像的隐写算法不断发展。在互联网海量图像中,通过隐写技术交换隐秘信息既高效又不易被发现,已经成为信息安全领域的研究热点之一。有迹象表明,近年来间谍机构、恐怖组织、贩毒团伙等利用图像隐写技术进行机密窃取、袭击策划、情报传递等违法活动的情况日益频繁,因此对于图像隐写检测技术的研究更显迫切和重要。以nsF5等算法为代表的JPEG图像频域隐写方法,将秘密信息使用特定方法嵌入到图像解压缩后的离散余弦变换系数矩阵中,且基本不改变各项统计指标,具有较高的隐蔽性,应用范围广泛。传统针对nsF5等隐写检测的方法主要依赖人工设计的特征,使用支持向量机等工具进行分类。近年来随着深度学习技术的发展,卷积神经网络被广泛应用于各类图像分类任务中。本文提出了一种基于卷积神经网络的隐写检测算法,能够有效地捕获nsF5等算法在隐写过程中留下的痕迹,实现对隐写图像的有效检测。本文所提出的深度学习网络模型针对JPEG隐写特点,在卷积神经网络的基础上引入了密集连接模块。在密集连接模块中,输入特征图与卷积后的特征图连接,并且通过级联运算合并,加大了网络中各层间的信息传输。这种结构设计能够保留浅层提取到的图像特征,实现特征重用,减少模型参数,解决深层网络中常出现的梯度消失问题等。实验结果表明,所提算法性能优于传统的隐写检测方法。