基于特征融合聚类的JPEG盲隐写分析

• 作 者: 周楠 赵险峰 黄炜 盛任农
• 机 构: 中国科学院软件研究所信息安全国家重点实验室,中国科学院信息工程研究所信息安全国家重点实验室,北京电子技术应用研究所
• 出 处: 计算机应用与软件
• 发表日期: 2013年03期
• 关键词: 特征融合 聚类 隐写分析 PCA Feature fusion Clustering Steganalysis Principal component anal
• 基金项目: 国家自然科学基金项目（61170281）, 北京市自然科学基金项目（4112063）, 中国科学院战略性先导科技专项项目（XDA06030601）, 中国科学院信息工程研究所内部项目（Y1Z0041101,Y1Z0051101）

传统隐写分析所需的隐写算法、嵌入率和图像来源等先验知识在实用中很难满足,上述条件未知的盲隐写分析场景下,使用聚类分析方法可以有效区分隐写者与非隐写者。设计一种适合所选特征的融合方案,用以提高JPEG聚类隐写分析的准确率,将偏序Markov模型特征的主成分与校准特征融合,充分利用特征互补并降低冗余,可以在参与者中更好地识别出隐写者,从而提高识别准确率。实验结果表明,在不同隐写算法和嵌入率条件下,采用该方法比现有方法准确率平均提高约2%,最高提高约16%。