基于變換域特征的通用隱寫分析.pdf

1、作為信息安全研究領域新的分支，隱寫分析技術主要對載體中隱秘信息進行有效的檢測。特別是美國發(fā)生9.11事件以來，隱寫分析更加受到重視，它對國家、國防以及軍事安全方面起到重要的作用。因此，隱寫分析具有較高的學術研究價值和廣泛的應用價值。本文緊跟信息隱藏技術的前沿，以參考國際上最新的隱寫分析技術為基礎，研究圖像數(shù)據(jù)中隱密信息的分析與檢測技術，提出多種可靠的圖像隱寫分析和檢測方案。本文的主要研究工作表現(xiàn)在:(1)由于隱秘信息與載體數(shù)據(jù)獨立，嵌入

2、操作會造成系數(shù)相關性的改變。針對JPEG圖像隱寫算法，根據(jù)頻域系數(shù)鄰域相關的性質構造馬爾可夫鏈并設計隱寫分析特征。通過對DCT域8×8塊內系數(shù)分別進行橫向、縱向和zigzag掃描，利用馬爾可夫(Markov)鏈分別刻畫系數(shù)在局部方向上的關聯(lián)，生成局部馬爾可夫特征。依據(jù)各向特征對分類的貢獻程度設置權重，對三向特征賦予不同權重。實驗仿真驗證了3:3:4加權平均特征對嵌入率為0.05時的四種隱寫方法(Outguess，F(xiàn)5，Mbl和Mb2)檢

3、測率均高于91%，同時該特征融合操作并未增加特征的維數(shù)。另外，本文利用Markov矩陣統(tǒng)計了相鄰系數(shù)塊之間的相關性，并構造出塊間和塊間Markov特征。由于水平和垂直掃描方式無法有效檢測低嵌入率下的F5隱寫算法，本文對DCT系數(shù)塊以及塊內系數(shù)分別進行zigzag掃描，同時引入差分消除圖像內容對隱寫檢測的影響，提取的塊內和塊間Markov特征對嵌入率為0.05的F5隱寫算法檢測率可達到95%以上。
　　 (2)根據(jù)二類分類器推廣能

4、力受限于隱秘圖樣本的缺點，設計了僅使用凈圖樣本進行訓練的一類分類隱寫分析方案。描述凈圖特性的統(tǒng)計量抽取自圖像的一階全微分、二階全微分以及梯度圖，以突出隱寫可能造成的改變；對各階微分圖分別進行小波包分解生成多個節(jié)點，提取節(jié)點系數(shù)直方圖特征函數(shù)多階絕對矩定義凈圖特征。針對凈圖統(tǒng)計特征存在聚類性不強的特點，在訓練前先對凈圖樣本進行模糊聚類得到多超球體一類分類器，而合理聚類數(shù)目的選擇由Xie-Beni指標來衡量。由JSteg、JPhide、F5

5、、Outguess隱密圖像以及用于測試的凈圖樣本所組成的混合圖像庫上的仿真實驗結果驗證了該方案的有效性。較之二類分類隱寫分析方法，所設計方案具有更好的通用性。
　　 (3)設計了一種基于獨立成分分析(ICA)模型的隱秘信息估計方案。該方案假設秘密信息是獨立同分布序列且統(tǒng)計獨立于載體圖像，將隱寫分析過程視為ICA模型的求解問題，利用盲源分離(BSS)方法估計嵌入信息。由于DCT系數(shù)是服從非高斯分布的，而擴頻隱秘信息是高斯分布的，在