导读:本文包含了隐藏信息检测论文开题报告文献综述及选题提纲参考文献，主要关键词:H.264,AVC,视频信息隐藏,隐写分析,运动矢量
隐藏信息检测论文文献综述
李松斌,杨洁,刘鹏,王凌睿[1]（2019）在《基于关联网络模型的H.264/AVC运动矢量调制信息隐藏检测方法》一文中研究指出H.264/AVC运动矢量信息隐藏方法具有较大的嵌入容量,同时对重建帧的视频质量引入的附加失真较小,是一种重要的H.264/AVC视频信息隐藏方法.针对该种信息隐藏方法提出了一种隐写分析方法.由于视频帧中物体的完整性和物体在帧间运动的连续性,H.264/AVC时域及空域中相邻编码宏块的运动矢量存在一定的相关性.据此,建立了用于运动矢量隐写分析的时空相邻宏块运动矢量关联网络模型.通过对关联网络进行剪枝得到强相关网络,并对强相关网络中顶点之间的相关性进行了量化表示,从而提取了用于隐写分析的特征向量,结合支持向量机(support vector machine,SVM)构建了隐写检测器.实验表明,与现有的隐写分析算法相比,该文方法具有更好的检测性能,检测准确率均超过90%.(本文来源于《应用科学学报》期刊2019年05期）
常文文,王宏,化成城,王翘秀,原玥[2]（2018）在《基于脑功能网络连接的隐藏信息检测研究》一文中研究指出大脑在视觉或听觉刺激作用下对是否隐藏的信息有不同的认知反应,而大脑的这种反应涉及到不同脑区的协同和信息流动。该文基于传统视觉刺激隐藏信息测试方法,设计了视听同步刺激的对比试验;并针对当前测试方法主要集中于脑中央区电极点的这一缺点,通过记录全脑区导联的信号来分析不同脑区神经活动的变化。首先用视觉刺激和视听同步刺激相关脑电位构建了脑功能网络,并计算脑网络聚集系数和特征路径长度作为基本特征量,同时构建了一种量子门节点神经网络分类器,将其应用于脑电特征的分类。实验结果表明,结合脑网络特征和量子神经网络分类器的方法,能够较为准确地识别隐藏信息,同时视听同步刺激效果好于视觉刺激。(本文来源于《电子科技大学学报》期刊2018年05期）
薛泽赟[3]（2018）在《基于信息隐藏的伪信息检测技术研究与应用》一文中研究指出随着网络和通信技术的快速发展,伪装手段越来越隐蔽和复杂,冒充个人和企业进行不法活动的事件时有发生,通信双方的互相认证问题成为人们关注的热点。在现有的即时通信的交互场景中,交互手段主要有文本和语音两种。本文提出了安全性较高的通信场景中的信息隐藏算法,为通信过程中交互双方身份认证和伪信息的检测提供依据。本文的主要工作内容如下:(1)分析了目前通信场景中的隐蔽通信算法,总结了现有算法的不足。主要为在文本信息隐藏过程中嵌入容量低,隐秘载体的鲁棒性差,易受重放攻击;而基于音频文件的信息隐藏过程中存在不可感知性差,解密密钥无法通过公开信道安全传输等问题。(2)针对基于文本通信中存在的鲁棒性差和嵌入容量低等问题提出了一种基于表情符和叹词集合的隐写方案。该方案通过将表情符和叹词的集合及元素编码,采用表情符和叹词分别置于文本前后或与文本信息分行显示,构造隐写空间,提升了算法的嵌入容量和鲁棒性。通过理论证明和实验分析该算法具有良好的不可感知性和安全性。(3)针对基于语音通信中可以先录音后发送的通信方式,提出了一种将验证信息嵌入语音音频文件的信息隐藏算法。通过对音频文件中头文件字段的更改,可以将解密密钥嵌入附加信息中;秘密信息通过该算法自适应的嵌入音频文件的数据部分,使得该算法具有良好的不可感知性,保证了算法的安全性。理论和实验都证明了其可行性。(本文来源于《中北大学》期刊2018-06-01）
杨洁,李松斌,邓浩江[4]（2018）在《基于贝叶斯网络的压缩语音信息隐藏检测》一文中研究指出压缩语音量化索引调制(QIM)信息隐藏方法中,最近邻投影点QIM(NPP-QIM)方法具有较高的嵌入效率和隐蔽性。针对现有的隐写分析方法对NPP-QIM方法检测准确率不高的问题,提出了一种基于贝叶斯推理的检测方法以提高检测准确率。首先,利用矢量量化(VQ)码字(VQ_1、VQ_2、VQ_3)构建了码字时空转移网络(CSTN);接着,以码字转移指数对CSTN进行化简得到隐写敏感码字时空转移网络(SS-CSTN);然后,基于SS-CSTN进一步构建了码字贝叶斯网络(CBN);最后,使用Dirichlet分布作为先验分布学习网络参数,实现对QIM信息隐藏的检测。实验结果表明,在嵌入率为100%、时长为10 s时,与索引分布特征(IDC)方法和梅尔频率倒频系数(DMFCC)方法相比,提出CBN方法的检测准确率分别提高了25个百分点和37个百分点;在时间性能方法,检测一段10 s的语音时间约为21 ms,能够实时检测。(本文来源于《计算机应用》期刊2018年07期）
贾已真,李松斌,蒋雨欣,戴琼兴,邓浩江[5]（2015）在《基于共生特性的G.729A基音调制信息隐藏的检测》一文中研究指出提出了一种G.729A自适应码本分组基音调制信息隐藏的检测算法.对语音码流的分析发现,通过基音预测进行信息隐藏将改变相邻语音帧中基音周期估计值的共生特性.通过量化这种共生特性,并经过PCA(Principal Component Analysis,主成分分析)降维获得对隐写检测敏感的特征向量.最后基于特征向量和SVM(Support Vector Machine,支持向量机)构建隐写检测器.对不同语音样本数据集的检测表明,当语音长度在2s及以上时,检测正确率均超过96%.此检测算法是一种有效的压缩域信息隐藏检测方法.(本文来源于《电子学报》期刊2015年08期）
付敏,戴祖旭,胡文涛[6]（2015）在《一种文本信息隐藏中的语法检测算法》一文中研究指出基于文本的信息隐藏方法是通过对大量汉语句子进行考察和结构分析,抽出以关键词为核心的改写模板,对具有一定结构特点的语句改写。但是经过同义词替换后可能会破坏句子的语言一致性。针对这一缺点,提出了一种语法检测的算法。首先根据语法库统计出词性的可选搭配对进行词性搭配检测是否合理,再检测词语属性的搭配,最后决定是否对词本身有要求进行检测。在C平台下的数值实验表明该检测算法能够有效的处理文本信息隐藏。(本文来源于《科学技术与工程》期刊2015年21期）
邹劲松,唐旭[7]（2015）在《基于粗糙集的图像隐藏信息检测改进方法》一文中研究指出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。(本文来源于《测控技术》期刊2015年04期）
刘慧兴[8]（2015）在《图像信息隐藏并行检测技术的研究》一文中研究指出信息隐藏技术与隐写检测技术是信息安全的一个重要研究方向,其在近几年发展很快。由于数字图像表征信息冗余量大,所以信息隐藏技术通常以数字图像作为隐写载体,而企业防火墙、入侵检测系统对图像信息隐藏检测作用甚微,因此图像隐写检测技术对国家、军队等部门的安全变得尤为重要。论文首先介绍了图像隐写技术与隐写检测技术的发展,而后简要概述了图像隐写检测的相关技术,包括图像隐写检测技术的基本框架以及常用的图像隐写检测特征和分类器。在此基础上围绕着图像隐写检测特征的提取和分类方法做了研究与改进,主要工作如下：(1)仔细研究与分析了PEV校准特征和相邻联合密度特征,发现PEV校准特征中的Markov特征仅仅包含了DCT块内特征,其并没有考虑图像隐写对DCT块间造成的影响,而图像隐写通常还会破坏DCT块间的连续性,因此PEV校准特征考虑不够全面；相邻联合密度特征仅仅考虑了图像隐写对局部统计特性造成的影响,其没有考虑图像隐写对全局特征造成的影响。为了更加全面的描述图像隐写对统计特性造成的影响,本文提出一种新的融合特征,该融合特征既包含了PEV校准特征中的直方图、方差等全局特征同时也包含了DCT块间与块内特征。最后为了验证该融合特征的有效性,本文利用SVM分类器对图像进行隐写检测实验,实验结果表明基于融合特征的图像隐写检测正确率高于PEV校准特征与相邻联合密度特征的隐写检测正确率。(2)简要概述了稀疏表示在图像隐写检测中的应用,针对基于最小l1范数的稀疏表示在图像隐写检测中求解稀疏系数时精度不足的问题,本文使用向量总变差来代替l1范数进行稀疏系数的求解,最后结合PEV校准特征对图像做隐写检测实验从而检验该方法的隐写检测效果。实验结果表明基于向量总变差的方法比基于l1范数的方法的图像隐写检测准确率高。(3)针对训练集数量大,图像隐写检测特征提取效率低以及未充分利用CPU多核等问题,本文提出一种基于OpenMP技术的并行图像隐写检测特征提取方法,并分别利用串行方法和并行方法对叁个图像集进行图像隐写检测特征的提取,实验结果表明该并行方法在一定程度上减少了图像隐写检测特征提取时间,提高了CPU资源的利用率。(本文来源于《南京理工大学》期刊2015-01-01）
孔维国,王宏霞,王科人,刘正辉[9]（2014）在《基于转移概率矩阵的H.264/AVC视频帧内预测模式信息隐藏检测算法》一文中研究指出针对基于H.264/AVC帧内预测模式的信息隐藏算法,本文提出了一种信息隐藏检测方案.由图像残差DCT系数量化后的重建信号与原始信号差的期望为零,理论分析得到对于利用H.264/AVC帧内预测模式嵌入秘密信息的视频,经过H.264/AVC重压缩后,其载密的非最优帧内预测模式将转变为嵌入秘密信息前自然视频的最优预测模式.基于此推论及其实验结果,本文构造了帧内预测模式转移概率矩阵,并以此为特征结合支持向量机分类器进行视频信息隐藏检测.实验表明,本文算法对于不同类型的低嵌入率载密视频都具有很高的正确检测率.(本文来源于《四川大学学报(自然科学版)》期刊2014年06期）
李松斌,贾已真,付江云,戴琼兴[10]（2014）在《基于码书关联网络的基音调制信息隐藏检测》一文中研究指出基音调制信息隐藏在进行基音预测时嵌入机密信息,可在低速率语音压缩编码过程中进行高隐蔽性的信息隐藏,文中试图对该种隐写进行检测.文中发现该种隐写将导致压缩语音流中相邻语音帧自适应码书的关联特性发生改变,文中以此为设计隐写分析算法的关键线索.为了量化该种关联特性,文中设计了码书关联网络模型并基于该模型得到了对隐写敏感的特征向量.最后,基于所得特征向量并结合SVM(Support Vector Machine,支持向量机)构建了隐写检测器.针对典型的低速率语音编码标准G.729以及G.723.1的实验表明,文中方法性能优于现有检测方法,实现了对基音调制信息隐藏的快速有效检测.(本文来源于《计算机学报》期刊2014年10期）
隐藏信息检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
大脑在视觉或听觉刺激作用下对是否隐藏的信息有不同的认知反应,而大脑的这种反应涉及到不同脑区的协同和信息流动。该文基于传统视觉刺激隐藏信息测试方法,设计了视听同步刺激的对比试验;并针对当前测试方法主要集中于脑中央区电极点的这一缺点,通过记录全脑区导联的信号来分析不同脑区神经活动的变化。首先用视觉刺激和视听同步刺激相关脑电位构建了脑功能网络,并计算脑网络聚集系数和特征路径长度作为基本特征量,同时构建了一种量子门节点神经网络分类器,将其应用于脑电特征的分类。实验结果表明,结合脑网络特征和量子神经网络分类器的方法,能够较为准确地识别隐藏信息,同时视听同步刺激效果好于视觉刺激。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
隐藏信息检测论文参考文献
[1].李松斌,杨洁,刘鹏,王凌睿.基于关联网络模型的H.264/AVC运动矢量调制信息隐藏检测方法[J].应用科学学报.2019
[2].常文文,王宏,化成城,王翘秀,原玥.基于脑功能网络连接的隐藏信息检测研究[J].电子科技大学学报.2018
[3].薛泽赟.基于信息隐藏的伪信息检测技术研究与应用[D].中北大学.2018
[4].杨洁,李松斌,邓浩江.基于贝叶斯网络的压缩语音信息隐藏检测[J].计算机应用.2018
[5].贾已真,李松斌,蒋雨欣,戴琼兴,邓浩江.基于共生特性的G.729A基音调制信息隐藏的检测[J].电子学报.2015
[6].付敏,戴祖旭,胡文涛.一种文本信息隐藏中的语法检测算法[J].科学技术与工程.2015
[7].邹劲松,唐旭.基于粗糙集的图像隐藏信息检测改进方法[J].测控技术.2015
[8].刘慧兴.图像信息隐藏并行检测技术的研究[D].南京理工大学.2015
[9].孔维国,王宏霞,王科人,刘正辉.基于转移概率矩阵的H.264/AVC视频帧内预测模式信息隐藏检测算法[J].四川大学学报(自然科学版).2014
[10].李松斌,贾已真,付江云,戴琼兴.基于码书关联网络的基音调制信息隐藏检测[J].计算机学报.2014