导读:本文包含了通用隐写分析论文开题报告文献综述及选题提纲参考文献，主要关键词:AbS-LPC,压缩语音,信息隐藏,隐写分析
通用隐写分析论文文献综述
李松斌,刘鹏,杨洁,晏黔东[1]（2019）在《一种低速率压缩语音通用隐写分析方法》一文中研究指出合成分析线性预测编码(AbS-LPC)广泛应用于多种低速率语音编码中,现有的AbS-LPC低速率压缩语音隐写检测方法针对特定类型的隐写方法而设计,泛化能力较弱。为此,本文提出了一种面向多类低速率压缩语音隐写的通用信息隐藏检测方法。由于AbS-LPC低速率压缩语音码流中的码元存在时空关联性,且所有AbS-LPC低速率压缩语音隐写方法本质上都是改变码元取值。因此,从码元的角度出发,基于贝叶斯推理实现多类低速率压缩语音隐写的通用隐写检测。实验结果证明本文方法具有很好的通用隐写检测效果。(本文来源于《网络新媒体技术》期刊2019年06期）
刘鹏,李松斌[2]（2018）在《视频帧内帧间编码通用隐写分析卷积神经网络》一文中研究指出基于数据驱动学习模式的深度学习方法已在计算机视觉、语义分析,语音识别以及自然语言处理等众多机器学习相关应用领域取得了成功的应用,并颠覆了这些领域基于"人工特征"的传统范式。受此启发,本文提出了一种基于深度学习的视频帧内帧间编码通用隐写分析方法。由于视频帧内帧间编码信息隐藏本质上都是修改了视频解码帧图像像素值,因此本文从图像域的角度出发,设计了一种视频隐写分析卷积神经网络,将特征提取和分类模块整合到一个可训练的网络模型框架下,以数据驱动的形式自动学习特征并实现分类。实验结果表明,本文方法具有优异的通用隐写检测性能。(本文来源于《网络新媒体技术》期刊2018年06期）
王勉[3]（2018）在《图像通用隐写分析技术研究》一文中研究指出隐写技术的不断发展,使得信息隐藏方式和数据类型得以多样化,隐蔽性和安全性也越来越高。目前,使用数字图像作为隐写载体的多种隐写技术不断被提出。然而,隐写技术是一把双刃剑,既可被用于军事秘密通信、工业界版权防伪等正当途径,也可被不法分子用于破坏社会安定等非法活动当中。通用隐写分析,主要是通过提取秘密信息嵌入前后图像发生变化的某些特征,基于监督学习,构建出一个基于特征的分类器,然后将待分类图像使用分类器进行分类,最后根据分类结果判定待检测图像是载体图像还是载密图像。为了应对前述情况,设计可检测多种基于数字图像的隐写术的通用隐写分析算法,是目前该方向的难点和热点之一。本文主要研究和设计可检测多种隐写术的通用隐写分析算法,从图像纹理、邻近像素(或系数)的相关性提取可用作隐写分析的通用特征,对待测图像进行隐写检测和判别。本文的主要贡献如下:1,提出了以图像纹理、邻近像素(或系数)的相关性特征和改进SPAM特征作为融合特征的空域隐写分析算法。大部分的空域隐写算法,都会在某种程度上破坏邻近像素或系数的相关性,使得图像的差分统计特征发生变化。SPAM模型在计算特征时,采用Markov转移概率矩阵,相较而言,联合概率分布矩阵能够更好地捕获邻近系数的相关性变化。本文基于像素差分矩阵和改进SPAM模型提取融合特征,用于空域隐写分析。实验仿真结果表明,本文提出的融合特征,相比于SPAM模型,具有更好的检测精度;在对部分隐写算法的检测中,相比于SRM,在相同的检测精度情况下,具有更低的时间复杂度。2,提出了基于Chen486模型的变换域隐写分析算法。原始的Chen486模型,在针对DCT系数子块时,仅提取了子块间特征,并未计算块内特征。本文在研究和分析原始Chen486模型的基础上,另外提取了 DCT域系数的一阶统计特征,增加了对DCT子块块内特征和DCT子块块间一阶统计特征的计算,构成融合特征。实验表明,本文提出的变换域融合特征,相比于原始Chen486模型,具有更好的检测精度。3,提出了基于彩色图源的通用隐写分析算法。本文将前述隐写分析算法应用到基于彩色图源的隐写算法的检测上。针对彩色空域隐写算法,本文构造了 3种不同的空域特征融合方式;针对彩色变换域隐写算法,本文构造了 2种不同的变换域特征融合方式。实验结果表明,原始针对灰度图像的隐写分析算法,通过设计合理的特征融合方式,可以被扩展到针对基于彩色图源的隐写算法的检测上。(本文来源于《北京邮电大学》期刊2018-01-15）
杨雪[4]（2017）在《彩色图像通用隐写分析技术研究》一文中研究指出目前,大部分隐写算法和隐写分析算法的研究都只关注灰度图像,针对彩色图像进行的研究较少,而在互联网上共享和传输的基本都是彩色图像。因此,研究基于彩色图像的通用隐写分析算法具有重要的现实意义。本文以基于彩色图像的隐写分析为主要研究内容,研究成果包括以下两个方面:(1)提出一种基于费希尔线性判别式思想的隐写分析特征优化方法。目前,随着通用隐写分析技术的不断发展,隐写分析特征的高维化趋势加剧,导致算法时间复杂度和空间复杂度急速上升,因而研究如何在维持检测率水平的同时降低特征维度,对隐写分析的实用性有重要意义。针对在彩色空域图像上检测性能表现良好的MC-SPAM特征,本文在主成分分析和费希尔线性判别式思想的基础上,以"类内聚合""和"类间离散"程度评价各维特征区分自然和隐写载体的能力,进而选取最优子集,对MC-SPAM特征进行优化。实验结果证明,优化后的特征具有良好检测性和较低计算复杂度。(2)提出一种基于马尔科夫模型的彩色JPEG通用隐写分析算法。本文将Chen等人提出的特征提取算法扩展到彩色图像,并在该特征的基础上,将特征中使用的一阶转移概率矩阵改为二阶转移概率矩阵,对不同颜色通道的差值矩阵进行描述,从而获得通道间的隐写分析特征;对各个颜色通道的特征计算均值,将得到的融合特征作为通道内特征,共同组成最终的隐写分析特征,然后采用集成分类器进行分类。实验结果证明,与颜色通道内特征相比,颜色通道间特征对常见的JPEG隐写算法具有更好的检测效果。(本文来源于《北方工业大学》期刊2017-06-02）
杨哲[5]（2016）在《基于多样性特征的通用型图像隐写分析的方法研究》一文中研究指出隐写术是一种将信息隐藏到一定载体中(如图像、音频信息)传递的技术,属于信息安全的重要分支。隐写分析是隐写术的攻击技术,也是衡量隐写术性能的重要工具。隐写分析从方法上主要分为强针对型和通用型两种。强针对型隐写分析研究重点在分析隐写术的缺陷并定制出有针对性的特征。但是人工定制特征的难度很大且改进的隐写术容易使之失效。因此,设计适应性更强的通用型方法逐渐成为主流。通用型方法主要利用了机器学习技术,包括特征提取和分类器训练两部分,不需要根据不同的隐写术而做改变。但是通用型方法仍然存在自适应性不强、针对不同隐写术效果相差较大和检测准确率较低等问题。另一方面,现阶段隐写分析主要围绕特征的多样性和高维化进行研究,面对不断出现的新型隐写术,单一的特征很难覆盖和表达隐写过程对图像多方面分布的影响,这就需要通过一定的方法组合多样特征来分析更大范围和更多种类的隐写术嵌入前后图像性质的改变情况。综上所述,本论文研究的内容为基于多样性特征的通用型图像隐写分析。在通用型隐写分析的特征研究方面,本论文基于深度学习的隐写分析方法,提出了多种改进措施来提高模型的自适应性和检测准确率。主要改进措施包括以下叁点:预处理层融合、添加卷积层跨层结构和卷积层特征融合。其中,预处理层融合使得隐写分析的预处理阶段可以根据隐写术的不同而改变,将预处理和深度学习过程一体化,让模型拥有更强的自适应性。添加卷积层跨层结构和卷积层特征融合这两点模型结构上的改进可以让深度学习训练特征时,能够减少训练时的信息损失,提高提取特征的质量。实验验证了这些改进方法提高了基于深度学习的隐写分析方法的检测准确率和自适应性。在设计基于多样性特征的隐写分析算法方面,本论文主要通过研究富模型的多样性特征构建方法,进而通过组合多种有效的隐写分析特征设计了性能稳定、检测准确率较高的通用型隐写分析算法。同时,本论文还对该算法的特征构建和鲁棒性做了优化。(本文来源于《哈尔滨工业大学》期刊2016-12-01）
段怀锋[6]（2016）在《基于机器学习的通用隐写分析技术研究》一文中研究指出随着网络的普及以及多媒体通信技术的快速发展,人们传输信息的方式越来越多样化。与此同时,网络的广泛使用也致使许多安全隐患存在其中,信息隐藏技术受到越来越多的关注。隐写术和隐写分析技术是信息隐藏领域的两个重要研究课题,近几年隐写分析技术虽然得到了快速的发展,但从总体上来讲隐写术还是领先于隐写分析技术。本文主要研究基于机器学习的通用隐写分析问题,对现有隐写分析算法的泛化性能进行改进,提出一种基于卷积神经网络的隐写分析算法。主要工作如下:(1)对隐写技术和隐写分析技术的原理及其评估准则进行了总结,深入研究了几种典型的隐写算法和隐写分析算法,重点介绍了算法的基本原理和算法步骤,并且介绍了几种常用的分类器。(2)提出基于训练集构造的隐写分析算法改进方法。通过不同的实验设计对当前性能最好的隐写分析算法SPAM和Rich Model进行泛化性能分析,包括隐写率失匹配,隐写算法失匹配以及图像源失匹配。并根据实验结果提出通过训练小隐写率图像集,训练多类隐写算法,图像预分类和改进IQM分析算法几种方案来解决泛化问题,实验结果显示经过改进后隐写分析算法性能得到明显提升。(3)提出一种基于卷积神经网络的隐写分析算法。首先对人工神经网络结构进行介绍,然后重点介绍了卷积神经网络的架构,以及AlexNet网络模型,并结合先进的深度学习框架Caffe,对AlexNet网络进行微调,对水印图和原图进行分类识别。实验结果显示,本文提出的方法优于SPAM但比Rich Model分析算法稍差。(本文来源于《北京印刷学院》期刊2016-12-01）
刘格,黄方军,李中华[7]（2016）在《针对自适应隐写的通用隐写分析研究》一文中研究指出数字图像是隐写领域使用最多的载体之一.在实际应用中,待检测图像经何种隐写算法被嵌入秘密信息往往是未知的,因此可检测未知隐写算法的通用分析方法非常重要.为此,针对数字图像自适应隐写术提出一种新的通用隐写分析方法,在综合考虑不同自适应隐写术对载体图像统计特性影响的基础上提取特征,通过学习得到可对未知隐写术进行准确检测的隐写分析工具.实验表明,利用该方法对未知隐写算法进行检测可达到相当高的准确率.(本文来源于《应用科学学报》期刊2016年05期）
杨雪,杨榆,雷敏[8]（2016）在《基于SPAM和特征优化的通用隐写分析算法改进》一文中研究指出通用隐写分析特征的高维化趋势加剧,导致算法时间复杂度和空间复杂度急速上升。因此,研究如何在维持检测率水平的同时降低特征维度,对隐写分析的实用性有重要意义。本研究通过主成分分析确定特征矢量的最优维度;借用费希尔线性判别式思想,以"类内聚合"和"类间离散"程度评价各维特征区分自然和隐写载体的能力,进而选取最优子集。分析针对主流通用检测模型的基础——SPAM模型进行,仿真实验证明,优化子集具有良好检测性和较低计算复杂度。(本文来源于《成都信息工程大学学报》期刊2016年01期）
熊浩,任延珍,王丽娜[9]（2016）在《面向高级音频编码的通用隐写分析方法》一文中研究指出针对面向高级音频编码(AAC)音频压缩标准的内容安全和隐写分析算法相对滞后的问题,提出一种面向AAC压缩域的通用隐写分析方法。该算法利用相邻的修正的离散余弦变换(MDCT)系数之间的相关性,构建基于帧间帧内多阶差分相关性的隐写分析子特征,结合AAC编码特性对子特征进行加权融合,得到用于通用隐写分析的特征集合,并采用随机森林组合分类器,实现了面向AAC MDCT系数修改的通用隐写分析。实验结果表明,所提算法对现有隐写算法能够实现有效的通用检测,在相对嵌入率为50%的条件下,各种隐写算法的检测率都能达到80%以上。(本文来源于《计算机应用》期刊2016年02期）
李薇,欧继山,张舒[10]（2015）在《基于降维共生特征的JPEG通用隐写分析》一文中研究指出针对JEPG图像隐写检测问题,提出了一种基于降维共生特征和单类分类器的通用隐写分析方法。采用共生矩阵挖掘图像DCT块内、块间以及图像小波层内、层间相邻系数的相关性特征,并对特征进行校准和LPP降维处理,利用SVDD分类器进行训练和分类。实验结果表明:该方法相比传统二类隐写分析方法,具有更强的泛化能力,检测率相比几种单类隐写分析方法有明显提高;而且,LPP降维相比PCA降维对提高算法的分类精度具有更好的效果。(本文来源于《火力与指挥控制》期刊2015年12期）
通用隐写分析论文开题报告
（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：
基于数据驱动学习模式的深度学习方法已在计算机视觉、语义分析,语音识别以及自然语言处理等众多机器学习相关应用领域取得了成功的应用,并颠覆了这些领域基于"人工特征"的传统范式。受此启发,本文提出了一种基于深度学习的视频帧内帧间编码通用隐写分析方法。由于视频帧内帧间编码信息隐藏本质上都是修改了视频解码帧图像像素值,因此本文从图像域的角度出发,设计了一种视频隐写分析卷积神经网络,将特征提取和分类模块整合到一个可训练的网络模型框架下,以数据驱动的形式自动学习特征并实现分类。实验结果表明,本文方法具有优异的通用隐写检测性能。
（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。
通用隐写分析论文参考文献
[1].李松斌,刘鹏,杨洁,晏黔东.一种低速率压缩语音通用隐写分析方法[J].网络新媒体技术.2019
[2].刘鹏,李松斌.视频帧内帧间编码通用隐写分析卷积神经网络[J].网络新媒体技术.2018
[3].王勉.图像通用隐写分析技术研究[D].北京邮电大学.2018
[4].杨雪.彩色图像通用隐写分析技术研究[D].北方工业大学.2017
[5].杨哲.基于多样性特征的通用型图像隐写分析的方法研究[D].哈尔滨工业大学.2016
[6].段怀锋.基于机器学习的通用隐写分析技术研究[D].北京印刷学院.2016
[7].刘格,黄方军,李中华.针对自适应隐写的通用隐写分析研究[J].应用科学学报.2016
[8].杨雪,杨榆,雷敏.基于SPAM和特征优化的通用隐写分析算法改进[J].成都信息工程大学学报.2016
[9].熊浩,任延珍,王丽娜.面向高级音频编码的通用隐写分析方法[J].计算机应用.2016
[10].李薇,欧继山,张舒.基于降维共生特征的JPEG通用隐写分析[J].火力与指挥控制.2015