基于迁移学习的隐写分析

doi:10.11959/j.issn.2096-109x.2017.00116

网络与信息安全学报 ›› 2017, Vol. 3 ›› Issue (1): 23-30.doi: 10.11959/j.issn.2096-109x.2017.00116

基于迁移学习的隐写分析

叶登攀,马方方(),梅园

武汉大学计算机学院，湖北武汉 430072

修回日期:2016-10-09 出版日期:2017-01-15 发布日期:2020-03-20
作者简介:叶登攀（1975-），男，湖北黄冈人，博士，武汉大学教授，主要研究方向为信息安全、信息隐藏。|马方方（1993-），女，安徽阜阳人，武汉大学硕士生，主要研究方向为信息安全。|梅园（1980-），女，湖北武汉人，武汉大学博士生，主要研究方向为多媒体安全。
基金资助:
国家自然科学基金资助项目(61272453);湖北省重大科技创新计划基金资助项目(2015AAA013);NSFC—通用技术基础研究联合基金资助项目(U1236204)

Steganalysis based on transfer learning

Deng-pan YE,Fang-fang MA(),Yuan MEI

Computer School, Wuhan University, Wuhan 430072,China

Revised:2016-10-09 Online:2017-01-15 Published:2020-03-20
Supported by:
The National Natural Science Foundation of China(61272453);Major Scientific and Technological InnovationProject of Hubei Province(2015AAA013);NSFC-General Technology Foundation Research United Fund(U1236204)

摘要/Abstract

摘要：

在实际应用环境下，训练集和测试集往往存在分布偏差，导致隐写分析检测效果不理想。迁移学习方法旨在从一个领域学习到的知识，来帮助完成新领域中的学习任务，不要求领域间的同分布假设。概述了当前隐写分析失配问题的研究现状，分析了引起隐写分析失配的因素，在TrAdaBoost迁移算法的基础上提出了一种基于迁移学习的隐写分析算法，改善了隐写检测过程中出现的失配问题，并通过实验验证了算法的有效性。

关键词: 隐写检测, 迁移学习, 基于实例

Abstract:

In practice, when the training set and testing set are mismatched, performance of steganalysis can not be guaranteed. The transfer learning aims at using the knowledge learned from one domain to help complete the learn-ing task in the new domain, and does not require the same distribution assumption. A more comprehensive review of mismatched steganography research status was made and the mismatch factors were analyzed. Methods on in-stance-based transfer learning were presented to solve the test mismatch problem during the steganography detections.

Key words: steganography, transfer learning, based on instance

中图分类号:

TP309.7

叶登攀,马方方,梅园. 基于迁移学习的隐写分析[J]. 网络与信息安全学报, 2017, 3(1): 23-30.

Deng-pan YE,Fang-fang MA,Yuan MEI. Steganalysis based on transfer learning[J]. Chinese Journal of Network and Information Security, 2017, 3(1): 23-30.

图/表 9

图1

图2

图3

图4

图5

图6

图7

图8

图9

参考文献 12

[1]	PEVNY T , FRIDRICH J . Merging Markov and DCT features for multi-class JPEG steganalysis[C]// The International Society for Optical Engineering(SPIE). 2007.
[2]	KODOVSKY J , FRIDRICH J . Calibration revisited[C]// The 11th ACM Multimedia and Security Workshop. 2009: 63-74.
[3]	PEVNY T , BAS P , FRIDRICH J . Steganalysis by subtractive pixel adjacency matrix[J]. IEEE Transactions on Information Forensics＆Security, 2010, 5 (2): 215-224.
[4]	FRIDRICH J , KODOVSKY J . Rich models for steganalysis of digital images[J]. IEEE Transactions on Information Forensics＆Security, 2012, 7 (3): 868-882.
[5]	王舰，汤光明 . 基于 SVM 的图像隐写检测分析[J]. 计算机研究与发展， 2009, 46 (z1).
	WANG J , TANG G M . Image steganography detection analysis based on SVM[J]. Journal of Computer Research and Development, 2009, 46 (z1).
[6]	胡东辉，杨阳，邵锋，等. 一种基于随机森林的JPEG图像通用隐写分析方法[C]// 全国信息隐藏暨多媒体信息安全学术大会(CIHW). 2012.
	HU D H , YANG Y , SHAO F , et al. JPEG image steganographic analysis method based on random forest[C]// China Information Hiding And Multimedia Security Workshop(CIHW). 2012.
[7]	KODOVSKY J , FRIDRICH J , HOLUB V . Ensemble classifiers for steganalysis of digital media[J]. IEEE Transactions on Information Forensics and Security, 7 (2): 432-444.
[8]	KODOVSKY J , SEDIGHI V , FRIDRICH V . Study of cover source mismatch in steganalysis and ways to mitigate its impact[C]// The International Society for Optical Engineering(SPIE). 2014: 96-101.
[9]	李肖峰 . JPEG图像失配隐密分析研究[D]. 大连: 大连理工大学， 2014.
	LI X F . JPEG image mismatch secret analysis[D]. Dalian: Dalian University of Technology, 2014.
[10]	LI X F , KONG X , WANG B , et al. Generalized transfer component analysis for mismatched JPEG steganalysis[C]// IEEE International Conference on Image Processing. 2013: 4432-4436.
[11]	吕静 . 基于实例的迁移学习算法研究[D]. 太原: 山西财经大学， 2013.
	LV J . The migration learning algorithm study based on case[D]. Taiyuan: Shanxi University of Finance and Economics, 2013.
[12]	戴文渊 . 基于实例和特征的迁移学习算法研究[D]. 上海：上海交通大学， 2009.
	DAI W Y . migration learning algorithm study based on case and characteristics[D]. Shanghai:Shanghai jiaotong University, 2009.

[1]	王艺龙, 李震宇, 巩道福, 刘粉林. 基于块邻域的图像双脆弱水印算法[J]. 网络与信息安全学报, 2023, 9(3): 38-48.
[2]	许峥. 基于SAT方法进一步加速差分特征的搜索[J]. 网络与信息安全学报, 2022, 8(5): 129-139.
[3]	李喆,韩益亮,李鱼. 基于Polar码改进的RLCE公钥加密方案[J]. 网络与信息安全学报, 2020, 6(5): 110-118.
[4]	刘健,张益,刘玉岭,胡浩. 灰度可视秘密共享方案分析与设计[J]. 网络与信息安全学报, 2020, 6(4): 140-147.
[5]	王菁,李祖猛. 几个无证书签名方案的伪造攻击[J]. 网络与信息安全学报, 2020, 6(3): 108-112.
[6]	林素青. 支持访问更新的可验证外包属性加密方案[J]. 网络与信息安全学报, 2019, 5(1): 37-49.
[7]	李莉,周斯琴,刘芹,何德彪. 基于区块链的数字版权交易系统[J]. 网络与信息安全学报, 2018, 4(7): 22-29.
[8]	付钰,孙连亮,吴晓平. 基于WPKI和虹膜识别的二维码安全管理系统[J]. 网络与信息安全学报, 2018, 4(5): 62-68.
[9]	于游,付钰,吴晓平. 基于AES加密存储的磁盘销毁策略[J]. 网络与信息安全学报, 2018, 4(4): 72-76.
[10]	田玉丹,韦永壮. 认证加密模型JAMBU的新分析[J]. 网络与信息安全学报, 2017, 3(7): 53-57.
[11]	张兴兰,刘祥. 安全高效的可验证大型线性方程组求解外包计算方案[J]. 网络与信息安全学报, 2017, 3(6): 1-7.
[12]	张通明,关建峰. 面向文本的标识分组加解密模式[J]. 网络与信息安全学报, 2017, 3(3): 43-50.
[13]	宋新霞,陈智罡,周国民. NTRU型无需密钥交换的全同态加密方案[J]. 网络与信息安全学报, 2017, 3(1): 39-45.
[14]	周从华,陈伟鹤,刘志锋. 基于PAT的使用控制模型的形式化规约与安全性分析[J]. 网络与信息安全学报, 2016, 2(3): 52-67.
[15]	武霞,贾恒越,朱建明. 量子拜占庭协议中的纠缠态探测[J]. 网络与信息安全学报, 2016, 2(11): 30-38.

基于迁移学习的隐写分析

Steganalysis based on transfer learning

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 12

相关文章 15

Metrics

推荐阅读 0