针对特定测试样本的隐写分析方法技术

本发明专利技术公开了一种针对特定测试样本的隐写分析方法，包括：利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征；并基于计算到的图像隐写分析特征计算待测样本与每一训练样本之间的特征空间距离相似度与特征运动模式相似度；结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度，并选取与待测样本相似度最为接近的N个训练样本来训练分类器；利用训练后的分类器对待测样本进行隐写分析，得到隐写分析结果。该方法可以提高训练集与测试数据的相关性，提升隐写分析准确率。

A steganography analysis method for specific test samples

The invention discloses a specific test sample steganalysis method, including: the use of steganalysis feature extraction technique to calculate the measured image hidden sample and all the training samples to write analysis based on image features; and to the analysis of the characteristics of implicit calculation written calculation between the sample and each training sample feature similarity and spatial distance the characteristics of motion pattern similarity test; combined with the feature of spatial distance similarity and characteristic of the motion pattern similarity to measure the similarity between the sample and the corresponding training samples to be measured, and selected and tested the N training samples close to the sample similarity classifier training; using trained classifier to test samples for steganalysis, steganography obtained the analysis results. This method can improve the correlation between the training set and the test data, and improve the accuracy of the steganalysis.

【技术实现步骤摘要】
针对特定测试样本的隐写分析方法
本专利技术涉及信息隐藏
，尤其涉及一种针对特定测试样本的隐写分析方法。
技术介绍
隐写分析是针对隐写术的一种分析技术，对于待测载体，隐写分析工作分为几个不同层次，主要分为：隐写载体检测、隐写算法分析、秘密信息提取、隐写明文获取等内容。其中隐写载体检测旨在检测载体是否被嵌入秘密信息；隐写算法分析是在前一步基础上，分析被隐写载体的秘密信息嵌入方法和嵌入率；秘密信息提取的任务是在前两步工作的基础之上，确定秘密消息嵌入的位置并提取出隐写密文；最后将密文解密为隐写明文即完成了隐写分析工作。然而现今主流隐写分析工作集中在分析过程的第一步，也就是隐写载体检测，主要研究如何高精度确定载体是否含有秘密信息，并且通常假设隐写方法与嵌入率已知。目前，数字图像隐写分析技术的主流思路是：设计数字图像特征提取方法，利用机器学习训练分类器区分载体和载密对象，近年流行的分类器是Ensemble分类器。常用的隐写分析特征有马尔科夫、共生矩阵、直方图高阶距等，以这些特征为基础发展出了很多隐写分析算法：空域中有SPAM，CSR和基于富模型(RichModel)的高维特征，频域的代表特征有PEV，CHEN，CC-CHEN，CC-PEV，J+SRM，以及近几年提出的高效特征DCTR，PHARM，GFR等。针对自适应隐写设计的“自适应隐写分析方法”是最新趋势之一，通过对自适应隐写嵌入路径的估计可以预测出最可能的隐写位置，从而更有针对性地检测自适应隐写。此外，近年来深度学习的成果也逐渐开始应用于隐写分析工作当中。然而，隐写分析在从实验室环境向现实场景过渡的过程中出现了很多困难，其中最突出的是载体来源失配(CSM,CoverSourceMismatch)问题，CSM是测试集与训练集不匹配时隐写分析效果显著下降的一种现象。
技术实现思路
本专利技术的目的是提供一种针对特定测试样本的隐写分析方法，可以提高训练集与测试数据的相关性，提升隐写分析准确率。本专利技术的目的是通过以下技术方案实现的：一种针对特定测试样本的隐写分析方法，包括：利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征；并基于计算到的图像隐写分析特征计算待测样本与每一训练样本之间的特征空间距离相似度与特征运动模式相似度；结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度，并选取与待测样本相似度最为接近的N个训练样本来训练分类器；利用训练后的分类器对待测样本进行隐写分析，得到隐写分析结果。利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征包括：提取待测样本Y的图像隐写分析特征记为y；提取任一训练样本Xtrn的图像隐写分析特征记为xtrn，图像隐写分析特征xtrn为载体载密成对出现的特征，包含载体特征x与载密特征计算待测样本与每一训练样本之间的特征空间距离相似度包括：计算图像隐写分析特征y和图像隐写分析特征xtrn之中所有元素的欧氏距离作为待测样本与相应训练样本之间的特征空间距离相似度：计算待测样本与每一训练样本之间的特征运动模式相似度包括：对待测样本Y进行隐写操作得到隐写后的样本提取样本的图像隐写分析特征记为定义待测样本Y在隐写操作下的运动模式估计为：定义待测样本Y与训练样本运动模式的欧氏距离为二者运动模式的差异性度量：所述结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度包括：利用待测样本与相应训练样本之间特征空间距离相似度d，以及特征运动模式相似度m来计算训练样本的载体特征x与待测样本Y图像隐写分析特征y的差异性度量S：S(x,y)＝||d||2+λ||m||2；其中，λ为特征空间距离相似度与特征运动模式相似度之间的权重参数。由上述本专利技术提供的技术方案可以看出，通过度量每一个测试样本与当前训练数据库中的训练样本之间的相似程度，选择与测试样本最相似的训练数据训练分类器，排除不相关训练数据的干扰，从而提高训练集与测试数据的相关性，并大幅提升隐写分析的准确率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的一种精准隐写分析的典型应用场景的应用框架；图2为本专利技术实施例提供的一种针对特定测试样本的隐写分析方法的流程图；图3为本专利技术实施例提供的讨论不同嵌入率下实验参数与错误率关系示意图；图4为本专利技术实施例提供的实验参数与平均错误率关系示意图；图5为本专利技术实施例提供的一种针对特定测试样本的隐写分析方法的实施框图；图6为本专利技术实施例提供的本专利技术的隐写分析方法与现有技术的隐写分析方法的检测效果对比示意图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。本专利技术针对目前隐写分析存在的CSM问题，考虑需要精准隐写分析少量测试样本的应用场景，这种场景需要很高的检测精度，但由于待测样本量很小，可以采用高复杂度的检测方法。对少量特定测试样本的精准隐写分析问题来源于真实应用的实际需求，典型的应用场景有如下两种(如图1所示)。一、考虑一个面向海量图像数据的隐写分析监控场景。为了能够处理大量数据，采用层级化的隐写分析系统。首先使用简单的特征训练出分类器放在层级的第一层，输入的图像仅需要提取简单的特征即可以进行隐写分析检测，利用这一层过滤掉大部分图像，将疑似载密的图像移交给下一层；第二层分析需要付出更大的计算代价，但是相应也具有更准确的分析功能，可以再次过滤掉部分非载密图像，留下更少量的可疑图像给下一层。如此设计若干层分析器，过滤得到高可疑图像，这时便需要特定测试样本隐写分析模块给出最终的精准分析结果。二、在刑侦工作中，分析人员锁定了隐写术的疑似使用者，通过某种手段获取其传输或存储的图像，这些图像往往是高可疑的，值得花大的计算代价做有针对性的精准分析。针对上述场景，本专利技术聚焦隐写分析工作中的载体检测任务，假设隐写算法与嵌入率已知，以准确判断样本是否经过隐写为目的，首先研究隐写对图像特征的影响，随后找出隐写分析与图像特征之间的重要关系，基于此提出一种为测试样本选择专用训练集、训练专用分类器的隐写分析方法，称其为“特定测试样本隐写分析(STSS,SpecificTestingSampleSteganalysis)”，该方法度量每一个测试样本与当前训练数据库中的训练样本之间的相似程度，选择与测试样本最相似的训练数据训练分类器，排除不相关训练数据的干扰，从而大幅提升隐写分析的准确率。形象地讲，如果将训练分类器检测样本比作顾客(测试样本)买衣服(分类器)的过程，衣服越合身则(隐写分析)效果越好。之前的方法好比是“成衣铺”，事先制作好各种尺码的衣服，顾客来了可以按照尺码范围选择大致合身的衣服；而本专利技术方法可以比作为每位顾客“量体裁衣”。显然，后者做的衣服更合身，但成本也更高。如本文档来自技高网...

【技术保护点】
一种针对特定测试样本的隐写分析方法，其特征在于，包括：利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征；并基于计算到的图像隐写分析特征计算待测样本与每一训练样本之间的特征空间距离相似度与特征运动模式相似度；结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度，并选取与待测样本相似度最为接近的N个训练样本来训练分类器；利用训练后的分类器对待测样本进行隐写分析，得到隐写分析结果。

【技术特征摘要】
1.一种针对特定测试样本的隐写分析方法，其特征在于，包括：利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征；并基于计算到的图像隐写分析特征计算待测样本与每一训练样本之间的特征空间距离相似度与特征运动模式相似度；结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度，并选取与待测样本相似度最为接近的N个训练样本来训练分类器；利用训练后的分类器对待测样本进行隐写分析，得到隐写分析结果。2.根据权利要求1所述的一种针对特定测试样本的隐写分析方法，其特征在于，利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征包括：提取待测样本Y的图像隐写分析特征记为y；提取任一训练样本Xtrn的图像隐写分析特征记为xtrn，图像隐写分析特征xtrn为载体载密成对出现的特征，包含载体特征x与载密特征3.根据权利要求2所述的一种针对特定测试样本的隐写分析方法，其特征在于，计算待测样本与每一训练样本之间的特征空间距离相似度包括：计算图像隐写分析特征y和图像隐写分析特征xtrn之中所有元素的欧氏距离作为待测样本与...

【专利技术属性】
技术研发人员：张卫明，俞能海，张逸为，冯晓兵，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽,34