一种基于T-CNN的空域自适应图像隐写分析安全检测方法技术

本发明专利技术公开一种基于T

【技术实现步骤摘要】
一种基于T
‑
CNN的空域自适应图像隐写分析安全检测方法


[0001]本专利技术涉及网络空间安全中的图像隐写分析领域，特别是涉及一种将转置卷积融合到卷积神经网络的空域自适应图像隐写分析安全检测方法。

技术介绍

[0002]图像隐写是将秘密信息嵌入载体图像使通信双方进行隐蔽通信而不被其他用户发现的技术，在网络信息安全、军事领域等多方面均发挥着重要作用，对加密信息传输、维护数据安全存储等具有重要意义。同时，图像隐写也会被恐怖分子、不法之徒用于传播消息，给国家和社会带来了潜在的严重危害，如何有效监督图像隐写技术的使用、防止非法应用，成为国家安全等部门密切关切的问题。图像隐写分析即是对隐写术的攻击，是解决非法使用图像隐写问题的关键技术。
[0003]随着隐写术不断增强，对载密图像进行正确的检测难度就越来越大，而隐写术很容易会被心怀叵测的人所利用，他们可以将需要传递隐藏的秘密信息划分为多份数据，然后将这些数据分别隐藏在多张图像中，通过减少每张图像嵌入信息的数量来躲避隐写分析方法的检测，在接收端只需将这些图像中的秘密数据提取后再进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于T
‑
CNN的空域自适应图像隐写分析安全检测方法，该方法包括以下步骤：Step1: 判断数据集中原始图像的大小，如果图像大小大于128
×
128个像素，则将其裁剪为128
×
128个像素，如果图像大小小于128
×
128个像素，则对图像尺寸放大为128
×
128个像素；Step2：将处理后的图像随机选取30%作为训练集中的载体图像，再随机选取10%作为测试集中的载体图像；Step3：使用隐写算法对随机选取的载体图像进行隐写，分别得到训练集中的载密图像和测试集中的载密图像；Step4：将训练集图像输入T
‑
CNN网络结构进行预处理，提取图像噪声的残差信息，凸显噪声；预处理层中含有30个高通滤波器，其权值固定，学习率设置为0，不参与网络的学习；预处理层后使用TLU激活函数，保留正负残差信息和图像隐写引入的高频噪声；Step5：对预处理后的特征图进行转置卷积操作，将图像特征信息放大：转置卷积
→
批量正则化
→
ReLU激活函数；Step6：对转置卷积后得到的特征图进行卷积操作，提取图像特征：卷积层
→
批量正则化
→
ReLU激活函数，共五个卷积层，最后一层为全局卷积层，使用的卷积核大小等于该层输入的特征图的大小；Step7：将卷积操作后得到的特征图进入分类模块: 两层全连接层和一层Softmax层，两层全连接层之间使用ReLU激活函数，进一步增加模型的非线性表达能力，最后由Softmax层输出图像是否为隐写图像的训练检测结果；Step8: 将测试集图像输入T
‑
CNN网络结构进行Step4至Step7处理，验证是否为隐写图像的检测结果。2.根据权利要求1所述的一种基于T
...

【专利技术属性】
技术研发人员：张春英，刘首岳，段学明，杨爱民，李杰，刘凤春，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：