一种超轻量且快速的隐写分析检测方法技术

本发明专利技术公开一种超轻量且快速的隐写分析检测方法，步骤1、获取待处理的图像进行预处理，预处理时将高度轻量级的门控通道转换单元（gated channel transformation，GCT）与用于改变通道数量的点卷积（pointwise convolution，PWConv）相结合，提高信噪比；在特征提取中的后两层中配备的FasterNet Blocks以高效提取空间特征，经部分卷积(Partical Convolution,PConv)层改变的通道信息和剩余的不变通道信息拼接后输入PWConv层，PWConv层提取所有的通道特征；步骤3、将提取的通道特征通过联合全局标准差池化（global standard deviation pooling，GSDP）和全局平均池化(global averaging pooling，GAP)的风格池化进行统计量的计算，再连接全连接层以区分弱隐写信号。本发明专利技术在增强检测正确率上的基础上进一步降低参数量和时间代价。

【技术实现步骤摘要】

本专利技术涉及信息安全领域，尤其涉及一种超轻量且快速的隐写分析检测方法。

技术介绍

1、图像隐写术是一种将信息隐藏在图像中的技术，在隐蔽性和不可知性方面达到很高的效果。图像隐写分析是指对嵌入图像中的秘密信息进行检测和解码，它对隐私保护和安全至关重要。近几年，深度学习技术凭借着其强大的卷积神经网络算法优势大幅度提升图像隐写分析技术的准确性和效率。检测准确度、参数量和时间代价是评价隐写分析技术的三个最重要的检测标准。从tan-net开始，到最新的lwenet，隐写分析技术的检测率大约提升了20％。在此期间，也涌现出了很多经典的隐写分析网络，即gncnn,xunet,yenet,yedroudjnet,srnet,covpoolnet,zhunet，sigstegnet和fpnet等。对于以上提到的多个网络主要是围绕预处理和特征提取两部分展开研究。预处理也可被认为是划分全学习网络和半学习网络的一个评判标准。半学习指的是在隐写分析网络使用固定滤波核作为预处理层，其内部权重固定且不会参与反向传播的更新；除预处理层之外其他的层则是依赖深度学习方法去优化权重。全学习隐写本文档来自技高网...

【技术保护点】

1.一种超轻量且快速的隐写分析检测方法，其特征在于：其包括以下步骤：

2.根据权利要求1所述的一种超轻量且快速的隐写分析检测方法，其特征在于：步骤1具体包括以下步骤：

3.根据权利要求2所述的一种超轻量且快速的隐写分析检测方法，其特征在于：步骤1-1中自适应使用3×3或5×5进行填充。

4.根据权利要求1或2所述的一种超轻量且快速的隐写分析检测方法，其特征在于：门控通道转换单元GCT包括依次设置的全局上下文嵌入模块、归一化模块和门控适应模块。

5.根据权利要求2所述的一种超轻量且快速的隐写分析检测方法，其特征在于：门控通道转换单元GCT具体...

【技术特征摘要】

1.一种超轻量且快速的隐写分析检测方法，其特征在于：其包括以下步骤：

2.根据权利要求1所述的一种超轻量且快速的隐写分析检测方法，其特征在于：步骤1具体包括以下步骤：

3.根据权利要求2所述的一种超轻量且快速的隐写分析检测方法，其特征在于：步骤1-1中自适应使用3×3或5×5进行填充。

4.根据权利要求1或2所述的一种超轻量且快速的隐写分析检测方法，其特征在于：门控通道转换单元gct包括依次设置的全局上下文嵌入模块、归一化模块和门控适应模块。

...

【专利技术属性】
技术研发人员：何健，翁韶伟，张天聪，
申请(专利权)人：福建理工大学，
类型：发明
国别省市：