【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。全学习隐写分析网络则是在训练过程中，预处理层中的参数会随着网络的反向传播一起更新。
2、对于特征提取部分，gncnn结构是卷积-非线性激活(gaussian-neuron)-池化的层的堆叠。xunet使用绝对值(abs)层和双曲正切(tanh)激活层，提升网络的收敛效果。同时，使用批量归一化层(batch normalization layer，bn)，可以帮助网络降低对超参
3、总的说来，以上检测性能较为出色的srnet为例，虽然其检测准确度很高但参数量却很大且时间代价很高。轻量级的lwenet和fpnet虽拥有较低的参数量，但时间代价依旧很高。因此，基于深度学习的图像隐写分析发展至今，如何高效提取隐写信号并实现全面的检测性能(即在检测准确度、参数量和时间代价建立一个很好的平衡)对于现今的图像隐写分析技术依旧是一个巨大挑战。
技术实现思路
1、本专利技术的目的在于提供一种超轻量且快速的隐写分析检测方法。
2、本专利技术采用的技术方案是：
3、一种超轻量且快速的隐写分析检测方法，其包括以下步骤：
4、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(pointwiseconvolution,pwconv)相结合，通过促进通道之间的协作来丰富隐写信号，从而在避免占用大量参数数量的同时显着提高信噪比；
5、步骤2、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，fasternet block由一个部分卷积(partical convolution,pconv)层和两个pwconv层组合而成；pconv层仅在一部份的输入通道上进行卷积运算提取有用的空间特征并保存剩余的通道特征不变；经pcnov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；
6、步骤3、将提取的通道特征通过联合全局标准差池化(global standarddeviation 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。
7、进一步地，步骤1具体包括以下步骤：
8、步骤1-1，获取待处理的图像进行预处理，将待处理的图像使用srm滤波核进行高通滤波，基于srm滤波核的权重，自适应使用不同大小的卷积核进行填充，并对srm滤波核的权重做了归一化的处理；
9、步骤1-2，将srm滤波核处理后的隐写信号通过pwconv的特征映射和变换能力，从30个通道扩大到64个通道，来丰富信噪比；
10、步骤1-3，pwconv增强后的隐写信号通过截断激活函数tlu来约束取值范围，并将截断的取值范围设置到(-3,3)的区间；
11、步骤1-4，在srm滤波核和tlu的输出端分别设置高度轻量化的门控通道转换单元gct，门控通道转换单元gct根据通道特征自适应的分配权重，鼓励通道之间进行合作，帮助隐写分析网络的浅层关注图像纹理区域，进一步的增强对隐写信号的表达以丰富信噪比；
12、进一步地，步骤1-1中自适应使用3×3或5×5进行填充。
13、进一步地，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；
14、进一步地，门控通道转换单元gct具体执行如下步骤：
15、步骤1-4-1，全局上下文嵌入模块聚合每个通道中的全局上下文信息，即利用卷积层的小感受野之外的全局上下文信息；全局上下文嵌入模块使用可训练参数αc嵌入全局上下文并在归一化前控制每个通道的权重，因为不同的通道应该具有不同的重要性，其定义如下：
16、
17、其中，ε是一个小常数，以避免在零点求导的问题；||·||代表l2范数；全局上下文嵌入运算符α＝[α1,α2,…,αc,…,αc]，sc是第c个通道(即xc)经等式(1)得到的结果；
18、步骤1-4-2，归一化模块用一个l2范数归一本文档来自技高网...
【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具体执行如下步骤：
6.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2中FasterNet blocks的第二个PWConv层中加入BN层，残差连接后使用Relu激活函数激活处理，引入了非线性因素。
7.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：风格池化仅连接一层的全连接层用于隐写信号的分类，风格池化的风格池化的计算如下：<...
【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。
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。