一种基于浅层卷积神经网络的隐写分析方法
刘明明,张敏情,刘佳,高培贤武警工程大学网络与信息安全武警部队重点实验室, 陕西 西安 710086
收稿日期:2017-08-28出版日期:2018-03-20发布日期:2018-03-13作者简介:刘明明(1992— ),男,硕士,研究方向为信息隐藏、深度学习. E-mail:1078491558@qq.com基金资助:国家自然科学基金资助项目(61379152;61403417)Steganalysis method based on shallow convolution neural network
LIU Ming-ming, ZHANG Min-qing, LIU Jia, GAO Pei-xianKey Laboratory of Network and Information Security Armed Police Force, Engineering University of the Armed Police Force, Xian 710086, Shaanxi, China
Received:2017-08-28Online:2018-03-20Published:2018-03-13摘要/Abstract
摘要： 为提高隐写分析的检测准确率,提出了一种基于浅层卷积神经网络的图像隐写分析方法。与深度卷积神经网络相比,浅层卷积神经网络通过减少卷积层和禁用池化层,来加快神经网络收敛速度和减少隐写特征丢失,同时采用增加卷积核数、使用批正则化以及使用单层全连接层的方式,提高隐写分析网络的泛化性能。实验结果表明,针对S-UNIWARD隐写算法,在嵌入率为0.4 bpp和0.1 bpp时,检测准确率分别能达到96%和81.7%,同时在载体库源及嵌入率失配情况下,该方法仍能保持较好的检测性能。
PDF全文下载地址:
http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2929
