数字图像隐写检测关键特征的提取和优化理论研究

The target of image steganalysis is to identify image steganography.It has important theoretical and practical value in intelligence gathering, anti-terrorism reconnaissance and other fields. There are many problems in steganalysis such as the lack of theoretical reference in feature extraction, the fuzziness of mechanism in feature calibration, the redundance in features and the weak complementarity between features. This project gets started from the demand and the character of image steganalysis. It researchs the security definition of digital image steganography, designs the theory model about calibration and feature and researchs the theory basis of feature fusion between different models, in order to offer theoretical reference in steganalysis for solving the problem of feature validity.

图像隐写检测旨在识别图像的隐写行为，在情报收集、反恐侦察等领域具有重要的理论研究和实用价值。针对隐写检测中特征的提取缺乏理论依据、校准对特征的作用机理不清、特征内部存在冗余及特征之间互补性不强等问题，本项目从图像隐写检测的要求和特点出发，研究数字图像隐写的安全性定义，构建校准方法与特征有效性的理论模型，推导源自不同模型的特征在融合时的理论依据，为解决隐写检测中特征的有效性问题提供理论依据。

经过多年发展，隐写技术已成为密码技术的重要补充，在隐蔽通信中扮演重要角色。隐写检测技术在与隐写技术的对抗中相互促进，共同发展。在隐写检测技术中，特征的好坏对系统的检测性能至关重要。本项目的研究围绕图像隐写检测中关键特征的提取与优化展开，包括特征提取的理论依据、图像校准与特征有效性的理论模型、特征选择和融合算法、富模型特征降维和集成分类器优化。同时为了检验特征有效性，对图像自适应隐写方法和适应复杂社交网络环境的视频隐写技术进行了研究。另外，随着云存储技术的应用，数据安全及隐私保护得到广泛关注，为适应这一新需求，项目对可逆信息隐藏技术进行了有益的研究与探索。重要结果有：.一、特征提取的理论依据.在图像加性隐写模型下，证明了基于辐角和相角特征的有效性，为特征提取提供了有效的理论依据。.二、图像校准与特征有效性的理论模型.对校准过程进行数学建模，基于新校准方法所提特征对nsF5、Jsteg和MB1的低嵌入率分析正确率达90%以上，揭示了图像校准与特征之间的本质联系。.三、特征选择和融合算法.提出基于改进增强特征选择的特征融合隐写分析算法，可在不增加特征维数的基础上提高检测正确率，在一定程度上解决了现有方法特征冗余度高、通用性低的问题。.四、富模型特征降维和集成分类器优化.(1)提出基于仿射传播聚类的特征降维隐写分析方法，可在对富模型特征降维的同时提高检测正确率；(2)提出基于成对采样和选择性集成的隐写分析方法，能在不造成训练复杂度明显提高的情况下，降低隐写分析分类器的检测错误率，为富模型特征的降维和集成分类器优化提供了指导。.五、图像自适应隐写.在隐写博弈模型改进的基础上，提出基于策略自适应的隐写方法，为隐写分析方法中特征的选择提供了指导准则。.六、复杂社交网络环境下的视频隐写技术.提出具有鲁棒性的视频隐写方法，可在保证安全的同时，抵抗隐写分析特征的加噪、滤波攻击，有效适应了复杂网络下的视频隐蔽通信。.七、可逆信息隐藏.提出基于LWE和位平面分割的密文域可逆信息隐藏算法，解决了载体恢复不可逆、信息提取与解密过程不可分离、加密和嵌入效率低的问题。