非马尔可夫模型下基于数据关联的隐写分析研究

当前，隐写分析大量基于考察隐写对邻域数据、邻域分块连续性或者相关性的破坏，或者考察隐文数据局部变化性的增长，相关方法都可以归结为在马尔可夫（Markov）模型下对邻域数据关联特征的分析，已经取得了一些好的效果，但是，它们容易遭受随机性较强的原文和一些隐写优化的干扰。显然，是否存在新的分析模型和相关的方法类是重要的问题，它们有助于更全面地揭示隐写特征，有利于提供更好的隐写分析方法。在上述背景下，本课题拟尝试建立非马尔可夫模型，在这些模型假设下，隐写分析通过考察隐文数据之间的其他关联特征，确定模型的变化，据此判断隐写是否存在。当前，针对主流的隐写，在单隐文或者多隐文分析条件下，课题组初步确定的非马尔可夫模型包括隐文比发散模型、隐文模差量化特性模型、消息叠加模型等，并期待依托本课题发现和利用更多的模型和数据关联方法。课题组在相关工作方面有多年的积累，有完成课题的基本能力和研究条件。

在当前的隐写分析设计中，研究人员重点考察隐写对邻域数据、邻域分块连续性或者相关性的破坏，或者考察隐文数据局部变化性的增长，相关方法都可以归结为在马尔可夫（Markov）模型下对邻域数据关联特征的刻画与分析，已经取得了一些好的效果，但是，它们容易遭受原文多样性和一些隐写优化措施的干扰。显然，系统研究其他分析模型和相关的方法类是重要的问题，它们有助于更全面地揭示隐写特征，有利于最终提供更好的隐写分析方法。. 在上述背景下，本项目的重点研究内容是建立和完善一些其他隐写分析模型。在这些模型下，隐写分析设计者可以进一步通过考察隐文数据之间的其他关联特征，判断隐写是否存在。在以上思路下，项目组在隐写分析构造模型和方法上展开了深入研究，基本完成了原定的研究计划，并有了不少更广泛和深入的结果。项目组合计发表论文39篇，获得与申报专利10项，培养研究生12名，完成原型系统12个，有7套软硬件系统得到应用。主要完成的研究工作有：. 1. 针对一般的隐写分析设计，提出和完善了基于编码最优化原则的分析模型、基于内容分类与自适应适配的分析模型、基于特征优选互补的分析模型等，基于这些模型，提出了一批隐写分析特征与方法；. 2. 针对隐写方法的软件实现,提出和完善基于实现漏洞的分析模型，得到了一系列隐写媒体特征码，可用于高精度检测由互联网公开工具隐写后的媒体；. 3. 根据隐写分析对隐写与载体先验知识的掌握程度，系统定义了隐写分析的各类场景，有利于更严谨地描述前述模型。. 4. 项目组也提出和完善了一些隐写与隐写测评方法。