基于信道信息和深度学习的隐写侦测及其博弈模型研究

Big data steganalysis has important and far-reaching implications for ensuring social and national security. In the project, we plan to apply deep learning based on the awareness of channel selection to big data steganalysis. The researcher focuses on following points: the estimation of channel selection, security evaluation of information hiding against deep steganalysis, convolutional neural networks based on channel selection which includes the design and regularization of neural networks, the optimization of deep learning, transfer learning and ensemble learning in deep steganalysis. We will try to solve the problem of cover source mismatch and the unknown steganograhy detection via incooperating the advantage of both deep steganalysis and conventional steganalysis. A new method of auto construction for steganalysis feature will be explored. We will design a one-class SVDD classifier based on an irregular hypersphere, so that the unknown steganograhy detection problem is solved by the design of feature and classifier. Viewing from anti-detection, robustness and the game between steganography and steganalysis, a method will be proposed to evaluate security of information hiding. We strive to make a breakthrough at auto extraction of natural image feature and its universality and sensitivity. We will explore a brand-new theory and technology for information hiding in big data environment and its game theory.

大数据隐写侦测对于保障社会和国家安全具有重要而深远的意义。本项目将提出基于信道信息和深度学习的大数据隐写分析方法及其博弈模型，重点研究基于信道信息的卷积神经网络隐写分析算法及信息隐藏抗隐写分析博弈安全性，包括异质多源图像和未知隐写图像的隐秘信道估计、卷积网络结构的正则化约束和定制化设计、网络学习优化算法设计、深度隐写分析的迁移学习和集成学习等关键技术，从嵌入与侦测的博弈对抗等方面提出信息隐藏博弈模型并进行定性和定量均衡分析。结合传统隐写分析和深度学习方法的优势来解决目前大数据环境下图像隐写分析存在的样本失配、未知隐写算法难以检测等难题,探索解决未知隐写算法检测问题的深度自学习特征的提取新途径和设计基于不规则超球体的SVDD单类分类器。力求在自然图像隐写分析特征深度自学习及其侦测性能方面取得突破，并建立大数据深度隐写侦测的新理论、新技术及其博弈模型，推动大数据图像隐写分析技术走向实际应用。

大数据隐写分析对于保障社会和国家安全具有重要而深远的意义，本项目主要研究：1）自然图像大数据的理论建模和图像深度隐写分析体系框架；2）基于隐秘信道估计的深度隐写分析理论与方法；3）深度隐写分析的集成学习算法和强化学习算法研究；4）信息隐藏抗深度隐写侦测博弈模型及其安全性评价研究。. 通过研究本项目提出了不同的深度学习网络方法用于空域和JPEG图像隐写分析任务，针对空域图像/JPEG域图像/音频隐写任务分别提出了基于生成对抗博弈网络的自动隐写方法，并评价了它们的安全性，提出了基于强化学习的JPEG图像隐写分析网络自动化设计方法和基于联合生成对抗网络框架的自然图像隐写技术等。. 本项目已按计划完成各项研究任务，在多项研究内容上已取得成果。主要成果概述如下：1. 已发表和录用论文34篇，其中包括ACM/IEEE Transactions国际顶级刊物论文4篇，在ICASSP, ICME, IH & MMSec, ICIP, WIFS等本领域权威专业学术会议上发表富有影响的论文10篇, 收录 SCI 12篇（含SCI源刊物）；收录 EI 32篇（含EI源刊物）。2. 申请发明专利3项，其中1项已授权。3. 获得国际重要会议2018 International Workshop on Digital-forensics and Watermarking (IWDW) 论文最佳奖一项，项目主持人康显桂教授获得第一届CSIG中国媒体取证与安全大会最佳论文报告奖；4. 项目组成员提出的基于GAN的图像自动隐写算法首次超越了传统隐写算法的性能，被同行称为 “里程碑的工作 （milestone work）。