【正文】 ，將同階的四個(gè)對(duì)角線轉(zhuǎn)移矩陣分別相加得到加和的轉(zhuǎn)移矩陣，這樣做可以降低特征維數(shù)： ()SPAM特征維數(shù)對(duì)于馬爾科夫鏈的階和閾值T很敏感，其中一階SPAM特征維數(shù)為，二階SPAM特征維數(shù)為。實(shí)驗(yàn)還發(fā)現(xiàn)，差分圖像所攜帶的信息量與圖像數(shù)據(jù)所攜帶的信息量幾乎相等。Pevny在大量圖像上統(tǒng)計(jì)了像素對(duì)的分布情況，發(fā)現(xiàn)大部分相鄰像素的像素差值都很小，并且差值越大出現(xiàn)的頻率就越低。此外，將具有相等像素值的不同結(jié)構(gòu)出現(xiàn)的概率也作為隱寫分析的特征。作者對(duì)一級(jí)Haar小波分解的低頻子帶（HH）系數(shù)進(jìn)行廣義高斯模型（GGD）的建模，將決定PDF寬度的尺度參數(shù)作為一維特征。圖像隱寫一般模擬為加入噪聲，作者首先對(duì)待檢測(cè)圖像進(jìn)行帶閾值的小波降噪，將去噪后的圖像與待檢測(cè)圖像做差，差值圖像的自相關(guān)性作為隱寫分析的特征。LSB匹配對(duì)圖像最低位平面進(jìn)行修改，因此圖像最低位平面（LSBP）與次低位平面（LSBP2）之間的相關(guān)性會(huì)改變，另外最低位平面自相關(guān)性也會(huì)發(fā)生改變，基于此提出了基于位平面相關(guān)性的多維特征。另外，采用LSB匹配二次嵌入對(duì)圖像特征進(jìn)行校準(zhǔn)，還與Ker所提特征進(jìn)行融合，融合特征集對(duì)隱寫分析性能有一定提高。Yu等[34]發(fā)現(xiàn)圖像經(jīng)過LSB匹配后游程長(zhǎng)度直方圖會(huì)向左移動(dòng)，即長(zhǎng)度較長(zhǎng)的游程的數(shù)量會(huì)減少，而長(zhǎng)度較小的游程會(huì)增加。游程長(zhǎng)度是將圖像灰度按照某種方式進(jìn)行掃描，連續(xù)相等的像素點(diǎn)的個(gè)數(shù)。該類算法被稱為ALE。其次，與Ker[18]一樣，用二維直方圖代替了一維直方圖。Cancelli[20]等擴(kuò)展了張軍提出的圖像直方圖極值特征。定義直方圖局部極值與其相鄰元素的絕對(duì)差的累加和：作為隱寫分析的特征，其中為直方圖局部極值點(diǎn)。為方便起見，我們將上述四種特征簡(jiǎn)記為：HCF COMs。此外，Ker[16]還將Harmsem的一維直方圖替換為二維直方圖。盡管圖像隱寫后C[H]會(huì)下降，但不同載體圖像之間的C[H]差異很大，這種差異將覆蓋由圖像隱寫導(dǎo)致的C[H]之間的差異（見圖 ）。該特征簡(jiǎn)記為Conventional HCF COM。傅立葉變換可以化復(fù)雜的卷積運(yùn)算為簡(jiǎn)單的乘積運(yùn)算，因此在傅立葉空間中上式可轉(zhuǎn)換為：。(1) 基于圖像直方圖特征函數(shù)（HCF COMs）的隱寫分析算法圖像直方圖描述了不同灰度級(jí)像素出現(xiàn)的頻率，能表征圖像的一維信息，隱秘信息的嵌入勢(shì)必對(duì)直方圖造成影響。B，C的分類性能依次遞增。在ROC曲線上，與橫坐標(biāo)軸成的直線稱為機(jī)會(huì)線，該線上虛警率和擊中率處處相等，相當(dāng)于隨機(jī)猜測(cè)，無(wú)任何分類性能可言。因此總體平均分類錯(cuò)誤率可度量算法的優(yōu)劣： ()另外，在分類器中設(shè)置不同的檢測(cè)閾值，對(duì)多組擊中率和虛警率的組合繪制接收機(jī)操作特性曲線（ROC曲線）[55]也可對(duì)算法分類性能進(jìn)行度量。作為二元假設(shè)檢驗(yàn)問題，對(duì)于特定的分類器，若視攜秘圖像為正類（Positive Class），載體圖像為負(fù)類（Negative Class），對(duì)于一幅待檢測(cè)圖像，無(wú)非有四種可能輸出：待檢測(cè)圖像為正類，輸出結(jié)果也為正類，則稱擊中（True Positive，簡(jiǎn)稱TP）；待檢測(cè)圖像為正類，輸出結(jié)果為負(fù)類，則稱漏檢（False Positive，簡(jiǎn)稱FP）；待檢測(cè)圖像為負(fù)類，輸出結(jié)果也為負(fù)類，則稱真陰性（True Nagative，簡(jiǎn)稱TN）；待檢測(cè)圖像為負(fù)類，輸出結(jié)果為正類，則稱虛警（False Nagative，簡(jiǎn)稱FN）。等[53]提出了Ensemble分類器，該分類器針對(duì)圖像隱寫分析提出，具有很低時(shí)間復(fù)雜度，并且分類器的最優(yōu)參數(shù)也可以通過程序自動(dòng)搜索。支持向量機(jī)采用交叉驗(yàn)證的參數(shù)尋優(yōu)方式也會(huì)影響圖像隱寫分析的性能。在圖像隱寫分析中，支持向量機(jī)是最為常用的分類器，支持向量機(jī)不僅具有很高的分類性能而且因特網(wǎng)上還有開源代碼以供研究者直接使用。特征穩(wěn)健性的增強(qiáng)還可以采用預(yù)處理技術(shù)，如對(duì)圖像進(jìn)行濾波，可以一定程度上減少圖像內(nèi)容多樣性對(duì)特征穩(wěn)健性的影響。Fridrich[50]采用“解壓裁剪壓縮”的方式校準(zhǔn)特征。高性能的隱寫分析特征不僅要求能夠?qū)畏d體圖像和與之對(duì)應(yīng)的載密圖像能夠進(jìn)行正確區(qū)別，而且還要保證同類圖像（載體圖像和載密圖像）特征聚集在某一值附近，即高性能特征還需對(duì)圖像噪聲，圖像內(nèi)容等因素穩(wěn)健。設(shè)特征提取為函數(shù)，機(jī)器分類為函數(shù)，則 ()隨著支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)等機(jī)器分類技術(shù)不斷涌現(xiàn)和成熟，人們將隱寫分析的研究重點(diǎn)轉(zhuǎn)向隱寫分析的特征提取，即特征提取函數(shù)。圖像隱寫分析是二元決策問題，通常公式化為二元假設(shè)檢驗(yàn)問題：設(shè)待檢測(cè)圖像為，是載體圖像的假設(shè)為，是載秘圖像的假設(shè)為，假設(shè)檢驗(yàn)函數(shù)，則 ()圖像隱寫分析就是找出合適的檢驗(yàn)函數(shù)。 LSB替換的直方圖成對(duì)現(xiàn)象示意圖LSB匹配具有容量大，隱蔽性好等特點(diǎn)，是很多圖像隱寫算法的原型，但 LSB匹配檢測(cè)難度大，檢測(cè)性能還不盡人意，仍然是圖像隱寫分析研究的難點(diǎn)和熱點(diǎn)，尤其是對(duì)于低嵌入率的LSB匹配隱寫分析[49]。由于LSB匹配采用隨機(jī)加減1的方式修改最低有效位，避免LSB替換造成的直方圖的成對(duì)現(xiàn)象。由于修改最低有效位可以獲得更好的圖像視覺質(zhì)量和對(duì)圖像特征的保持，LSB匹配在隱藏秘密信息的最佳位置（最低有效位）進(jìn)行秘密信息隱藏。信息嵌入導(dǎo)致的修改很容易破壞相關(guān)性，相關(guān)性可以作為識(shí)別圖像是否隱藏秘密信息的特征。另外，在不同位平面中，相鄰比特位的相關(guān)性也不盡相同。最低比特位對(duì)像素值的貢獻(xiàn)最小，基本不能反映圖像內(nèi)容信息。512的標(biāo)準(zhǔn)圖像Lena。 LSB 匹配[42]是一種經(jīng)典的數(shù)字圖像隱寫技術(shù)，通過隨機(jī)修改像素的最低有效位（Least significant bit, LSB）達(dá)到信息隱藏的目的，是諸多隱寫技術(shù)的原型，如LSB matching revisited[43]等[4446]。Cachin等[12]從信息論的角度，采用條件熵定義數(shù)字圖像隱寫系統(tǒng)的安全性。一些學(xué)者試圖將圖像隱寫技術(shù)的安全性進(jìn)行模型化、規(guī)范化。對(duì)于某種特定的圖像隱寫算法，嵌入容量是影響隱寫系統(tǒng)安全性的關(guān)鍵?，F(xiàn)代意義上的隱蔽性主要考察圖像隱寫算法對(duì)圖像各種統(tǒng)計(jì)特征的保持。隱寫技術(shù)的隱蔽性決定數(shù)字圖像隱寫系統(tǒng)的安全，是數(shù)字圖像隱寫系統(tǒng)理論研究的重要組成部分，同時(shí)也是隱寫對(duì)抗技術(shù)（隱寫分析技術(shù)）的研究重點(diǎn)。高容量確保載體能夠傳遞更多的秘密信息，穩(wěn)健性保證秘密信息能夠抵抗信道中的噪聲，而隱蔽性則確?！巴ㄐ耪谶M(jìn)行的事實(shí)”被掩蓋，是隱寫技術(shù)最為重要的指標(biāo)。 經(jīng)典的Simmons隱蔽通信框圖Simmons隱蔽通信模型給出如何實(shí)現(xiàn)隱蔽通信的框架，但未給出具體的實(shí)現(xiàn)技術(shù)。嵌入者（Alice）需要將秘密信息（Secret message）傳遞給接受者（Bob），但他們之間所有通信都接受監(jiān)管機(jī)構(gòu)（Wendy）的監(jiān)管，監(jiān)管機(jī)構(gòu)（Wendy）一旦發(fā)現(xiàn)通信可疑，就會(huì)禁止通信進(jìn)行，即通信失敗。與傳統(tǒng)的隱寫技術(shù)（頭皮捎信、蠟板傳書、隱形墨水、顯微點(diǎn)技術(shù)）不同，現(xiàn)代的隱寫技術(shù)主要利用多媒體數(shù)據(jù)的冗余，將秘密信息按一定的編碼方式隱藏于公開的數(shù)字媒體中，以逃避第三方的監(jiān)控和阻截[36, 37]。最后的總結(jié)與展望部分對(duì)本文的工作進(jìn)行總結(jié)，并對(duì)未來的研究工作進(jìn)行展望和設(shè)想。第3章，介紹基于圖像直方圖幾何度量的隱寫分析特征。 本文結(jié)構(gòu)本文對(duì)以數(shù)字圖像為媒體的隱寫分析技術(shù)進(jìn)行研究，提出兩種新型的數(shù)字圖像隱寫分析特征，本論文的結(jié)構(gòu)安排如下：第1章，介紹本文研究課題的背景與意義、研究現(xiàn)狀和筮待解決問題，并指出了本文的主要工作與結(jié)構(gòu)。為了避免特征維數(shù)過高帶來的維數(shù)災(zāi)難等問題，采用基于ROC的特征選擇技術(shù)，得到適合于隱寫分析的低維特征子空間。(2) 提出了一類基于曲率模式矩陣和馬爾科夫鏈相結(jié)合的高維圖像隱寫分析特征。為了克服圖像內(nèi)容多樣性對(duì)隱寫分析造成的影響，采用二次嵌入進(jìn)行特征校準(zhǔn)。首先將LSB 匹配模擬為在圖像中加入隨機(jī)噪聲，在圖像直方圖上，LSB 匹配相當(dāng)于對(duì)圖像直方圖進(jìn)行低通濾波，導(dǎo)致圖像直方圖被平滑。同時(shí)通過對(duì)圖像像素相關(guān)性進(jìn)行建模，提出了一種基于曲率模式矩陣的高維隱寫分析特征。本文針對(duì)空域圖像LSB 匹配算法進(jìn)行了一些研究，力求在上述問題上取得一些成果。這將局限數(shù)字圖像隱寫分析技術(shù)的應(yīng)用范圍。因此，有必要對(duì)特征降維或更適合隱寫分析的分類器進(jìn)行深入研究。(4) 隱寫分析的特征維數(shù)越來越高，導(dǎo)致維數(shù)災(zāi)難。(3) 蓬勃發(fā)展的隱寫技術(shù)促使大量新的隱寫算法被提出，而這些新的隱寫算法一般會(huì)對(duì)已有的隱寫分析特征進(jìn)行一定程度保持，使得現(xiàn)有隱寫分析技術(shù)的檢測(cè)精度下降甚至失效。 筮待解決的問題隨著十幾年的數(shù)字圖像隱寫分析研究，學(xué)術(shù)界取得一批研究成果，一定程度上滿足實(shí)際應(yīng)用的需要，但仍存在一些技術(shù)問題筮待解決：(1) 檢測(cè)精度作為隱寫分析的最重要指標(biāo)，還不能完全滿足實(shí)際應(yīng)用的需要，尤其是小嵌入率下的信息隱藏檢測(cè)仍是隱寫分析的難點(diǎn)。陳銘等[32]對(duì)圖像區(qū)域相關(guān)進(jìn)行建模，得到隱寫分析特征。Fridrich等[27]利用極大似然估計(jì)量進(jìn)行隱寫分析，該算法對(duì)經(jīng)過JPEG壓縮的圖像檢測(cè)很有效，但對(duì)未經(jīng)JPEG壓縮的圖像檢測(cè)性能不理想。夏志華等[26]提出直方圖梯度能量特征，并從理論上給出了有效性證明。Pevny等[24]利用差分圖像進(jìn)行馬爾科夫鏈建模取得很好的效果，該文還指出差分圖像的馬爾科夫鏈建模性能優(yōu)于共生矩陣。因此算法提出圖像像素最低及次低位平面的自相關(guān)系數(shù)作為隱寫分析特征。劉慶忠等[2123]利用自然圖像像素之間的相關(guān)性進(jìn)行隱寫分析建模。張軍等[19]通過把圖像直方圖的極大值和極小值之間的面積作為統(tǒng)計(jì)特征，改進(jìn)了該算法。Ker[17]還將此算法成功運(yùn)用到彩色圖像的隱寫分析中。Harmsen[15]等通過將LSB匹配隱寫行為模擬為在圖像中加入隨機(jī)噪聲，在秘密信息和載體圖像不相關(guān)時(shí)，理論證明了算法的有效性。基于圖像數(shù)據(jù)統(tǒng)計(jì)特征的數(shù)字圖像隱寫分析技術(shù)是目前數(shù)字圖像隱寫分析的主流研究領(lǐng)域。盡管這類數(shù)字圖像隱寫分析算法檢測(cè)速度快，精度高，但是對(duì)于新型的數(shù)字圖像隱寫算法顯然無(wú)能為力。網(wǎng)上發(fā)布的一些算法就是利用BMP圖像調(diào)色板的保留字或者在文件末尾直接追加秘密信息，而Hide and Encrypt隱寫軟件會(huì)加入特定的結(jié)束標(biāo)志[14]?；谔卣鞔a的數(shù)字圖像隱寫分析技術(shù)主要用于早期的數(shù)字圖像隱寫算法攻擊。事實(shí)上，由于數(shù)字載體數(shù)量巨大，并呈現(xiàn)內(nèi)容多樣性，隱寫算法也變化萬(wàn)千，要想從隱寫圖像中提取正確的隱藏信息猶如大海撈針。從實(shí)際應(yīng)用的角度出發(fā)，相比另外兩種層次，是否隱藏信息的二值判斷更具有實(shí)際應(yīng)用價(jià)值。從公開的文獻(xiàn)數(shù)量看，數(shù)字圖像是否隱藏信息的二值判斷是目前隱寫分析研究的焦點(diǎn)和熱點(diǎn)。在國(guó)內(nèi)，已經(jīng)發(fā)表了一些隱寫分析相關(guān)成果，但與國(guó)際相比，高檔次成果還比較少，處于發(fā)展階段。國(guó)家973計(jì)劃，國(guó)家自然科學(xué)基金，863計(jì)劃，國(guó)家安全部等對(duì)這些單位提供研究經(jīng)費(fèi)。許多著名國(guó)際會(huì)議和期刊也都將數(shù)字圖像隱寫及其隱寫分析作為主要主題，如美國(guó)電氣和電子工程師協(xié)會(huì)（IEEE）舉辦的《IEEE International Conference on Image Processing》會(huì)議和《IEEE Transaction on Information Forensics and Security》期刊。除美國(guó)以外，資料顯示：英國(guó)、印度、加拿大、芬蘭等國(guó)也開展了這一方向的研究。 研究現(xiàn)狀隱寫分析技術(shù)是對(duì)隱寫技術(shù)的攻擊，目的是識(shí)別隱寫算法的隱蔽性，能夠?qū)Ψ欠[蔽信息進(jìn)行監(jiān)控和阻截，對(duì)軍事情報(bào)、國(guó)家安全等方面有著重要意義，尤其是“911”事件后，隱寫分析技術(shù)受到了各個(gè)國(guó)家軍方和國(guó)家安全部門的高度重視，迅速成為信息安全研究領(lǐng)域的焦點(diǎn)。數(shù)字圖像隱寫及隱寫分析技術(shù)是未來戰(zhàn)爭(zhēng)中奪取和保持制信息權(quán)不可或缺的關(guān)鍵技術(shù)。因此，數(shù)字圖像的隱寫分析技術(shù)是隱寫分析領(lǐng)域中迫切需要解決的重要課題。圖像是人類獲取信息的重要組成部分，是人類認(rèn)識(shí)世界獲取信息的重要來源[6]，同時(shí)也是互聯(lián)網(wǎng)中最為常見的數(shù)字媒體。隱寫技術(shù)的不正當(dāng)使用嚴(yán)重威脅社會(huì)穩(wěn)定和國(guó)家安全，各國(guó)軍方和安全機(jī)構(gòu)迫切需要可靠的技術(shù)確保對(duì)非法隱蔽信息進(jìn)行監(jiān)控和阻截。據(jù)新華社報(bào)道：俄羅斯特工“美女間諜”使用隱寫技術(shù)非法傳遞美國(guó)機(jī)密信息[4]。拉登及其同伙可能借助數(shù)字圖像隱寫技術(shù)在因特網(wǎng)上傳遞恐怖活動(dòng)信息，躲避安全機(jī)構(gòu)的監(jiān)控[2]。隱寫技術(shù)與密碼學(xué)技術(shù)實(shí)現(xiàn)技術(shù)互補(bǔ)，為網(wǎng)絡(luò)環(huán)境中的信息安全提供了有利保障，但隱寫技術(shù)同時(shí)也被恐怖分子、邪教組織等非法分子或組織用來躲避國(guó)家安全機(jī)構(gòu)的信息監(jiān)管，達(dá)到傳遞非法信息、恐怖指令等目的，給國(guó)家和社會(huì)的安全帶來極大障礙。密碼學(xué)技術(shù)的局限性，迫使人們開發(fā)新型的安全技術(shù)以解決信息安全領(lǐng)域存在的問題。在諸如情報(bào)工作等一些特定應(yīng)用領(lǐng)域，僅僅對(duì)信息的機(jī)密性進(jìn)行保護(hù)還不夠，還需要保證“通信正在進(jìn)行”的事實(shí)也不能被監(jiān)控方識(shí)別，即進(jìn)行“低調(diào)”的機(jī)密通信。密碼學(xué)技術(shù)使用密匙按一定規(guī)律將明文轉(zhuǎn)換為隨機(jī)密文，使得非授權(quán)方無(wú)法破譯密文信息，達(dá)到對(duì)信息的機(jī)密性保護(hù)[1]?！暗厍虼濉钡慕?，給社會(huì)帶來了諸多便利，但也給社會(huì)帶來信息安全方面的諸多隱患。 machine learning目 錄湖南大學(xué)學(xué)位論文原創(chuàng)性聲明 I摘 要 IIAbstract III目 錄 V插圖索引 VII附表索引 VIII第1章 緒 論 1 研究背景與意義 1 研究現(xiàn)狀 2 筮待解決的問題 4 本文主要工作 5 本文結(jié)構(gòu) 5第2章 圖像隱寫及隱寫分析技術(shù) 7 數(shù)字圖像隱寫技術(shù) 7 數(shù)字圖像隱寫分析技術(shù) 10 隱寫分析數(shù)學(xué)模型 10 隱寫分析性能指標(biāo) 11 經(jīng)典的隱寫分析技術(shù) 12 小結(jié) 15第3章 基于圖像直方圖幾何度量的LSB匹配檢測(cè) 17 引言 17 特征提取 18 LSB匹配模型及分析 18 圖像直方圖幾何度量 18 圖像校準(zhǔn)機(jī)制 20 歸一化 21 特征提取流程圖 22 支持向量機(jī) 22 實(shí)驗(yàn)結(jié)果與分析 23 圖像庫(kù) 23 實(shí)驗(yàn)結(jié)果 24 對(duì)比效果 25 小結(jié) 26第4章 基于曲率模式矩陣的隱寫分析技術(shù) 2