收稿日期:２０２３Ｇ０１Ｇ１５网络出版时间:２０２３Ｇ０５Ｇ１７基金项目:国家自然科学基金(U１８０４２６３,６２０７２０５７,６２１７２４３５,６２００２３８７);中原科技创新领军人才项目(２１４２００５１００１９)作者简介:范文同(１９９８—),男,中国人民解放军战略支援部队信息工程大学硕士研究生,EＧmail:fftxxgc＠sina．com张涛(１９７７—),男,教授,EＧmail:tzhang＠cslg．edu．cn罗向阳(１９７８—),男,教授,EＧmail:luoxy_ieu＠sina．com通信作者:李震宇(１９８９—),男,副教授,EＧmail:li１９８９zhenyu＠１２６．com网络出版地址:https://kns．cnki．net/kcms/detail/６１．１０７６．TN．２０２３０５１７．１３０２．００６．htmldoi１０敭１９６６５j敭issn１００１Ｇ２４００敭２０２３敭０４敭０１６基于隐写噪声深度提取的JPEG图像隐写分析范文同１,２,３,李震宇１,２,３,张涛４,罗向阳１,２,３(１．中国人民解放军战略支援部队信息工程大学网络空间安全学院,河南郑州４５０００１;２．数学工程与先进计算国家重点实验室,河南郑州４５０００１;３．河南省网络空间态势感知重点实验室,河南郑州４５０００１;４．常熟理工学院计算机科学与工程学院,江苏常熟２１５５００)摘要:当前基于深度学习的隐写分析方法检测效果受限于其获取的隐写噪声的精确度.为了获取更加准确的隐写噪声,提高隐写分析的准确率,提出了一种基于隐写噪声深度提取的JPEG图像隐写分析方法.首先,设计了隐写噪声深度提取网络,通过有监督的学习方式使网络能够准确地提取载秘图像中包含的隐写噪声;而后,利用设计的模型评价指标选择最优的隐写噪声提取网络;最后,根据隐写噪声的特点设计分类网络,实现载秘图像的检测,并将分类网络与隐写噪声深度提取网络融合得到最终的检测网络.实验在两个大规模的公开数据集(BOSSBase和BOWS２)上进行,针对两种自适应JPEG图像隐写方法(JＧUNIWARD和UEDＧJC)在多个不同嵌入率和图像质量因子条件下构建的载秘图像进行检测.实验结果表明,该方法的检测准确率较性能第二的方法分别提高了约２．２２％和０．８５％.文中方法通过提取更加准确的隐写噪声,减少了图像内容对隐写分析带来的影响,相比于典型的基于深度学习的JPEG图像隐写分析方法,取得了更好的检测效果.关键词:JPEG图像隐写分析;隐写噪声;卷积神经网络;深度学习中图分类号:TP３９１．４文献标识码:A文章编号:１００１Ｇ２４００(２０２３)０４Ｇ０１５７Ｇ１３JPEGimagestega...
