基于半監(jiān)督學(xué)習(xí)的JPEG圖像隱密分析方法.pdf

1、圖像隱密分析的目的是，通過分析網(wǎng)絡(luò)日常圖像的微觀統(tǒng)計特征，檢測圖像數(shù)據(jù)中可能潛藏的秘密信息，以打擊恐怖組織及不法分子對隱密（即信息隱藏）技術(shù)的濫用。傳統(tǒng)的隱密分析技術(shù)多采用提取圖像對嵌入機制敏感的特征，并使用二類分類器或者多類分類器構(gòu)建模型，然后對待測樣本進行隱密判決。然而大多數(shù)的分類系統(tǒng)的分類精度嚴(yán)重依然于有標(biāo)記訓(xùn)練樣本的數(shù)量。因此，如何在有限數(shù)量的標(biāo)記樣本下，充分利用網(wǎng)絡(luò)以及社會生活等領(lǐng)域中積累的大量無標(biāo)記樣本來提高隱密判決精度已成

2、為隱密分析領(lǐng)域亟待解決的問題。本文結(jié)合半監(jiān)督學(xué)習(xí)方法，利用有限的有標(biāo)簽數(shù)據(jù)，充分挖掘大量的無標(biāo)簽樣本信息，提出一種基于集成映射的隱密分析方法并將其改進，旨在為研制準(zhǔn)確性更高和實用性更強的圖像隱密分析技術(shù)提供新的理論及技術(shù)支撐。
　　不同于以往的通過調(diào)整未標(biāo)記樣本的數(shù)據(jù)邊界進行分類的半監(jiān)督學(xué)習(xí)方法，本文從所有的可利用數(shù)據(jù)包括標(biāo)記樣本和未標(biāo)記樣本，學(xué)習(xí)一種新的圖像表示方法，并使用普通的監(jiān)督學(xué)習(xí)提取新的特征。首先，充分利用僅有的少量標(biāo)記

3、樣本訓(xùn)練并粗分類所有數(shù)據(jù)，選擇具有代表性的圖像組成能夠代表部分類別信息的原型集合;其次，使用多類分類器學(xué)習(xí)這些原型集;最后，將待測圖像表示為在這些原型集上的預(yù)測值，將所有的原型集上的特征映射組合成圖像的新特征，進行進一步分類。實驗分析了5個隱密方法并和經(jīng)典MFS-274以及具有很好的隱密分析性能的Rich Model算法進行對比，實驗顯示了本算法的性能在標(biāo)記樣本個數(shù)小于50的時候依然要優(yōu)于對比算法。尤其對于2013年提出的安全性很高的J

4、-UNIWARD隱密術(shù)，在標(biāo)記樣本為50，MFS-274完全無判決能力，Rich Model準(zhǔn)確率為51.89％的情況下，本方法的分類準(zhǔn)確率依然能達到74.44％。
　　基于特征映射的隱密分析方法是對圖像進行特征映射，所提取的特征可以適用于其他的分類器以及機器學(xué)習(xí)方法。本文將其與協(xié)同訓(xùn)練結(jié)合。首先，將該算法特征分為兩個視圖，使用有標(biāo)記的樣本初始化兩個分類器;其次，以迭代的方式單獨訓(xùn)練兩個分類器，在每一次迭代中，通過獨特的數(shù)字編輯技