[发明专利]一种基于对抗神经网络的隐写分析方法

权利要求书

1.一种基于对抗神经网络的隐写分析方法，其特征在于，包括以下步骤：

A1、对用户上传的图像数据进行数据处理，提取待判别隐写数据特征；

A2、应用预先训练完成的对抗神经网络的隐写模式生成器生成隐写数据特征；所述对抗神经网络的隐写模式生成器的网络架构为多层卷积神经网络，其中，隐写模式生成器的网络架构包括依次包括输入端、卷积层、ReLU层、卷积层、池化层、卷积层、池化层、卷积层、池化层、上采样层、ReLU层、上采样层和卷积层；

A3、将待判别隐写数据特征和生成的隐写数据特征输入预先训练完成的对抗神经网络的判别器进行特征比对，根据比对的相似度，识别用户上传的图像数据的隐写模式类别；

对抗神经网络的隐写模式生成器和判别器的训练包括以下步骤：

B1、建立隐写训练数据集；

B2、对隐写训练数据集进行数据处理，提取隐写数据特征；

B3、对抗神经网络的隐写模式生成器根据输入的各种隐写模式得到生成隐写数据特征；

B4、对抗神经网络的判别器根据真实隐写数据特征和生成隐写数据特征的输入分别输出一个概率值，表示判别器对于输入是真实隐写数据特征还是生成隐写数据特征的置信度，以此判断隐写模式生成器的生成隐写数据特征的性能；

B5、重复执行步骤B1到B4，当最终判别器不能区分输入是真实隐写数据特征还是生成隐写数据特征时，隐写模式生成器达到了最优，训练结束。

2.根据权利要求1所述的基于对抗神经网络的隐写分析方法，其特征在于，步骤B1中建立的隐写训练数据集包括真实的隐写数据集和不真实的隐写数据集两类。

3.根据权利要求1或2所述的基于对抗神经网络的隐写分析方法，其特征在于，所述对抗神经网络的判别器的网络架构为多层卷积神经网络。

4.根据权利要求3所述的基于对抗神经网络的隐写分析方法，其特征在于，对抗神经网络的判别器的网络架构依次包括两输入端、卷积层、ReLU层、卷积层、池化层、卷积层、池化层、卷积层、池化层、sigmod层。