[发明专利]基于序贯假设检验的隐写分析方法、终端设备及存储介质

说明书

本发明涉及一种基于序贯假设检验的隐写分析方法、终端设备及存储介质，在该方法中包括：构建隐写分析样本库；构建多个预测模型并进行训练后，得到最终预测模型，根据样本对应的属性，对每个模型的预测程度进行评估；设定不同属性样本对应的每个最终预测模型对应的权重；通过模型输出的结果集对多个不同类型概率分布模型进行参数估计和拟合，得到拟合度最高的阴性概率分布模型和阳性概率分布模型；将待预测样本转换为序贯样本，根据最终预测模型对每个块的预测结果对序贯概率比进行更新，并结合权重计算最终序贯概率比，进而判定是否为隐写样本。本发明用于在保证鲁棒性和准确率的前提下减少样本数量和提高效率，以满足实时在线隐写分析的需求。

技术领域

本发明涉及隐写分析领域，尤其涉及一种基于序贯假设检验的隐写分析方法、终端设备及存储介质。

背景技术

隐写是一种信息隐藏技术。它通过在载体的数据冗余中嵌入信息来达到隐藏信息的目的。随着现代计算机科学技术的发展，多媒体数据的表达精度远远超过了人类感官能察觉的范围。人们可以利用多媒体数据的冗余嵌入一些隐藏数据，利用人类的感官难以察觉、无法发现嵌入行为的客观事实，实现隐藏信息。隐写术可用于隐秘通信，可以有力地保护个人、企业、政府的机密信息。用于嵌入信息的载体称原文，被隐写术算法写入后的载体称隐文。嵌入信息位数和原文的像素值(或JPEG非零压缩系数值)的比例称嵌入率。

相应地，隐写分析是用于检测隐写行为存在性的技术。隐写术的崛起引起了一些不法分子的关注，通过使用隐写术，他们可以有效地隐藏信息，逃避监管。因此，隐写分析技术应运而生，成为限制隐写术非法使用的有力工具。传统的隐写分析常由二类分类器来完成，通过对训练集提取特征训练预测器，然后结合统计分析方法来对实用样本做出判断。隐写分析的结果可以是一个0/1值(指示样本是否被隐写)，也可以是一个表征隐写行为存在可能性的小数。但是这个结果并不是绝对准确的，一个隐写样本被错判为非隐写样本的情况称为漏检，而一个非隐写样本被错判为隐写样本的情况叫做虚警。就目前而言，虚警率与漏检率是客观存在不可避免的，因此为了结果的准确性，隐写分析者必须尽可能限制其数值。

通用隐写分析过程一般分为两个阶段：特征构造与分类器训练。由于隐写嵌入操作修改的是图像的高频信号，在特征构造阶段,往往先使用高通滤波器计算残差图像，再使用各种统计模型来提取隐写分析特征。

专利公开号为CN108961137A的中国专利“一种基于卷积神经网络的图像隐写分析方法及系统”，该专利公开了一种基于卷积神经网络的图像隐写分析方法及系统，包括三个模块：图像预处理部分、特征提取部分、特征分类模块。虽然该专利使用了卷积神经网络技术，实现了系统，但其并没有缩小样本，算力要求较高，没有在效率上做出优化，不适合用于构建在线隐写分析系统。

专利公开号为CN107808100A的中国专利“针对特定测试样本的隐写分析方法”，该专利公开了一种针对特定测试样本的隐写分析方法，包括：利用隐写分析特征提取技术计算待测样本与所有训练样本的图像隐写分析特征；并基于计算到的图像隐写分析特征计算待测样本与每一训练样本之间的特征空间距离相似度与特征运动模式相似度；结合特征空间距离相似度与特征运动模式相似度来度量待测样本与相应训练样本之间相似度，并选取与待测样本相似度最为接近的N个训练样本来训练分类器；利用训练后的分类器对待测样本进行隐写分析，得到隐写分析结果。该专利保证了较高的准确率，但同样没有在效率上做出优化。

专利公开号为CN106530199A的中国专利“基于窗口式假设检验的多媒体综合隐写分析方法”公开了一种基于窗口式假设检验的多媒体综合隐写分析方法，该方法使用窗口技术进行采样，使用假设检验方法进行隐写分析，缩小了要处理的数据量，保证了较低的虚警率与漏检率。但是该方法没有完整的数学理论支持，采样方式不够灵活，需要多次采样，择优选择采样结果，浪费了算力资源，不利于批量的、在线的隐写分析。

发明内容