[发明专利]基于卷积神经网络生成的针对LSB隐写的检测方法

权利要求书

1.一种基于卷积神经网络生成的针对LSB隐写的检测方法，其特征是，卷积神经网络中使用一个固定卷积层，进行隐藏残留循迹，从而得到音频片段的残差；然后，应用七组层将输入数据降维成维度为512的特征向量；最后，利用全连通层和最大池化层作为分类器输出分类概率。

2.如权利要求1所述的基于卷积神经网络生成的针对LSB隐写的检测方法，其特征是，为减少过拟合的危险、提高模型的鲁棒性，在层组中进行如下修改：使用1×1卷积层来减少参数个数，对不同组执行不同类型的子采样，省略前两组的激活函数。

3.如权利要求1所述的基于卷积神经网络生成的针对LSB隐写的检测方法，其特征是，卷积神经网络中，具有固定内核的卷积层(-1，2，-1)放在网络的开始，然后是7组卷积层组合，第一组到第七组是一个接一个的堆叠，每组依次由1×5卷积层、1×1卷积层和子采样层组成；其中，1×5卷积层既不改变信道数量，也不改变输入数据的空间大小，而1×1卷积层使信道和子采样层将输入数据的空间大小减少一半；经过层组处理后，原始数据大小16000最终转换为512-D特性，然后，将该特性输入一个完全连接的层和一个最大概率优化softmax函数层，这两层就像一个分类器，产生两个分类概率，即判断是否被隐藏。

4.如权利要求1所述的基于卷积神经网络生成的针对LSB隐写的检测方法，其特征是，选择双曲正切Tanh函数作为激活函数。