5、隐写术与隐写分析技术详解

隐写术与隐写分析技术详解

1. 扩展原则与隐写术基础

在隐写术中，扩展原则是在复杂度优先原则之后可使用的一种策略。例如，图像中有两个小区域 R1 和 R2，根据复杂度优先原则，它们具有相同的内容复杂度级别和优先级。其相邻区域分别表示为 N(R1) 和 N(R2) 。假设区域 N(R1) 比 N(R2) 更复杂，基于复杂度优先原则，N(R1) 中元素的优先级高于 N(R2) 中元素的优先级，在 R1 中嵌入信息会比在 R2 中嵌入信息更好。所以，即使 R1 和 R2 具有相同的内容复杂度，也应给 R1 中的元素分配比 R2 更高的优先级。当应用扩展原则时，具有高修改概率的元素会增加其相邻元素的修改概率，反之亦然。本质上，该规则可视为考虑了相互嵌入的影响。

2. 基于深度学习的隐写术

2.1 ASDL - GAN 方法

ASDL - GAN 是首个使用深度神经网络自动学习空间图像隐写术的方法。之前的空间图像隐写术方法都是手工制作的，早期方法如 HUGO 为隐写分析检测器提取的特征设计失真，泛化能力不强且易被检测。后续方法如 S - UNIWARD 和 HILL 基于失真定义原则设计，不直接对抗隐写分析检测，显示出隐写失真设计中的矛盾。随着基于 CNN 的隐写分析器如 XuNet 和 YeNet 的出现，隐写分析器的泛化检测能力和检测精度不断提高。

ASDL - GAN 采用生成对抗网络模拟加性失真隐写术和深度学习隐写分析器之间的竞争，使失真生成器和隐写分析检测器都能通过对抗训练自动学习图像特征，从而获得适应图像的自动隐写失真。

• 网络结构 ：ASDL - GAN 在加