基于LSSVM的JPEG图像隐写分析算法

构造了一种基于最小二乘支持向量机的针对JPEG图像的隐写分析方法，在DCT域和空间域上提取了JPEG图像的18维特征向量，利用LSSVM构建分类器，并根据嵌入算法的种类设定分类器的输出，以达到检测秘密信息的存在性和判别使用何种隐写算法实施信息嵌入的目的，针对Jsteg，F5，MB三类最常用的JPEG图像隐写算法进行了二分类和四分类的实验，结果表明，构建二分类器进行载密图像检测时，正确率较高；构建多分类器检测载密图像、判断其使用的隐写算法时，对于高嵌入量的载密图像有着较高的判断正确率。     

基于直方图差异的模型隐写分析

基于模型(Model-Based,MB)的隐写方法可以保持JPEG载体图像的直方图在隐写前后几乎不变,使秘密信息具有良好的统计隐蔽性.根据MB隐写使得图像平坦区域和纹理区域的DCT系数分布变得相似这一线索,提出一种新的隐写分析方法,通过考察纹理较丰富的内容中的DCT系数直方图与全局DCT系数直方图之间的差异情况来分析图像是否经过MB隐写.实验结果表明,该方法可有效击破MB隐写.     

基于二重扰动SVM集成分类的JPEG图像隐写检测

针对目前大部分JPEG隐写分析方法主要采用单一支持向量机分类器,可能产生泛化能力恶化、分类精度难以提高等问题,提出了一种新的基于二重扰动SVM集成分类的JPEG图像隐写检测方法.利用多项式核函数和高斯核函数构造混合核函数模型,并用主成分分析法进行特征变换,去除冗余信息,最后在变换后的特征空间上进行模型参数和特征的二重扰动产生成员分类器,并用多数投票法对它们进行组合.实验结果表明,与传统方法相比,具有更高的JPEG隐写图像检测率.     

基于JPEG二次压缩的隐藏信息检测

针对图像隐写软件对图像(JPEG格式)进行二次压缩的过程,提出将待检图片是否被二次压缩作为图像是否被隐写的特征之一。为了对JPEG二次压缩后的图像进行有效检测,通过研究JPEG图像经二次压缩后所引起的DCT统计特性的变化及二次压缩前后的量化表q1、q2对二次压缩后图像的DCT统计所引起的变化的分析,提出了针对不同q1、q2 JPEG二次压缩的检测方法。实验证明本文的检测方法是有效的。     

一种基于混合蛙跳优化的JPEG图像隐写算法

在JPEG图像中隐写会引起图像DCT系数直方图变化和分块效应比,分析者可以根据这些特征变化察觉到秘密信息的存在。为了提高隐写的安全性,提出了一种基于混合蛙跳优化的JPEG图像隐写算法。对图像进行分块处理后,在每个块中采用混合蛙跳优化算法,寻找最优的置换矩阵来替换秘密信息。在隐写过程中,将置换矩阵和置换后的秘密信息隐藏于修改了量化表的DCT系数中,算法不需传递其他边缘信息。仿真实验表明,所提出的隐写算法与修改量化表隐写算法,基于粒子群优化隐写算法相比,在隐写容量增大的同时,具有更高的安全性。     

基于JPEG及扩展DCT块变换的新型大容量隐写算法

目前,基于离散余弦变换的JPEG图像载体隐写已经可以达到较高的隐蔽性及鲁棒性,但隐写容量与传统的空域隐写相比仍有较大差距。在已有算法的基础上,提出了一种基于扩展DCT块变换的改进算法,一定程度上提升了隐藏容量,并使其在隐蔽性和展示性方面优于既有算法。该算法在最终量化前加入了扩展分块变换隐藏,避开了直接将密信隐藏于JPEG的量化后DCT系数中。在维持结果图片符合标准的同时,增强了隐写的隐蔽性和复杂性,实现了对原有算法的综合与改进。仿真实验结果显示出了该算法在隐写容量及隐秘性上相对于原有算法的提升。     

基于参数特征偏移的神经网络隐写检测方法（英文）

目前,许多深度学习的预训练模型被发布出来用以帮助工程师和研究人员开发基于深度学习的系统或进行研究,从而减少了他们的工作量。过去的工作表明,秘密信息可以被嵌入到神经网络参数中且不影响模型的准确性,恶意开发者可以借此将恶意软件或其他有害信息隐藏到预先训练的模型中。因此,对这些隐写后的预训练模型进行可靠的检测非常重要。我们分析了现有的神经网络隐写方法,发现它们不可避免地会导致参数统计的偏差。针对LSB隐写,实验发现其会造成参数位平面随机性上的偏差;针对COR隐写和SGN隐写,实验发现其会造成参数分布上的偏差。基于这些偏差,我们提出神经网络隐写的隐写分析方法,即从良性和恶性模型中提取特征建立分类器。据我们所知,这是第一个检测神经网络隐写术的工作。实验结果表明,本文提出的检测算法能够可靠地检测出含有嵌入式信息的模型。值得注意的是,我们的检测方法即使在低负载下仍然有效。     

基于二重扰动SVM集成分类的JPEG图像隐写检测

针对目前大部分JPEG隐写分析方法主要采用单一支持向量机分类器,可能产生泛化能力恶化、分类精度难以提高等问题,提出了一种新的基于二重扰动SVM集成分类的JPEG图像隐写检测方法.利用多项式核函数和高斯核函数构造混合核函数模型,并用主成分分析法进行特征变换,去除冗余信息,最后在变换后的特征空间上进行模型参数和特征的二重扰动产生成员分类器,并用多数投票法对它们进行组合.实验结果表明,与传统方法相比,具有更高的JPEG隐写图像检测率.     

采用预测编码的图像隐写分析算法

通过分析图像无损压缩过程中预测编码的原理,提出了一种基于预测编码方法的空域图像隐写分析算法。该算法的基本思想是利用空域隐写会破坏图像相邻像素之间的相关性,而预测编码是利用图像相邻像素之间的相关性来预测的,这样隐写后图像的预测误差将会大于载体图像的预测误差,通过计算隐写前后图像的预测误差来分析图像中是否含有秘密信息。实验表明:基于预测编码的图像隐写分析具有较好的隐写分析能力。     

不同扫描方式在JPEG隐写分析方法中的研究与应用

目前绝大部分JPEG隐写方法都是通过改变DCT系数值来实现秘密信息嵌入,这种嵌入方式必然会对DCT系数的相关性造成影响,在隐写分析时挖掘DCT系数相关性很有必要。共生矩阵是挖掘DCT系数相关性的常用工具,利用该工具在提取特征前需要先对系数进行扫描。现有主流JPEG隐写分析方法主要采用行扫描或列扫描,对其他扫描方式研究较少,没有充分挖掘DCT系数相关性。针对这个问题,该文在研究不同扫描方式后,提出了一种新的JPEG隐写分析方法。该方法首先分析了不同扫描方式对DCT系数的块间和块内相关性的影响,然后使用多种高阶共生矩阵提取DCT系数在不同方向和距离上的相关性作为特征。针对4种隐写方法11种嵌入率的实验表明,与同类型的低维特征方法相比,该方法的检测正确率有明显提升,与同类型的高维特征方法相比,在不明显降低检测正确率的情况下,能使得特征维数得到有效控制,综合性能有一定提升。     

基于特征融合和改进RSM集成分类的BMP隐写检测

针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择(SFS)算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明:和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写(如LSB匹配、LSB替换、SS和QIM)的检测率均有一定程度的提高.     

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进.新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像.主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达.     

基于鉴别主成份分析的基因表达数据特征提取

针对高维小样本数据特征提取问题,通过融合主成份分析(PCA)和线性判别分析(LDA),提出一种鉴别主成份分析方法。通过对PCA主成份进行单个线性判别,选择主要反应类间差异的主成份来构造特征空间。对yeast和NCI基因表达数据的实验结果表明:该方法在降维的同时能获得较好的判别特征,且能避免线性判别分析方法的奇异性。在子空间的聚类识别率相比PCA提高了20%以上,且具有较好的可视化效果,说明了用该方法对高维小样本数据进行特征提取的有效性。     

基于Matlab的多尺度主元分析在过程监控中应用

提出一种新的基于Matlab的多尺度主元分析方法(MSPCA)，即综合主元分析去除变量间关联、小波分析提取测量决定性特征和可去除测量自相关性的优势，用于多变量统计过程的监控，用MSPCA进行过程监控，不仅能提高侦察决定性交化的能力，而且能提高自相关测量监控的效率，同时还可以提取反常操作特征信号，算例测试表明，与普通PCA方法相比，MSPCA方法在过程监控中比较有效。     

基于主分量分析的空间目标识别方法

目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷达识别具有重要意义.文中提取中心矩作为特征向量,采用主分量分析(PCA)进一步进行特征压缩,利用支撑矢量机(SVM)分类算法来实现识别.基于实测数据的仿真实验结果表明,该方法具有较好的识别性能和推广能力.     

基于主成分分析的河流洪水系统聚类法

进行河流洪水聚类的目的是根据洪水特征的相似程度划分洪水类别,研究同类洪水的规律性以及应对措施.但是,洪水特征选择过多往往会增加计算的复杂程度,同时特征之间的相关性也使得信息大量重叠,导致计算结果失真.为此,提出基于主成分分析的河流洪水系统聚类法.该法首先将所选的洪水特征综合成少数几个不相关的主成分,然后计算出每场洪水在各主成分上的得分值并将该值作为新的洪水特征值,最后根据这些新特征值进行洪水聚类.三门峡水库入库洪水聚类实例证明了该方法的可行性.     

基于特征融合的安全审计分析

分析了传统的安全审计分析方法，发现传统方法没有利用主机日志和网络数据特征之间的联系。通过分析主机日志得到可疑安全事件，再进一步融合主机日志和网络数据的有关特征作为一个整体进行分析。比较当前安全事件与正常历史事件、异常历史事件的相似度，审计出异常可疑事件。实验证明了该方法的可行性和有效性     

基于特征融合的安全审计分析

分析了传统的安全审计分析方法，发现传统方法没有利用主机日志和网络数据特征之间的联系。通过分析主机日志得到可疑安全事件，再进一步融合主机日志和网络数据的有关特征作为一个整体进行分析。比较当前安全事件与正常历史事件、异常历史事件的相似度，审计出异常可疑事件。实验证明了该方法的可行性和有效性。     

基于核主成分分析的虹膜识别方法

阐述虹膜作为生物测定学特征用于身份识别具有得天独厚的优势,虹膜识别在场所或资源的安全控制等方面具有重要的应用价值.提出一种新的虹膜识别方法,该方法利用核主成分分析(KPCA)提取虹膜的纹理特征,通过竞争学习寻找其中最优的KPCA特征,形成虹膜编码,最后通过计算编码之间的方差倒数加权欧氏距离对虹膜进行识别.实验结果表明,该方法计算速度快,提取特征的效果好,对环境的适应性强,可用于实际的身份鉴别系统.