14.2.2通用隐秘分析算法.ppt

* * * * * * 转移概率矩阵可以分为一步转移概率矩阵和多步转移概率矩阵。一步转移概率矩阵表现相邻两个元素（差分矩阵中）的关系 * * * * * * * * * * 实现统计检测的关键是获得可描述载体统计特性的完善统计模型;然而，至今仍没有图像等载体的通用数学模型，因此很难实现通用的统计检测算法。由于“统计检测”需要原始载体信号的统计分布信息，也属于载体信息已知的隐写分析技术。 一般来说，感官特征比较明显而较易检测；统计特征则要根据隐写术隐藏信息过程中采用的变换操作进行数学推理分析，确定载体和隐密媒体之间的可度量特征差异。使用特征检测隐写术通常需要依赖对特征差异的统计分析。更高阶的统计特征选取是实现通用盲检测技术的基础。 * 实现统计检测的关键是获得可描述载体统计特性的完善统计模型;然而，至今仍没有图像等载体的通用数学模型，因此很难实现通用的统计检测算法。由于“统计检测”需要原始载体信号的统计分布信息，也属于载体信息已知的隐写分析技术。 一般来说，感官特征比较明显而较易检测；统计特征则要根据隐写术隐藏信息过程中采用的变换操作进行数学推理分析，确定载体和隐密媒体之间的可度量特征差异。使用特征检测隐写术通常需要依赖对特征差异的统计分析。更高阶的统计特征选取是实现通用盲检测技术的基础。 * 衡量一个隐藏分析算法的有效性和可靠性，可以利用模式识别领域中经常用 到的混淆矩阵[13]，它描绘样本数据的真实属性与识别结果类型之间的关系，是评 价分类器性能的一种常用方法。隐藏分析算法将待检测集合{I}中的全部载体进 行分类判断，可以得到如图1-2所示的混淆矩阵（Confusion Matrix），其中以N (X) 表示集合{X}中的元素数目。 * * * * * * 通用隐密分析方法是更适用的隐密分析技术，它在没有任何先验知识的条件下，判断图像中是否隐藏有秘密信息。一般性分析方法不是针对任何一种嵌入机制，而是信息隐藏安全性定义的具体实现。在这里，一般性是指不限定具体隐密算法，寻找具有普遍适用性、高阶的、更加鲁棒的统计特征，以便适用更广的隐密算法。 专用隐密分析算法的检测性能较好，但是由于不同隐密算法的嵌入策略不同，这类隐密分析算法比较容易被新的隐密技术突破，具有一定的局限性；通用隐密分析算法牺牲一定的准确性而获得较广的适应范围，可实现对已知的某一类或将来出现的隐密算法的成功检测。随着隐密研究的快速发展，新的隐密技术不断出现，专用隐密分析相对比较被动，在面对新隐密算法时会失效。对隐密分析研究者来说，寻找不同隐密算法的固有缺陷也越来越困难。专用隐密分析的灵活性和可扩展性较差。而对通用隐密分析来说，隐密设计者很难在设计隐密算法时兼顾不同的图像统计特征和模型。只要使用足够精确的统计模型，特征提取合理，就可能实现对不同隐密技术的成功攻击。 * 通用隐密分析方法是更适用的隐密分析技术，它在没有任何先验知识的条件下，判断图像中是否隐藏有秘密信息。一般性分析方法不是针对任何一种嵌入机制，而是信息隐藏安全性定义的具体实现。在这里，一般性是指不限定具体隐密算法，寻找具有普遍适用性、高阶的、更加鲁棒的统计特征，以便适用更广的隐密算法。 专用隐密分析算法的检测性能较好，但是由于不同隐密算法的嵌入策略不同，这类隐密分析算法比较容易被新的隐密技术突破，具有一定的局限性；通用隐密分析算法牺牲一定的准确性而获得较广的适应范围，可实现对已知的某一类或将来出现的隐密算法的成功检测。随着隐密研究的快速发展，新的隐密技术不断出现，专用隐密分析相对比较被动，在面对新隐密算法时会失效。对隐密分析研究者来说，寻找不同隐密算法的固有缺陷也越来越困难。专用隐密分析的灵活性和可扩展性较差。而对通用隐密分析来说，隐密设计者很难在设计隐密算法时兼顾不同的图像统计特征和模型。只要使用足够精确的统计模型，特征提取合理，就可能实现对不同隐密技术的成功攻击。 * * * * * * * * * * * * * * 定义ni和ni*分布相同的概率p p为载体被隐秘的可能性，即嵌入信息的概率， P=1 隐藏信息, p=0，没有隐藏信息 根据p值可以估计出隐藏信息的存在并可大致估计出隐藏容量 利用统计特征异常的c2分析 利用统计特征异常的c2分析 隐蔽数据嵌入图像上半部范围。用c2分析可估计数据量和嵌入位置。 嵌入数据随机分布或嵌入量小时分析不可靠。 14.2.3 隐秘分析算法实例 1. c2隐秘分析算法 2. RS隐秘分析算法 3. Markov通用图像隐写分析算法 4.基于帧间共谋的视频隐写分析算法 RS分析 Fridrich 纽约州立大学宾汉姆顿大学教授，水印鉴定、电力电气、数字映像法医鉴定领域的专家，同时世界上最快的、使用最广泛的魔方解法--Fridrich Me