基于BP神经网络的隐写分析分类器设计.docxVIP

基于BP神经网络的隐写分析分类器设计 【 】设计并实现了基于BP神经网络的隐写分析 分类器。首先对图像库中的图像进行格式变换，并使用扩展 修改方向和钻石编码两种隐写方法进行不同嵌入率的隐写 嵌入，然后计算载体图像和载密图像中平面域、DCT域和小 波域的一些属性值作为特征。利用Matlab的模式识别工具 箱搭建BP神经网络，用已知类别的图像特征训练分类器并 进行分类测试。实验结果表明，多域综合特征可以实现良好 的分类效果，能以较高的准确率识别出载体图像和载密图 像。 ［关键词】BP神经网络；隐写分析；分类器 【中图分类号】TP309【文献标识码】A A Classifier of Steganalysis based on BP Neural Networks Li Hong-lei Wu Han-wei Tan Yu-yin (School of Information Science and Technology, Hainan University HainanHaikou 570228 ) 【Abstract 】 A classifier of steganalysis based on back propagation neural network is designed and realized. Firstly, the images in image database are turned into grayscale images, then some attribute values of carrier images and stego-images are computed from the images spatial domain, DCT domain and wavelet domain. And the Mat lab pattern recognition toolbox is adopted to establish the BP neural? network classifier. The resuIts show that the BP neural ? network classifier based on three domains attribute values performs well in classifying. 【 Keywords 】 back propagation neural network ； steganalysis ； classifier 1引言 信息隐藏是目前信息安全领域的一个重要研究方向，其 目的是在载体中隐藏秘密信息而不被人察觉。作为信息安全 传输的重要手段，信息隐藏可用于经济、军事、情报、国家 安全等领域，但也有可能被恐怖份子或敌对势力所利用。因 此，如何检测可疑信息的存在，即对待检测载体进行隐写分 析，受到人们关注。 早期的隐写分析技术多针对具体的隐写算法，如针对最 低有效位LSB (Least Significant Bit)替换的隐写分析方 法有卡方检验方法、RS方法和SPA方法等。实践证明，这些 方法虽然对检测LSB替换有效，但对于其他隐写方法往往无 效。随着各类隐写算法的涌现，现阶段关于隐写分析的研究 多集中在通用隐写分析，通过使用原始图像和隐密图像来训 练分类器，达到能检测多种隐写方法的目的。隐写图像可以 由多种已知的隐写算法生成。Avicibas等的研究表明，这种 依据已知隐写方法生成的分类器有一定的泛化能力，能够检 测一些未知的隐写算法。 BP (Back Propagation)网络是一种使用误差反向传播 算法进行训练的多层前馈神经网络，具有三层或三层以上的 神经元，包括输入层、中间层和输出层。相邻层神经元之间 为全连接，而同层神经元之间无连接。各层神经元之间的连 接强度用网络权值表示。学习样本由输入层输入后，经各中 间层向输出层传播，然后根据网络输出与实际输出样本之间 的误差，修正各层间的连接权值和阈值，使网络的预测输出 不断逼近期望输出。这种算法称为误差反向传播算法，也即 BP算法。 本文给出一个基于BP神经网络的图像隐写分类器的构 造过程，实验结果证明，该分类器对扩展修改方向 (Exploiting Modification Direction, EMD)、 钻石编码 (Diamond Encoding , DE)等隐写算法有良好的检测效果, 即使在较低嵌入率的情况下也能以较高的正确率对载体图 像和载密图像进行分类。 2分类器构造 利用分类器进行图像隐写分析的步骤一般有图像预处 理、特征提取、分类器的选择和训练、分类。 2. 1图像预处理 图像预处理如灰度转化，剪裁大小，隐写嵌入等。本文 中使用的图像库为Washin