2015至2018年隐写术与隐写分析中的深度学习
密码学与安全
2019-10-17 v2
摘要
近 10 年来，图像中隐藏信息的检测主要通过计算 Rich Models（RM），随后使用集成分类器（EC）进行分类来完成。2015 年，首项使用卷积神经网络（CNN）的研究获得了通过深度学习进行隐写分析的首批结果，逼近了两步法（EC + RM）的性能。2015—2018 年间，大量文献表明有可能获得改进的性能，尤其是在空间域隐写分析、JPEG 隐写分析、选择信道感知隐写分析以及定量隐写分析中。本章从现有方法的角度论述隐写分析中的深度学习，介绍 2015—2018 年间经隐写分析学科特有方法学评估过的不同神经网络。本章无意重复机器学习或深度学习的基本概念。因此，我们将以通用方式呈现深度神经网络的结构，介绍现有文献中针对隐写分析不同场景所提出的网络，最后讨论基于深度学习的隐写术。
引用
@article{arxiv.1904.01444,
title = {Deep Learning in steganography and steganalysis from 2015 to 2018},
author = {Marc Chaumont},
journal= {arXiv preprint arXiv:1904.01444},
year = {2019}
}
备注
Book chapter, final version (October 2019). This chapter will appear in 2020 in the book titled: "Digital Media Steganography: Principles, Algorithms, Advances", Book Editor: M. Hassaballah. 46 pages