图像隐写分析中分类器不一致性的检测
密码学与安全
2019-09-27 v1 人工智能
摘要
本文提出了一种检测基于分类的图像隐写分析中不一致性的方法。所提方法使用两个分类器:通常的一个,由封面图像与载密图像组成的集合训练;以及第二个分类器,由向原始训练集嵌入额外随机消息后所得集合训练。当这两个分类器的决策不一致时,我们可知该预测不可靠。测试集预测中的不一致数量可表明分类器在测试场景下未正确工作。例如,这发生于封面源失配的情况,或当我们试图检测分类器无法精确建模的隐写方法时。我们还展示了如何利用不一致数量来预测分类器的可靠性(分类错误)。
引用
@article{arxiv.1909.10278,
title = {Detection of Classifier Inconsistencies in Image Steganalysis},
author = {Daniel Lerch-Hostalot and David Megías},
journal= {arXiv preprint arXiv:1909.10278},
year = {2019}
}