绿色隐写分析器：一种用于图像隐写分析的绿色学习方法
图像与视频处理
2023-06-08 v1 密码学与安全
机器学习
摘要
本文提出了一种基于绿色学习范式、称为绿色隐写分析器（GS）的图像隐写分析新型学习方案。GS 由三个模块组成：1）基于像素的异常预测，2）嵌入位置检测，3）用于图像级检测的决策融合。在第一个模块中，GS 将图像分解为块，采用 Saab 变换进行特征提取，并进行自监督学习以预测其中心像素的异常分数。在第二个模块中，GS 分析一个像素及其邻域的异常分数，以找出具有较高嵌入概率的像素。在第三个模块中，GS 聚焦于具有较高嵌入概率的像素，并融合其异常分数以做出最终的图像级分类。与最先进的深度学习模型相比，GS 在对抗 S-UNIWARD、WOW 和 HILL 隐写方案时取得了可媲美的检测性能，且计算复杂度显著更低、模型规模更小，使其对移动/边缘应用颇具吸引力。此外，由于其模块化设计，GS 在数学上是可解释的。
引用
@article{arxiv.2306.04008,
title = {Green Steganalyzer: A Green Learning Approach to Image Steganalysis},
author = {Yao Zhu and Xinyu Wang and Hong-Shuo Chen and Ronald Salloum and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2306.04008},
year = {2023}
}