基于MBEGA特征选择的优化图像隐写分析
密码学与安全
2010-08-18 v1 多媒体
摘要
基于特征的隐写分析是信息取证学中的一个新兴分支，旨在通过利用载体图像和隐写图像的统计特征作为线索/证据来识别隐蔽通信的存在。由于安全审计数据量大以及隐写行为复杂且动态的特性，优化隐写分析器的性能成为一个重要的开放问题。本文专注于通过特征选择来微调该领域中六个有前景的隐写分析器的性能。我们提出采用马尔可夫毯嵌入遗传算法(MBEGA)进行隐写敏感特征选择过程。特别地，嵌入的基于马尔可夫毯的模因算子从遗传算法(GA)解中添加或删除特征(或基因)，以快速改进解并微调搜索。实验结果表明，MBEGA在基于马尔可夫毯和分类器模型预测能力消除不相关和冗余特征方面是有效且高效的。观察表明，所提出的方法在所选特征数量、分类准确率和计算成本方面均优于现有方法。
引用
@article{arxiv.1008.2824,
title = {Optimized Image Steganalysis through Feature Selection using MBEGA},
author = {S. Geetha and N. Kamaraj},
journal= {arXiv preprint arXiv:1008.2824},
year = {2010}
}
备注
15 pages, IEEE NetCom 2009 Conference, IJCNC Journal