利用局部特征集统计信息进行 3D 对象隐写分析
密码学与安全
2017-06-21 v1 多媒体
摘要
3D 隐写分析旨在识别通过数字水印或隐写术在图形对象中产生的细微不可见变化。从 cover 和 stego 3D 网格对象中提取的 3D 特征统计表示集被用作机器学习分类器的输入，以决定给定图形对象中是否隐藏了任何信息。根据先前的研究，局部几何特征集可用于定义 stego 对象和 cover 对象之间的差异。本文提出的特征包括代表局部物体曲率、顶点法线以及球坐标系中局部几何表示的特征，并考虑了它们与其他特征的各种组合。我们还基于 Pearson 相关系数分析了应用于隐写分析的各种 3D 特征集的有效性。本研究提出的用于区分 3D stego 和 cover 对象的分类器包括支持向量机和 Fisher 线性判别集成。使用了三种不同的水印和隐写方法在用于测试所提出隐写分析方法性能的 3D 对象中隐藏信息。
引用
@article{arxiv.1702.07178,
title = {Steganalysis of 3D Objects Using Statistics of Local Feature Sets},
author = {Zhenyu Li and Adrian G. Bors},
journal= {arXiv preprint arXiv:1702.07178},
year = {2017}
}