Yedrouj-Net：一种用于空域隐写分析的高效CNN
计算机视觉与模式识别
2018-03-02 v1 密码学与安全
摘要
约10年来，检测图像中隐藏的秘密消息的存在是通过使用Rich特征训练的集成分类器来完成的。近年来，Xu等人等研究表明，设计良好的卷积神经网络(CNN)可以取得与两步机器学习方法相当的性能。本文提出一种在错误概率方面优于最先进技术的CNN。该方案是对近期已有工作的延续，并巧妙融合了多篇论文中使用的重要模块。在CNN的基本组成部分中，可以列举出预处理滤波器组与截断激活函数的使用、带有批归一化并与缩放层相关联的五个卷积层，以及使用尺寸足够大的全连接部分。还使用了增广数据库以改善CNN的训练。我们的CNN针对S-UNIWARD和WOW嵌入算法进行了实验评估，并与另外三种方法的性能进行比较：集成分类器加Rich模型，以及另外两种CNN隐写分析器。
引用
@article{arxiv.1803.00407,
title = {Yedrouj-Net: An efficient CNN for spatial steganalysis},
author = {Mehdi Yedroudj and Frederic Comby and Marc Chaumont},
journal= {arXiv preprint arXiv:1803.00407},
year = {2018}
}
备注
ICASSP'2018, 15-20 April 2018, Calgary, Alberta, Canada, 5 pages