Print

基于图像分类的无载体信息隐藏方法

论文摘要

为提高无载体信息隐藏的数据嵌入容量和通信效率,注意到半构造式无载体信息隐藏算法所具有的优势,在仔细分析几种社交平台的用户行为习惯后,提出了一种以社交平台的行为习惯为构造原则的半构造式无载体信息隐藏算法.该算法的具体思想通过构建小图标库中的图标与秘密消息的一一映射关系,将小图标按照一定的原则拼接,完成秘密消息的图像表达,通过传递拼接好的图片,实现秘密消息的传递.为了提高小图标的识别率和整个隐蔽通信系统的抗干扰能力,算法还引入了卷积神经网络对图标库中的图标进行训练和分类,同时在训练时特意引入经过多种攻击方式处理过的小图标作为干扰样本.实验和仿真结果表明,该隐藏方法具备良好的抗攻击能力,隐藏容量和通信效率得到了实质性的提高,可用于实际的隐蔽通信系统.

论文目录

  • 1 利用AlexNet进行迁移学习
  •   1.1 深度卷积神经网络AlexNet模型
  •   1.2 AlexNet结构的修改
  • 2 信息隐藏算法
  •   2.1 题目规则的设计
  •   2.2 隐藏算法
  •   2.3 提取算法
  • 3 实验结果与分析
  •   3.1 训练神经网络
  •     3.1.1 数据集的建立
  •     3.1.2 训练参数的初始化及微调
  •   3.2 鲁棒性分析
  •     3.2.1 抗噪声测试
  •     3.2.2 抗JPEG压缩测试
  •     3.2.3 抗滤波器攻击测试
  •   3.3 抗检测性和安全性
  •   3.4 容量
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 吴建斌,康子阳,刘逸雯,双奎,吴建平

    关键词: 深度学习,图像分类,社交习惯,隐写,无载体信息隐藏

    来源: 湖南大学学报(自然科学版) 2019年12期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 计算机软件及计算机应用

    单位: 华中师范大学物理科学与技术学院,北京电子技术应用研究所,湖北幼儿高等师范专科学校

    基金: 国家自然科学基金资助项目(U1736121,U1536104)~~

    分类号: TP309;TP391.41

    DOI: 10.16339/j.cnki.hdxbzkb.2019.12.004

    页码: 25-32

    总页数: 8

    文件大小: 1449K

    下载量: 231

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/14aa9fbd04b55b92a59dab11.html