[发明专利]一种基于隐写测评的隐写分析方法

权利要求书

1.一种基于隐写测评的隐写分析方法，其步骤为：

1)建立一包含若干隐写特征的基准特征集；

2)采用待分析的隐写算法对一组原文{X_i}进行隐写，生成相应的一组隐文{Y_i}；

3)在所述基准特征集中选取部分特征作为考察特征，计算原文和隐文集合中每个样本的考察特征向量，分别得到原文集合和隐文集合的特征向量集合{x_i}和{y_i}；

4)根据特征向量集合{x_i}和{y_i}对考察特征向量进行隐写安全测评并估计所考察特征向量每一分量作为隐写特征的有效性；

5)重复步骤3)、4)若干次，得到一组特征向量分量有效性评估结果；

6)从所述有效性评估结果中选取若干个分量构建一新特征向量，然后对其进行去冗余处理，得到该待分析的隐写算法的特征向量对该待分析隐写算法进行隐写分析，检测其中是否含有隐蔽信息。

2.如权利要求1所述的方法，其特征在于所述估计所考察特征作为隐写特征的有效性的方法为：根据特征向量x_i和y_i之间的最大平均偏差MMD，以及每个特征维度x_ij和y_ij之间的平均偏差MI_i，确定能够反映每个特征维度作为隐写分析特征有效性的最终指标值；x_ij表示特征向量x_i的第j维，y_ij表示特征向量y_i的第j维。

3.如权利要求2所述的方法，其特征在于通过公式w_i＝F(MI_i，MMD)确定能够反映每个特征维度作为隐写分析特征有效性的最终指标值；F(·)为通过回归分析获得的特征评价函数。

4.如权利要求3所述的方法，其特征在于通过公式

MMD[Γ,XD,YD]=supf∈Γ(1DΣi=1Df(xi)-1DΣi=1Df(yi))]]>计算所述最大平均偏差MMD；其中，

X_D＝{x₁，…，x_D}，Y_D＝{y₁，…，y_D}分别表示所述特征向量集合{x_i }和{y_i}，Γ为一函数空间。

5.如权利要求4所述的方法，其特征在于使用对称非负核函数生成再生核希尔伯特空间方法构造所述函数空间Γ。