[发明专利]一种基于对抗训练与关键路径提取的图像隐写分析方法

说明书

本发明公开了一种基于对抗训练与关键路径提取的图像隐写分析方法，包括：对于待检测图像，分别输入至经过对抗训练的隐写分析模块、以及基于关键路径提取的隐写分析模块；所述待检测图像包括：非隐写图像、传统隐写图像和对抗嵌入隐写图像，其中传统隐写图像和对抗嵌入隐写图像都属于隐写图像的类别；获得两个模块各自输出的待检测图像为隐写图像的概率，再结合两个模块的权重，采用加权融合的方式，获得最终待检测图像为隐写图像的概率。该方法可以检测经过对抗嵌入生成的隐写图像，同时在一定程度上权衡了对抗训练带来的传统隐写图像和非隐写图像准确率下降问题。

技术领域

本发明涉及图像隐写分析技术领域，尤其涉及一种基于对抗训练与关键路径提取的图像隐写分析方法。

背景技术

作为信息隐藏的常见手段，数字图像隐写在为人们提供一种更加隐蔽通信方式的同时，也为怀有不当企图的个人和组织开展一系列危害国家、社会安全的活动提供了更可靠的联系方式。

近年来，随着人工神经网络在图像分类等任务上的成功应用，有许多学者把卷积神经网络引入隐写分析领域，并在主流隐写方法上实现了不错的检测效果。在这种背景下，为了提高隐写方法的抗分析性，一些工作开始尝试将生成对抗扰动的方法应用到隐写术的设计，这一类方法根据现有隐写分析网络的梯度更新嵌入成本函数，然后在新的嵌入成本函数上嵌入秘密消息。这种经过对抗嵌入的隐写图像很难被现有分析网络检测到，目前已有学者提出采用对抗训练的方式解决这一问题，但对抗训练也使得传统隐写图像和非隐写图像的分类精度下降。

发明内容

本发明的目的是提供一种基于对抗训练与关键路径提取的图像隐写分析方法，能够检测对抗嵌入隐写图像，同时也在一定程度上保持了对传统隐写图像和非隐写图像的识别率。

本发明的目的是通过以下技术方案实现的：

一种基于对抗训练与关键路径提取的图像隐写分析方法，包括：

对于待检测图像，分别输入至经过对抗训练的隐写分析模块、以及基于关键路径提取的隐写分析模块；所述待检测图像包括：非隐写图像、传统隐写图像和对抗嵌入隐写图像，其中传统隐写图像和对抗嵌入隐写图像都属于隐写图像的类别；

获得两个模块各自输出的待检测图像为隐写图像的概率，再结合两个模块的权重，采用加权融合的方式，作为最终待检测图像为隐写图像的概率。

由上述本发明提供的技术方案可以看出，可以检测对抗嵌入隐写图像，同时在一定程度上权衡了对抗训练带来的传统隐写图像和非隐写图像准确率下降问题，这在现有的工作中研究较少。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种基于对抗训练与关键路径提取的图像隐写分析方法的流程图；

图2为本发明实施例提供的隐写分析网络的示意图；

图3为本发明实施例提供的四种类型的卷积层的示意图；

图4为本发明实施例提供的基于关键路径提取的隐写分析模块的工作流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种基于对抗训练与关键路径提取的图像隐写分析方法，如图1所示，其主要包括：