基于密集连接网络的图像隐写分析

• 作者: 刘佳 刘明明 高培贤 魏立线
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 隐写分析 神经网络 密集连接 梯度消失
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 74-77,146
• 页数: 5页
• 分类号: TP309.7
• 字数: 3502字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1711-0210

摘要

针对目前传统的隐写分析技术对特征集要求越来越高的问题,构建了一个密集连接网络模型(Steganalysis-Densely Connected Convolutional Networks,S-DCCN)进行图像隐写分析,避免了人工提取特征,提高了隐写分析效率.首先,在网络层之前添加高通滤波层(HPF)进行滤波,加快模型训练速度.经过滤波后的图像进入两层卷积层进行特征提取,在卷积层之后使用了5组密集连接模块来解决网络加深带来的梯度消失问题,密集连接模块之间通过过度层来控制整个网络的宽度.实验结果表明,相比传统的图像隐写分析算法和卷积神经网络技术,该模型有效提高了隐写分析的准确率和泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘佳	武警工程大学网络与信息安全武警部队重点实验室	44	88	4.0	6.0
5	魏立线	武警工程大学网络与信息安全武警部队重点实验室	32	167	7.0	11.0
9	刘明明	武警工程大学网络与信息安全武警部队重点实验室	10	35	3.0	5.0
13	高培贤	武警工程大学网络与信息安全武警部队重点实验室	9	31	3.0	5.0