网络异构图像隐写盲检测中的几个关键问题研究

Detection of hidden messages in network images is of great importance to obtain valuable intelligence and to assure national and public safety. In recent years, universal blind detection techniques for image steganography have achieved fruitful research results, which exhibit excellent detection acuracy under the laboratory environments.However, the existing blind detection algorithms are still difficult to obtain high detection accuracy when applied to total-blind conditions, in which both the embedding algorithm and the secret message length are unknown, and the heterogeneous image sources under the practical network environment, which contain a variety of image generation sources, a variety of image quality, a variety of image content and texture, and images experienced a variety of complex image processing. Therefore, it is very difficult to adopt those image steganalysis techniques in the design of practical covert communication detection system.. In this project, based on the feature analysis and statistical modeling of network heterogeneous image sources and combined with the image source identification techniques, image forensics techniques, content-based image retrieval techniques, combining classifier techniques and fusion of decision-making techniques, we attempt to propose a category of system design methodology which can be used in the hidden message detection of network heterogeneous image sources. It is expected that by the research we can address the "mismatch" and "curse of dimensionality" issue existing in the blind steganalysis under the network heterogeneous image environment and total-blind conditions in which both the embedding algorithm and embedding rate are unknown. Also, we will study the location and recovery techniques of the hidden message in stego-images. By doing this, we expect to promote the research and development process of practical covert communication detection system.

网络图像中的隐藏消息检测对于获取有价值情报、保障国家和公共安全具有重要意义。近年来，针对图像隐写的通用盲检测技术已取得了丰硕的研究成果，在实验室环境下取得了优异的检测效果。但现有盲检测算法针对实际网络环境下包含多种图像来源、多种图像质量、多种图像内容和纹理、且经历多种复杂图像处理过程的图像构成的异构图像信源，在嵌入算法和消息长度全盲条件下的隐写检测，仍然难以取得较好效果，因此限制了隐写分析技术在实际隐蔽通信检测系统中的应用。.本课题试图通过对网络异构图像信源的特征分析和统计建模，结合图像来源鉴别技术、图像处理过程取证、图像内容检索技术、组合分类器和融合决策方法，提出一类能适用于网络环境下异构图像信源的隐藏信息检测的系统设计方法，解决网络异构图像环境和嵌入算法及嵌入率全盲条件下的通用盲检测的"失配"和"维数灾难"问题，同时研究隐藏消息的定位与复原问题，推动实用的隐蔽通信检测系统的研究与开发。

本课题试图通过对实际网络环境下网络异构图像的特征分析和统计建模，结合图像取证和图像检索技术，提出一类能适用于网络环境下异构图像信源的隐藏信息检测的系统设计方法。项目获得批准以来，课题组围绕网络异构图像隐写盲检测中的几个关键问题研究，按照研究计划，顺利完成了预期研究内容，取得了一系列研究成果。.本课题取得的主要成果包括：(1) 针对JPEG解压图像的识别和量化表估计、重压缩图像检测、重采样图像分类、基于图像内容和纹理的图像分类与分割等进行了研究，结合隐写检测，提出了相应的隐写分析方法；(2) 针对具有不同压缩历史的混合异构位图图像、由原始单次采样图像和重采样图像构成的混合异构位图图像、具有不同纹理复杂度的混合异构位图图像等多种复杂载体信源，分别设计了结合图像取证和图像内容检索的隐藏信息检测方法；(3) 本项目针对常见的几种自适应隐写和具备统计保持特性的隐写方法，研究提出了针对性的隐写检测算法；(4)基于信息融合的解决思路，针对嵌入率未知、嵌入算法未知、载体图像信源统计特性未知三种实际情况，分别提出了基于D-S (Dempster-Shafer)证据理论的图像隐写分析方法、基于Boosting算法融合的图像隐写分析方法以及利用图像内容复杂度和模糊积分融合的图像隐写分析方法；(5)针对隐藏信息的定位以及复原，分别提出了一种载体估计方法和一种新的基于模式分类的负载定位方法；针对多密钥生成的载密图像集，提出了一种的负载定位方法。.项目研究期间累计在本学科国际国内重要学术刊物和学术会议上发表学术论文30篇，其中SCI收录论文11篇、EI论文21篇，在国防工业出版社出版译著一部。人才培养方面，依托该项目培养博士后1人、博士生4人、硕士生8人。