.png){kind=icon}
返回
DCT-Based Steganalysis for Steganographic Algorithm and Distortion-Level Classification Using Deep Learning
.png){kind=icon}
OA
AI
DOI：10.3390/computers15110760.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究提出了一种基于离散余弦变换（DCT）系数和深度学习的方法，用于识别隐写算法（UERD、J-UNIWARD和JMiPOD）并对ALASKA2数据集中的图像失真级别进行分类。对于每张图像，提取了258,048个交流（AC）系数，并通过互信息（MI）选择了9999个系数，均匀分布在三个频带中。在相同架构下比较了两种表示方式：MI选择的系数和DCT系数的全空间图。四种架构（CNN-1D、CNN 2D、CNN 2D + CBAM和扩展深度CNN）使用三个随机种子进行训练。空间图在每种架构上都优于MI选择的系数，在算法识别中（CNN 2D）高出11.7个百分点，在失真级别分类中高出1.0至2.1个百分点。最佳结果由在空间图上的2D卷积网络获得：算法识别的准确率为59.2 ± 0.2%（CNN 2D + CBAM，比无注意力机制的相同网络高出0.8个百分点），失真级别的准确率为66.5 ± 0.5%（CNN 2D）。参数量约为11倍的神经网络并未改善结果。区分所考虑的算法和失真级别仍然具有挑战性。
Keyword:
steganography
DCT
mutual information
deep learning
steganalysis
期刊
C
IF:
4.2
论文数:
1.5K
被引数:
3.3K
机构
暂无机构信息
引用论文
A Siamese Inverted Residuals Network Image Steganalysis Scheme based on Deep Learning一种基于深度学习的连体倒残差网络图像隐影分析方案
.png){kind=icon}
PREAI
分享收藏Steganography Techniques - An OverviewPodder, A.; Roy, P.; Roy, S. 隐写术技术——概述. 国际科学研究和计算机科学与工程信息与技术杂志 2022, 8, 323–327. [谷歌学术] [CrossRef] [Scilit]
PREAI
分享收藏
Image Steganography Using Discrete Cosine Transform Algorithm for Medical ImagesKeshava Murthy, N.; Sharma, S.; Jasmine Pemeena Priyadarsini, M.; Ranjan, R.; Sarkar, S.; Sardar Basha, N. 基于离散余弦变换算法的医学图像信息隐藏技术. 见：自动化、信号处理、仪器与控制领域的进展；Springer Nature: 新加坡，2021；第2349-2358页。 [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏Optimization Strategies Applied to Deep Learning Models for Image Steganalysis: Application of Pruning, Quantization and Weight ClusteringFerreira, G.; Marinho, M.H.d.N.; Severo, V.; Madeiro, F. 深度学习模型在图像隐写分析中的应用优化策略：剪枝、量化和权重聚类的应用. Appl. Sci. 2025, 15, 4632. [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏
查看更多内容