文献类型：期刊文章

作　　者：蒋明[1] 张宗凯[1] 刘熙尧[2] 郭标[1] 胡家馨[2] 张硕[1]

Jiang Ming;Zhang Zongkai;Liu Xiyao;Guo Biao;Hu Jiaxin;Zhang Shuo(School of Guangxi Key Laboratory of Cryptography and Information Security,Computer Science and Information Security Guilin University of Electronic Technology,Guilin,Guangxi 541004;School of Computer Science and Engineering,Central South University,Changsha 410083)

机构地区：[1]桂林电子科技大学计算机与信息安全学院广西密码学与信息安全重点实验室,广西桂林541004 [2]中南大学计算机科学与工程学院,长沙410083

出　　处：《信息安全研究》

基　　金：湖南省自然科学基金项目(2020JJ4746);广西密码学与信息安全重点实验室研究课题(GCIS202113);桂林电子科技大学研究生教育创新计划项目(2022YCXS072)。

年　　份：2023

卷　　号：9

期　　号：6

起止页码：573-579

语　　种：中文

收录情况：CSCD、CSCD_E2023_2024、JST、NSSD、RCCSE、ZGKJHX、普通刊

摘　　要：针对从图像中提取更显著的隐写特征来提升隐写分析检测精确度的问题,提出了一种基于多注意力机制的孪生网络图像隐写分析方法.该方法采用特征融合的思想,使隐写分析模型提取更丰富的隐写特征.首先设计由ParNet块、深度可分离卷积块、标准化注意力模块、压缩激励模块、外部注意力模块组成的孪生网络子网,通过多分支网络结构和多注意力机制提取对分类结果更有用的特征提升模型的检测能力;然后使用Cyclical Focal损失在训练的不同阶段修改训练样本的权重提高模型的训练效果.实验使用BOOSbase 1.01数据集,在WOW,S-UNIWARD,HUGO,MiPOD和HILL这5种自适应隐写算法中进行了实验.实验结果表明,该方法在检测精度上优于SRNet,ZhuNet和SiaStegNet方法,并且参数量更低.

关 键 词：深度学习  图像自适应隐写术  图像隐写分析 孪生网络  注意力机制  

分 类 号：TP309.2]