隐写分析原理与应用

内容简介

《隐写分析原理与应用》以最新的研究成果为背景,阐述隐写分析这一研究方向,内容涉及隐写分析的基本术语、基本原理与方法以及具体的实践。
《隐写分析原理与应用》语言通俗易懂,章节清晰,把原本抽象的原理与具体的示例进行结合,使读者能更加深入透彻地学习隐写分析,并且介绍了最新的隐写分析技术,使读者学到最新的技术。
《隐写分析原理与应用》主要是对隐写分析这一研究领域的总结和升华,并给出可供实现的代码。

目录

第1章 简介
1.1 什么是隐写分析
1.2 为什么需要隐写分析
1.3 隐写分析方法
1.3.1 视觉隐写分析
1.3.2 结构隐写分析
1.3.3 统计隐写分析
1.3.4 学习隐写分析
1.4 隐写分析的攻击类型
1.4.1 被动攻击
1.4.2 主动攻击
1.5 隐写分析分类
1.5.1 目标隐写分析
1.5.2 盲隐写分析
1.6 隐写分析的信息论基础
1.6.1 与信息论相关的术语
1.6.2 隐写系统
1.7 隐写系统评价
1.7.1 安全性
1.7.2 容量
1.7.3 鲁棒性
参考文献
第2章 空域隐写分析
2.1 LSB算法
2.1.1 LSB替换原理
2.1.2 LSB匹配原理(±1)
2.2 LSB隐写分析
2.2.1 Chi—Square测试
2.2.2 RS攻击
2.2.3 SPA分析
2.2.4 LSB直方图攻击
2.3 HCF—COM特征
2.3.1 加性噪声隐写系统
2.3.2 加性噪声的影响
2.3.3 直方图特征函数HFC与HFC—COM
2.4 ALE特征
2.4.1 LSB匹配的影响
2.4.2 二阶局部极值振幅ALE—10
2.5 位平面隐写分析
2.5.1 AC特征
2.5.2 BSM特征
2.6 IQM
参考文献
第3章 频域隐写分析
3.1 DCT域隐写分析
3.1.1 DCT基础
3.1.2 JSteg隐写分析
3.1.3 F5隐写分析
3.1.4 OutGuess
3.1.5 FRI—23特征
3.2 DWT域隐写分析
3.2.1 DWT基础
3.2.2 FARID特征
3.2.3 基于小波CF的39—D特征
3.3 二阶统计特征:共生矩阵
参考文献
第4章 统计隐写分析
4.1 载体模型
4.2 MB1与MB2
4.2.1 MB方法论
4.2.2 MB隐写与隐写分析
4.3 隐式马尔可夫模型
4.3.1 HMM基本理论
4.3.2 使用HMM的隐写分析
4.3.3 使用HMFM的隐写分析
4.3.4 SPAM
4.4 Rich模型
4.5 假设测试
4.6 量化分析
4.6.1 量化分析基础
4.6.2 回归模型
参考文献
第5章 机器学习的盲隐写分析
5.1 模式识别
5.1.1 判别函数
5.1.2 线性判别分析
5.1.3 非线性判别分析
5.1.4 判别分析示例
5.1.5 决策树
5.2 特征选择与提取
5.2.1 特征选择
5.2.2 特征选择示例
5.2.3 ANOVA特征选择
5.2.4 PCA特征提取
5.3 分类器
5.3.1 贝叶斯分类器
5.3.2 支持向量机(SVM)
5.3.3 KNN分类器
5.3.4 概率神经网络
5.3.5 集成分类器
5.3.6 分类器评价
5.4 盲隐写分析
5.4.1 盲隐写分析概述
5.4.2 盲隐写分析框图
5.4.3 盲隐写分析的典型特征
5.5 基于机器学习的盲隐写分析
5.5.1 数据组织
5.5.2 多元回归分类的盲隐写分析
5.5.3 FLD分类的盲隐写分析
5.5.4 SVM分类的盲隐写分析
5.5.5 NN分类的盲隐写分析
5.5.6 YASS隐写与隐写分析
5.5.7 示例:实验
5.5.8 未来研究与展望
参考文献