一种Jpeg隐写分析方法及系统

技术特征：
1.一种jpeg隐写分析方法，其特征在于，包括如下步骤：s1，构建基于双路径网络和改进的坐标注意力的jpeg隐写分析网络dcanet，包括噪声提取、噪声聚合及分类模块；所述噪声提取模块用于提取出输入图像的噪声残差分量，在保留噪声残差分量的基础上深入探索隐含特征，所述噪声聚合模块对前面提取到的噪声特征进行聚合统计，所述分类模块根据聚合后的特征判别图像是否含有秘密信息；s2，准备数据集，将数据集划分为训练集、验证集和测试集，使用j-uniward和uerd这两种jpeg域自适应隐写算法对原始数据集进行隐写；s3，dcanet模型的训练：使用随机梯度下降优化器adamax对提出的模型进行训练，每个epoch结束后对验证集进行检测，选取验证集准确率最高的模型作为最终模型应用到测试集上；s4，利用训练好的网络模型对待测图像进行测试，根据预测的标签结果判定其中是否含有秘密信息。2.根据权利要求1所述的jpeg隐写分析方法，其特征在于，所述步骤s1包括以下子步骤：s11，噪声提取模块包含预处理层和两个双路径模块；预处理层使用4个高通滤波器f
kv
、f
p
、f
h
和fv进行噪声残差的提取，其中f
kv
用来抑制图像本身内容，f
p
作为一个点高通滤波器，与f
kv
组合使用能够提取由jpeg隐写术引入的隐写信号；f
h
和fv分别是二阶水平和垂直gabor滤波器从不同的尺度和方向准确地描述图像纹理和边缘特征；这四个滤波器的参数在训练过程中进行更新；随后使用两个双路径模块实现了噪声特征的重用和挖掘，提取到了更深层次的特征；s12，噪声聚合部分包括改进的坐标注意力模块和4个残差块，先通过改进的坐标注意力模块引导网络重点关注纹理复杂的可能藏有秘密信息的区域，通过残差连接实现了低层次特征和高层次特征的融合，随后使用4个残差块来聚合特征，并减小特征图的大小；s13，分类模块使用全局协方差池化将特征图转换为特征向量，随后通过全连接层和softmax层得到判别结果。3.根据权利要求2所述的jpeg隐写分析方法，其特征在于，改进的坐标注意力模块实现如下功能：首先，对输入s＝[s1,s2,...,s
c
]∈r分别沿x轴方向和y轴方向进行一维平均池化操作，从而完成对每个通道的编码，获取空间上的精确位置信息；第c个通道在高度为h处的输出可以表示为：其中，w代表特征图的宽度，s
c
(h,i)代表第c个通道在高度为h、宽度为i处进行平均池化后的特征值；随后对得到的特征向量首先沿着通道维度拼接，然后依次进行1
×
1的卷积、批量归一化处理和非线性操作，计算公式如下：f＝δ(f1[z
h
,z
w
])其中，[,]表示特征向量的拼接运算，f1是卷积变换函数，作用是减少通道数量，δ是非线性激活函数，生成的f是包含水平和竖直方向信息的中间向量；接着，将f沿水平和竖直方向分成两个独立的特征张量f
h
和f
w
，并通过两个1
×
1的卷积将其变换到和输入特征s具有相同
的通道数，计算公式如下：g
h
＝sigmoid(f
h
(f
h
))g
w
＝sigmoid(f
w
(f
w
))其中，f
h
和f
w
都是卷积变换函数，g
h
和g
w
代表注意力权重；最后将输入特征图s和注意力权重对应相乘；在注意力模块中引入了残差连接，将输入与注意力输出相加形成残差学习模式，在不增加过多成本的条件下将高级特征和低级特征融合在一起；注意力模块的最终输出p表达如下：4.根据权利要求1所述的jpeg隐写分析方法，其特征在于，所述步骤s2包括以下子步骤：s21，调整数据集中图片大小，将数据集划分为训练集、验证集和测试集；s22，使用matlab中的imwrite函数分别以两种质量因子对图像进行压缩，得到不同质量因子的jpeg图像；s23，使用两种jpeg域自适应隐写方法j-uniward和uerd分别以4种不同嵌入率的秘密信息，共得到8个隐写数据集。5.根据权利要求1所述的jpeg隐写分析方法，其特征在于，所述步骤s3包括以下子步骤：s31，使用随机梯度下降优化器adamax对提出的模型进行训练；s32，训练过程中使用合适的批数量，每个批次中的图像通过随机镜像和旋转90度进行数据增强，每次迭代后数据集被随机打乱防止模型过拟合；s33，将在高嵌入率隐写图像下训练的模型参数迁移到具有低嵌入率图像下，并在训练过程中对模型进行微调；s34，基于上述设置对网络进行训练，使用交叉熵作为损失函数，通过误检率来评估模型的性能。6.根据权利要求5所述的jpeg隐写分析方法，其特征在于，通过如下公式评估模型性能：其中，p
fa
和p
fn
分别表示虚警率和漏检率。7.根据权利要求1所述的jpeg隐写分析方法，其特征在于，每次迭代后对模型进行保存，最后选取在验证集上分类准确率最高的模型作为步骤s4中训练好的网络模型应用到测试集进行测试。8.一种jpeg隐写分析系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，该计算机程序被加载至处理器时实现如权利要求1-7中任意一项所述的jpeg隐写分析方法。

技术总结
本发明公开了一种Jpeg隐写分析方法及系统，其中方法步骤包括：S1.构建了一种针对Jpeg隐写分析的网络模型DCANet；S2.准备数据集，划分为训练集、验证集和测试集；S3.训练DCANet，将带有标签的数据送入到模型中，以梯度下降的方式进行参数调节，使得损失函数值最小；S4.利用训练好的网络模型对待测图像进行测试，判定其中是否含有秘密信息。本发明提出的Jpeg隐写分析网络，结合了不同网络的优点，可以使模型重点关注纹理复杂的可能藏有秘密信息的区域，相比典型的Jpeg隐写分析方法取得了更好的检测结果。测结果。测结果。


技术研发人员：陈立全 付彤 高原 房惠宇 李潇
受保护的技术使用者：东南大学
技术研发日：2023.06.05
技术公布日：2023/8/5