杨培韬，张卫明，俞能海

（中国科学技术大学中科院电磁空间信息重点实验室，安徽 合肥 230001）

基于图像来源分类的最小化虚警隐写分析模型

杨培韬，张卫明，俞能海

（中国科学技术大学中科院电磁空间信息重点实验室，安徽 合肥 230001）

在实真场景中，在载体失配（CSM,cover source mismatch）条件下降低虚警率是隐写分析的一个巨大挑战，提出了一种新的模型来处理该问题。该方法由来源分类器首先判断图像的来源，继而利用相关来源图像训练而成的隐写分类器判断待测图像是否为载密。在这个过程中，通过对模型参数的调节减小虚警率。实验结果表明，这种方法可以在较大准确率的前提下最小化虚警率。

虚警率；失配；隐写分析；最小化虚警模型

1 引言

隐写术是信息隐藏的一个分支[1]，可以将隐私数据嵌入到数字载体中。由于隐写前的载体对象与隐写后的载密对象难以区分，从而可以掩盖隐私数据的存在。正是因为这一特性，隐写术常常被极端分子用来从事犯罪活动。因此，与隐写术相对的隐写分析技术的发展显得格外重要。

隐写分析技术旨在检测隐私数据的存在[2]，传统的隐写分析模型是基于机器学习的理论设计的，将待测对象映射到某个特征空间，再通过二元分类器判断待测对象是否为载密。然而应用到真实场景中，传统的隐写分析模型将面临两大挑战，低虚警要求与失配现象。在真实场景中，载体对象的数量通常远远大于载密对象[3]。因此，传统隐写分析模型使用的分类器虚警率必须非常低，否则被误判为载密的载体对象会把系统淹没。……