谭艳萍 罗永 张俊

摘  要：隐写术的不断发展使得隐写分析术面临的挑战越来越大。近年来，有不少学者围绕深度学习网络强大的图像特征表达学习能力进行隐写分析术研究，从而避开人工设计分类特征，减少人的参与度，用数据和算法驱动机器去实现数字图像是否含密的判定。本文将从数字图像的全局和局部统计分布特性这两个方面出发，梳理传统的和基于深度学习的隐写与隐写分析术在空域和JPEG域上的研究进展，并对数字图像隐写和隐写分析术未来发展方向做简要讨论。

关键词：深度学习;隐写术;隐写分析术;统计分布特性;数字图像

中图分类号：TP391.4;TP183    文献标识码：A文章编号：2096-4706（2021）13-0068-05

Study Overview of Digital Image Steganography and Steganalysis Based on

Deep Learning

TAN Yanping， LUO Yong， ZHANG Jun

（Guizhou University of Commerce， Guiyang  550014， China）

Abstract： With the continuous development of steganography， steganalysis is facing more and more challenges. In recent years， many scholars have carried out steganalysis research around the powerful image feature expression learning ability of deep learning network， so as to avoid manually designing classification features， reduce people’s participation， and drive the machine with data and algorithm to determine whether the digital image contains secret. Starting from the global and local statistical distribution characteristics of digital images， this paper combs the research progress of traditional and deep learning based steganography and steganalysisg in spatial domain and JPEG domain， and briefly discusses the future development direction of digital image steganography and steganalysis.

Keywords： deep learning; steganography; steganalysis; statistical distribution characteristics; digital image

0  引  言

现代信息隐藏技术来源于古代一门有趣而又安全的传递秘密信息的隐写术。随着21世纪信息技术的发展和现代化进程的加快，古代隐写术成为当今的研究热点之一。崭新的隐写术在数理统计、多媒体处理技术和认知心里学等理论的基础上应运而生。首先是对保护多媒体产品版权的数字水印研究的急剧升温，公开发表的论文数量逐年递增，有不少开发数字水印产品的公司如雨后春笋般涌现[1]，且数字水印在现实生活中应用极其广泛。现代信息隐藏技术的另一重要领域即数字隐写术的研究也紧随其后，很早就出现了一些简单的数字隐写术[2]，例如LSB替换[3]。数字隐写术利用人类感官对细微变化的不敏感性和载体信息在时间和空间……