王晓丹，李京泰，宋亚飞

（空军工程大学防空反导学院，陕西 西安 710051）

0 引言

图像隐写是一种将信息隐藏在图像中进行隐秘传输的方法。由于使用常见的图像作为载体，攻击者难以发现隐藏的信息，从而保护了信道安全[1]。然而这项技术可能被用于恶意意图，例如将恶意代码隐写在移动应用的图像文件中以窃取私人信息等。为防止此类事件发生，需要使用各种方法检测图像中是否被嵌入隐藏信息，这类技术被称作隐写分析技术[2-3]。

近年来，深度学习已经在图像、视频、语音等各个领域发挥重要作用[4]。各类神经网络结构层出不穷[5-9]。一方面，基于生成对抗网络（GAN,generative adversarial network）[9]的图像隐写算法大幅提高了隐写容量[10-11]。另一方面，基于卷积神经网络（CNN,convolutional neural network）[12]的图像隐写分析方法快速发展。2014 年，Tan 等[13]首次将卷积神经网络用于图像隐写分析领域。随着研究者对该方法的理解不断加深，基于卷积神经网络的隐写分析方法已经全面超越传统算法并成为主流方案。

基于卷积神经网络的隐写分析算法主要包括3个部分：特征提取部分、特征融合部分和分类部分，其中特征提取部分的设计尤为重要，会极大地影响模型的收敛效果。一种方式是选择使用固定参数的滤波器。Qian-net[14]和Xu-net[15]通过在网络的第一层使用隐写分析富模型（SRM,rich model of steganalysis）中的一个5×5 滤波器来提取中心像素与周围像素的差异。Xu-net 使用绝对值层来使模型学习负向残差信息，并且使用全局池化来提取特征[15]。Yedroudj 等[16]使用SRM[18]中全部的30 个滤波器作为网络的第一层，并且在训练过程中不更新参数，结合绝对值层[15]和截断线性单元（TLU,truncated linear unit）[17]，极大地提高了模型性能。……