主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第9期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈君夫,付章杰,张卫明,程旭,孙星明.基于深度学习的图像隐写分析综述.软件学报,0,(0):0
基于深度学习的图像隐写分析综述
Steganalysis Based on Deep Learning:A Review
投稿时间:2020-05-30  修订日期:2020-07-10
DOI:10.13328/j.cnki.jos.006135
中文关键词:  隐写术  隐写分析  卷积神经网络  深度学习  对抗样本
英文关键词:steganography  steganalysis  convolution Neural Networks  deep learning  adversarial Examples
基金项目:国家重点研发计划(2018YFB1003205),国家自然科学基金(U1836110,U1836208,61802058,61911530397).
作者单位E-mail
陈君夫 南京信息工程大学 计算机与软件学院, 江苏 南京 210044  
付章杰 南京信息工程大学 计算机与软件学院, 江苏 南京 210044
鹏城实验室, 广东 深圳 518066 
fzj@nuist.edu.cn 
张卫明 中国科学技术大学 信息科学技术学院, 安徽 合肥 230026  
程旭 南京信息工程大学 计算机与软件学院, 江苏 南京 210044  
孙星明 南京信息工程大学 计算机与软件学院, 江苏 南京 210044  
摘要点击次数: 259
全文下载次数: 125
中文摘要:
      隐写术及隐写分析是信息安全领域研究热点之一.隐写术的滥用造成许多安全隐患,如:非法分子利用隐写进行隐蔽通信完成恐怖袭击.传统隐写分析方法的设计需要大量先验知识,而基于深度学习的隐写分析方法利用网络强大的表征学习能力自主提取图像异常特征,大大减少了人为参与,取得了较好的研究效果.为了促进基于深度学习的隐写分析方法研究,本文对目前隐写分析领域的主要方法和突破性工作进行了分析与总结.首先,本文比较了传统隐写分析方法与基于深度学习的隐写分析方法的差异;然后,根据训练方式不同将基于深度学习的隐写分析模型分为两类:半学习隐写分析模型与全学习隐写分析模型,详细介绍了基于深度学习的各类隐写分析网络结构与检测效果;其次,分析总结了对抗样本对深度学习安全带来的挑战,并阐述了基于隐写分析的对抗样本检测方法;最后,本文总结了现有基于深度学习的隐写分析模型存在的优缺点,并探讨了基于深度学习的隐写分析模型的发展趋势.
英文摘要:
      Steganography and steganalysis are one of the research hotspots in the field of information security. The abuse of steganography has caused many potential safety hazard. For example, illegal elements use steganography for covert communications to carry out terrorist attacks. The design of traditional steganalysis methods requires a large amount of prior knowledge, and the steganalysis methods based on deep learning use the powerful representation learning ability of the network to autonomously extract abnormal image features, which greatly reduces human participation and achieves good results. To promote the research of steganalysis technology based on deep learning, this paper analyzes and summarizes the main methods and work in the field of steganalysis. Firstly, this paper analyzes and compares the differences between traditional steganalysis and deep learning-based steganalysis. Furthermore, according to the different training methods, the steganalysis models based on deep learning are divided into two categories:Semi-learning steganalysis model and Full-learning steganalysis model. The network structure and detection effect of various types of steganalysis based on deep learning are introduced in detail. In addition, we analyzed and summarized the challenges that the adversarial samples pose to deep learning security, expounds the detection method of adversarial samples based on steganalysis. Finally, this paper summarizes the pros and cons of existing steganalysis models based on deep learning and discusses its development trends.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利