基于马尔科夫模型的通用隐秘检测技术

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (35): 103-105.

基于马尔科夫模型的通用隐秘检测技术

苏光伟

武警工程大学电子技术系网络与信息安全武警部队重点实验室，西安 710086

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-11 发布日期:2011-12-11

Universal steganalysis based on Markov model

SU Guangwei

Key Laboratory of Network & Information Security of APF，Engineering College of APF，Xi’an 710086，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-11 Published:2011-12-11

摘要/Abstract

摘要： 对Sullivan等人提出的马尔科夫链（Markov Chain，MC）模型进行深入研究，并分析了其不能同时对空间域和频率域进行有效检测的缺陷。针对该缺陷，利用图像小波域的特性，提出了一个能够同时对空间域和频率域进行检测的改进方案，在基于模型的检测理论下，证明了该方案的有效性。实验表明，该方案具有更高的通用性和检测率。

关键词: 通用隐秘检测, 梯度相关性, 小波, 马尔科夫链模型

Abstract: The Markov model proposed by Sullivan is analyzed，and its defects of unable to analysis the space domain and frequency domain at the same time is discussed.In response to these shortcomings，an improved scheme has been proposed.With the use of wavelet domain，features can be analyzed simultaneously in airspace and frequency domain，and the effectiveness of this program is proved by statistical model assessment.Contrast experiments also prove that the program has a higher detection rate and versatility.

Key words: universal steganalysis, grads relativity, wavelet, Markov model

苏光伟. 基于马尔科夫模型的通用隐秘检测技术[J]. 计算机工程与应用, 2011, 47(35): 103-105.

SU Guangwei. Universal steganalysis based on Markov model[J]. Computer Engineering and Applications, 2011, 47(35): 103-105.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[4]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[5]	常戬，贺春泽，董育理，任营. 改进双边滤波和阈值函数的图像增强算法[J]. 计算机工程与应用, 2020, 56(3): 207-213.
[6]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[7]	曹晓航，汪立新，束学渊. 基于小波不变矩的雷达辐射源信号识别[J]. 计算机工程与应用, 2020, 56(19): 269-272.
[8]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[9]	杨刚，薛挺，高伟. 一种抗运动干扰的实时心率提取方法[J]. 计算机工程与应用, 2019, 55(5): 244-250.
[10]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[11]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[12]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[13]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[14]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[15]	彭燕，刘宇红，张荣芬. 基于LSTM的股票价格预测建模与分析[J]. 计算机工程与应用, 2019, 55(11): 209-212.