[发明专利]一种针对空域富模型的图像隐写分析模型的攻击方法

权利要求书

1.一种针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述方法包括：

获取源图像的像素数据并根据所述像素数据得到隐写像素数据；

根据空域富模型提取所述像素数据的第一特征向量和所述隐写像素数据的第二特征向量；

利用所述第一特征向量和所述第二特征向量训练集成模型，得到图像隐写分析模型；

根据所述隐写像素数据和所述隐写分析模型得到攻击样本。

2.根据权利要求1所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述获取源图像的像素数据并根据所述像素数据得到隐写像素数据包括：

获取源图像的像素数据；

对所述像素数据嵌入隐写信息，得到隐写像素数据。

3.根据权利要求2所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述利用所述第一特征向量和所述第二特征向量训练集成模型，得到图像隐写分析模型包括：

将所述第一特征向量和所述第二特征向量输入到集成模型，得到概率图；

将所述概率图输入到检测模型，得到检测结果；

当检测结果为成功时，将所述集成模型作为图像隐写分析模型。

4.根据权利要求3所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述将所述概率图输入到检测模型，得到检测结果包括：

将所述概率图输入到检测模型，并进行分析；

当所述检测模型正确判断概率图类型时，则检测结果为成功。

5.根据权利要求4所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述根据所述隐写像素数据和所述隐写分析模型得到攻击样本包括：

根据所述隐写像素数据，生成攻击扰动量；

根据所述攻击扰动量和所述隐写分析模型，生成攻击样本。

6.根据权利要求5所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述根据所述隐写像素数据，生成攻击扰动量包括：

根据所述隐写像素数据，得到随机扰动像素点的数量，图像的大小以及像素扰动值；

根据差分进化算法处理所述随机扰动像素点的数量，图像的大小以及像素扰动值，得到攻击扰动量。

7.根据权利要求6所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述根据所述攻击扰动量和所述隐写分析模型，生成攻击样本包括：

将所述攻击扰动量与隐写像素数据的矩阵像素值相加，得到攻击样本，其中，所述矩阵像素值为隐写像素数据转化为矩阵向量后由计算机数字化时赋予的值。

8.根据权利要求7所述的针对空域富模型的图像隐写分析模型的攻击方法，其特征在于，所述根据所述攻击扰动量和所述隐写分析模型，生成攻击样本还包括

将所述攻击样本输入所述图像隐写分析模型，当所述概率图类型与所述源图像的类型相同时，则继续优化迭代所述攻击扰动量生成迭代攻击扰动量；

根据所述迭代攻击扰动量，生成中间攻击样本；

将所述中间攻击样本输入所述图像隐写分析模型，当所述概率图类型与所述源图像的类型不相同时，则将所述中间攻击样本作为攻击样本。

9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8中任意一项所述的方法。