[发明专利]基于窗口式假设检验的多媒体综合隐写分析方法

摘要

本发明涉及一种基于窗口式假设检验的多媒体综合隐写分析方法，包括步骤S1制备原文集和隐文集，并划分训练集和校验集；S2将训练集提取特征，训练得到预测器；S3将校验集放入预测器中得到输出，根据输出拟合概率分布模型，并用该输出估计所选模型的参数；S41按不同窗口大小对测试集进行采样；S42根据步骤S3所选的概率分布模型及参数，得到假设检验的零假设与备择假设；S43根据用户指定的虚警率和漏检率，结合窗口的采样规模，确定假设检验的判定条件，进行统计推断和窗口式假设检验；S5对窗口假设检验的结果进行综合分析决策。本发明能够检测判定样本中是否含有隐写信息，并降低综合隐写分析的虚警率和漏检率，提升隐写分析的运行速度。

主权项

一种基于窗口式假设检验的多媒体综合隐写分析方法，其特征在于：包括以下步骤：S1、选择已知的隐写方法制备多媒体原文集和隐文集，并将其划分为训练集和校验集，其中，训练集用于确定模式识别方法的参数，校验集用于后续的分布拟合和参数估计；S2、对步骤S1中所得到的训练集提取特征，训练预测器，其中，特征是能反映隐写修改的特征集合；S3、将步骤S1得到的校验集放入步骤S2构造的预测器中得到输出，将该输出拟合现有的概率分布模型，选出拟合度最高的概率分布模型，并根据所述校验集中的原文集在该预测器的输出来估计所选概率分布模型的参数；S41、将在实用时获得的一组测试集样本放入步骤S2构造的预测器中得到输出y，按不同窗口大小不断对该输出进行采样；S42、根据步骤S3所选的概率分布模型及参数，得到假设检验的零假设与备择假设为：H0:θj＝θj,0，表示隐写不存在，H1:θj≠θj,0，表示隐写存在，其中θj为窗口中样本概率分布模型的参数，θj,0为步骤S3所估计得到的概率分布模型的参数；S43、根据用户指定的虚警率α和漏检率β，结合步骤S41中的待测样本数量和输出，确定步骤S42得到的假设检验的判定条件dk＝hj({y'k}；CI(θj,a),wj,α,β),其中{y'k}是第k次从y中随机采样获得的wj个预测器输出样本，CI(θj,a)是在步骤S3所选模型和参数θj处于置信水平a下的置信区间,从而在给定的虚警率α、漏检率β、校验集输出的置信区间、预测器输出的条件下得到判定结果dk，其中，dk∈{0,1}，dk＝0表示接受H0，dk＝1表示接受H1；S5、对步骤S43中窗口式假设检验的结果进行综合分析决策，将窗口式假设检验得到的结果和Σ{dk}与经验阈值T进行比较，如果Σ{dk}<T，则认为隐写存在，否则认为不存在隐写。