论文摘要
隐写检测是遏制隐写术滥用,确保国家、军队信息安全,维护社会安定的重要技术手段。面对复杂繁多的网络数字媒体,隐写检测对检测的准确性、智能化需求日益增高。人工免疫系统内在免疫识别、免疫学习等机制可借鉴于隐写检测中,使检测器具有自组织、自学习等智能特性。本文旨在设计一种新型有效、通用、智能的基于人工免疫系统隐写检测方法,主要成果及创新点总结如下:1.提出基于人工免疫系统隐写检测基本思想和总体框架;通过分析隐写检测与人工免疫系统内在共性,对基于人工免疫系统隐写检测进行整体设计,将研究内容划分为分类特征提取和隐写检测器设计两部分。2.提取一种有效、通用的R-Farid高阶统计量相对特征;通过理论分析、改进Farid高阶统计量线性预测模型中相关性区域不一致缺陷,提出R-Farid高阶统计量模型,增强特征有效性;结合机理分析及实验仿真,提出再嵌入操作合理性准则及再嵌入随机性信息基本假设,提高特征可区分性和通用性;综合模型及准则,提取R-Farid高阶统计量相对变化量作为基于人工免疫系统隐写检测分类特征。3.设计及实现基于人工免疫系统隐写检测器;紧密结合人工免疫系统相关仿生机理及R-Farid高阶统计量相对特征,分析、设计及形式化描述其隐写检测基本流程;以此,引入可变半径和空间覆盖率统计估计及融合技术,设计、实现检测器生成算法和其检测及动态优化更新算法;实验结果显示,该检测器不但能智能优化成熟,提高检测率,优于FLD、SVM等传统分类器,还可有效检测划分为非连续性界限的特征空间,具有检测未知隐写术能力。最后,总结本文工作,并对基于人工免疫系统隐写检测下一步研究方向进行展望。