版权所有:内蒙古大学图书馆 技术提供:维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
作者机构:武警工程大学网络与信息安全武警部队重点实验室西安710086 武警工程大学电子技术系西安710086
出 版 物:《计算机应用研究》 (Application Research of Computers)
年 卷 期:2019年第36卷第1期
页 面:235-238页
学科分类:1305[艺术学-设计学(可授艺术学、工学学位)] 13[艺术学] 0839[工学-网络空间安全] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 081201[工学-计算机系统结构] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(61403417) 国家重点研发计划资助项目(2017YFB0802002) 陕西省自然科学基础研究计划资助项目(2016JQ6037)
摘 要:为了提高卷积神经网络(CNN)在图像隐写分析领域的分类效果,构建了一个新的卷积神经网络模型(steganalysis-convolutional neural networks,S-CNN)进行隐写分析。该模型采用两层卷积层和两层全连接层,减少了卷积层的层数;通过在激活函数前增加批量正规化层对模型进行优化,避免了模型在训练过程中陷入过拟合;取消池化层,减少嵌入信息的损失,从而提高模型的分类效果。实验结果表明,相比传统的图像隐写分析方法,该模型减少了隐写分析步骤,并且具有较高的隐写分析准确率。