计算机应用研究

作者：魏立线,高培贤,刘佳,刘明明,

单位：武警工程大学a.网络与信息安全武警部队重点实验室;b.电子技术系,西安710086；

关键词：图像隐写分析,卷积神经网络,批量正规化,激活函数,

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)；；

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。

来源：2019年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第1期