Introduction to the special issue on deep learning for real‑time information hiding and forensics

Introduction to the special issue on deep learning for real‑time information hiding and forensics || 论文阅读

1 介绍

随着网络技术的飞速发展和数码相机设备的广泛使用，互联网上的数字多媒体(特别是图像和视频数据)迅速发展。然而，多媒体数据利用各种强大的多媒体处理工具，越来越容易被非法复制、伪造。因此，多媒体数据的版权和隐私保护已成为多媒体安全领域的迫切要求。为了防止多媒体数据被非法使用和隐私侵犯，提出了两种典型的方法:信息隐藏和数字取证。这两种方法在许多数字安全应用中都得到了成功的应用，并且可以很好地相互补充。然而，在云计算和大数据环境中，存在着大量的多媒体数据，新的多媒体数据呈指数级增长。在这种背景下，信息隐藏和数字取证面临着许多新的挑战。例如，如何实时进行信息隐藏和数字取证，如何快速处理大量的多媒体数据?

如今，随着图形处理单元(graphics processing unit, GPU)处理器的发展和ImageNet等大规模训练数据集的可用，深度学习技术在机器学习和计算机视觉领域取得了成功，并表现出超过许多传统技术的水平。虽然深度学习技术需要大量的计算量离线训练过程，但在强大gpu的帮助下，它们在在线测试阶段表现出了很高的效率，能够对各种计算机视觉任务实现实时计算性能。此外，为各种实时多媒体安全应用，如实时信息隐藏和数字取证，探索深度学习技术是可能的，以实现在准确性和效率方面的理想性能。

这期特刊的目的是发表在实时信息隐藏和取证相关领域的最新研究成果。它提供了有效和高效的深度学习技术或其他智能技术，有潜力解决实时信息隐藏和数字取证的挑战。根据严格的审查程序，每一篇提交到特刊的稿件都要经过两位或两位以上匿名专家的审查。根据大家的评论，本次特刊共收录了16篇论文，主要分为以下三大类:(1)图像取证(9篇)，(2)隐写术和隐写分析(4篇)，(3)其他新兴安全主题(3篇)。在下面的章节中，我们将对这些论文进行概述。

2 图像取证

2.1 图像处理取证

由于non-aligned double JPEG (NA-DJPEG)压缩是最常见的图像处理方法之一，因此，Wang等人合著了一篇题为“基于QDCT域的精细马尔可夫特征的non-aligned double JPEG (NA-DJPEG)压缩检测”的论文。[1]，专注于JPEG压缩取证。本文充分利用图像中的颜色信息，提出了四元数离散余弦变换(QDCT)域的精细马尔可夫算法，用于NA-DJPEG检测。该方法不仅减少了冗余特征，而且提高了提取特征的检测效率。因此，改进的马尔可夫特征不仅可以捕获块QDCT系数之间的块内相关性，而且可以实时提高计算效率。最后，采用支持向量机方法进行NA-DJPEG压缩检测。实验结果表明，该算法不仅充分利用了图像的颜色信息，而且对小尺寸图像(即小尺寸图像)具有较好的检测性能与NA-DJPEG检测相比。

在另一篇论文《通过深度学习实时估计高斯滤波参数》中，由Ding等人合著。在此基础上，提出了一种基于卷积神经网络(CNN)的高斯滤波参数估计方法。实验结果表明，该方法在估计高斯滤波的窗口大小和标准差方面具有良好的实时性。经过良好训练的模型可以达到满意的估计精度和验证时间效率。

杨等人合著的论文《基于多领域学习的实时图像取证方案》并没有专注于某一种类型的操作。提出了一种利用多域学习卷积神经网络(MDL-CNN)进行多种操作取证的通用方法。该方法在训练过程中，将从不同数据集中提取的修改后的图像特征输入到MDL-CNN中。由于所提出的MDL-CNN是由不同类型的操作生成的多种类型的图像数据集来训练的，因此该方法可以区分多种类型的修改后的图像。为了减少所提方案的计算量，每个网络的第2卷积层采用1×1核卷积层。此外，为了提高深度学习特征的识别能力，提出了一个多域损失函数。评估结果表明，基于mdl - cnn的取证框架不仅实现了实时取证，而且与目前的取证方法相比，性能有了显著提高。

与上述被动取证方法不同，姚等合著的论文《一种采用统一嵌入策略的实时可逆图像认证方法》。提出了一种用于篡改区域检测和定位的主动取证方法。在该方法中，本文采用了一种统一的嵌入策略，即在每个分割后的图像块中嵌入一个AC比特，以保证分割后的图像块具有相同的认证能力。为了提高伪图像的定位精度，根据图像的嵌入容量自适应地寻找伪图像的块大小。另外，在图像认证过程中，对嵌入参数和位置图信息进行验证，增加了过程的严谨性。实验结果证明了该方法在检测精度上的优越性。

2.2 指纹伪造取证

实时指纹认证系统的主要安全问题是大多数指纹扫描器容易受到由塑料粘土、明胶、硅、木胶等制成的人工复制品的表示攻击。因此，指纹很容易被伪造。为了检测伪造指纹，Yuan等人合著了《基于半监督叠置自动编码器的深度层次语义特征实时检测指纹活力》。[5]提出了一种抗欺骗攻击方案，称为实时指纹活性检测(RFLD)，以区别活的或假的指纹。不同于大多数现有RFLD解决方案都依赖于手工制作的特征提取与选择,该方案适用于堆叠autoEncoder RFLD自动学习深度层次语义特征表示,及其由两部分组成:参数训练的基于无监督学习和RFLD基于监督学习。在LivDet 2011和2013两个公共指纹数据集上验证了该方法的性能，实验结果表明，该方法能够很好地实现RFLD，检测性能令人满意。

2.3 其他应用取证

除了上述图像处理取证和指纹伪造取证，数字取证还扩展到许多其他常见的应用，如人员重新识别、人的年龄估计、VPN流量识别等。

人重新识别的目的是在不重叠的摄像机中检测特定的人。由于遮挡、人体姿态变化、背景杂波、光照变化等因素造成图像的外观变化，是法医鉴定的难点。在《基于多级特征融合模型的取证实时人员再识别》一文中，王等合著[6]是一种多级特征融合模型(MFFM)，旨在实时结合深层特征和手工特征。MFFM首先用于描述人的外观。然后提取局部二值模式(LBP)和定向梯度直方图(HOG)，以适应几何变化和光照变化。实验结果表明，MFFM可以达到最好的性能相比，最先进的模型在market1501，CUHK03，和VIPeR数据集。

人的年龄估计是计算机视觉和数字取证领域的一个新兴研究课题，由于其广泛的应用前景越来越受到人们的关注。论文《深度卷积架构下与人类跨种族年龄相关的实时人脸外观检测》由Tian等人合著。[7]。为了探讨不同种族间的年龄与相貌之间的关系，本文致力于确定面部年龄与相貌之间的对应关系。具体来说，首先从人脸图像中提取出保留空间结构的外观向量特征。然后选取不同种族所共有的与年龄相关的特征，探索其与年龄相关的共同面部区域，去除冗余特征。第三，它通过在自动学习方式中加入潜在的跨种族关系来改进所提出的模型。此外，它还采用深度卷积的架构对模型进行扩展。在一个大型人脸老化数据库上对所提出的方法进行了实时有效的评估。

实时VPN流量识别已成为网络管理和安全维护中越来越重要的任务。论文《基于深度学习的实时VPN加密流量识别方法》由Guo等人合著。[9]提出了两种基于深度学习的流量分类模型，将流量分为VPN流量和非VPN流量。这些模型分别利用卷积自编码(CAE)和卷积神经网络(CNN)，将流量样本预处理为会话图像，完成实验目标。基于CAE的方法利用CAE的无监督特性提取隐含层特征，可以自动学习原始输入与期望输出之间的非线性关系。基于cnn的方法在提取图像二维局部特征方面有较好的效果。实验结果表明，该模型的辨识效果优于传统的辨识方法。

3 图像隐写与隐写分析

3.1 图像隐写术

鲁棒隐写术作为一种旨在解决有耗信道下秘密通信问题的新技术，已成为信息隐藏领域的一个新的研究热点。论文《利用循环冗余校验码提高实时鲁棒自适应隐写的可靠性和效率》由Zhang等人合著。[10]。摘要为了提高当前实时鲁棒隐写方法的通信可靠性和效率，提出了一种由STC码和CRC码组成的串级码。本文提出的增强鲁棒自适应隐写框架具有错误检测能力强、编码效率高、嵌入成本低的特点。在此基础上，提出了三种抗JPEG压缩和检测的自适应隐写方法。然后，利用JPEG压缩的残差模型对所提隐写方法的容错性进行分析，从而获得合适的编码参数。实验结果表明，该方法具有较强的抗压缩鲁棒性，且更难被基于统计的隐写分析方法检测到。

传统的图像隐写术通常是通过对封面图像内容的轻微修改，将秘密信息嵌入到封面图像中，因此封面图像中不可避免地会留下修改痕迹，这使得隐写分析的成功成为可能。[11-13]提出了“无覆盖隐写术”的概念。不再使用指定的覆盖图像嵌入秘密数据，而是选择已经包含秘密数据的适当图像作为秘密通信的隐写图像。在Luo等[14]合著的题为“基于图像块匹配和密集卷积网络的无覆盖实时图像信息隐藏”的论文中，提出了一种新的基于深度学习的无覆盖信息隐藏方法。该方法选择一组实时隐写图像作为隐写图像，该隐写图像与给定的秘密图像共享一个或几个视觉上相似的块。该方法根据具体要求对在线搜索到的一组实时图像进行分割。然后利用DenseNet提取每个相似块的高级语义特征。同时，利用DCT生成具有特征序列、DC和位置的鲁棒哈希序列。构造了基于哈希序列的倒排索引结构，有效地实现了图像的实时匹配。在发送端，对隐写图像进行匹配，通过特征匹配发送。在接收端，通过接收到的隐写图像提取相似块，并根据位置信息对图像块进行拼接，实现秘密图像的恢复。实验结果表明，与现有的无覆盖图像信息隐藏方法相比，该方法具有更好的鲁棒性和更高的检索精度和容量。