隐写的主要作用是保护保密通信与保密存储的事实不被发现，而隐写分析的主要作用是发现这类事实。随着网络与多媒体应用的普及，隐写与隐写分析的研究发展很快，它们之间的对抗不断进入更高级的阶段，有必要进行系统的描述与全新的总结。本书将隐写与隐写分析作为一个新学科——隐写学进行了系统阐述，主要内容包括隐写与隐写分析的发展背景、主要性能指标、基本的消息嵌入方法、隐写分布特性保持、矩阵编码、专用隐写分析、湿纸编码、基于±1的分组隐写编码、通用隐写分析、高维特征通用隐写分析、**嵌入理论、校验子格编码、自适应隐写、选择信道感知隐写分析与基于深度学习的隐写分析，其中各个子领域的内容也概括了**的主要研究成果。此外，本书各章的小结与最后一章给出进一步阅读和思考的方向，除最后一章外，每章配有用于巩固知识的思考与实践，附录部分给出了相关的基础知识介绍及实验方案，有助于读者全面学习并形成研究能力。
更多科学出版社服务，请扫码获取。
目录
前言
第1章 绪言 1
1.1 从密码到信息隐藏与隐写 1
1.1.1 密码方法的一些局限 1
1.1.2 信息隐藏基本概念 2
1.1.3 隐写与隐写分析对抗模型 5
1.2 隐写的应用发展 9
1.3 隐写安全指标 11
1.3.1 基于分布偏差的指标 11
1.3.2 基于抗隐写分析性能的指标 12
1.4 本书内容安排 13
1.5 小结 14
思考与实践 14
第2章 图像编码与基本嵌入方法 15
2.1 空域编码图像 15
2.1.1 光栅格式 15
2.1.2 调色板格式 17
2.2 变换域编码图像 17
2.3 基本嵌入方法 19
2.3.1 LSB 替换 20
2.3.2 LSB 匹配与加减1 21
2.3.3 调色板图像嵌入 21
2.3.4 量化调制 23
2.4 小结 25
思考与实践 25
第3章 隐写分布特性保持 26
3.1 分布保持问题 26
3.1.1 LSBR 分布问题与χ2分析 26
3.1.2 分布保持及其困难性 29
3.2 基于调整修改方式的方法 31
3.2.1 F3 隐写 31
3.2.2 F4 隐写 32
3.3 基于预留区的方法 33
3.3.1 预留补偿区的分布恢复 33
3.3.2 预留“死区”的分布保持 38
3.3.3 预留补偿区的二阶分布恢复 41
3.4 基于统计模型的方法 44
3.4.1 HPDM 隐写 44
3.4.2 MB 隐写 45
3.5 小结 49
思考与实践 50
第4章 矩阵编码 51
4.1 线性分组纠错码的启发 51
4.2 矩阵编码的一般描述 53
4.2.1 矩阵编码嵌入与提取 53
4.2.2 矩阵编码的一些性质 54
4.3 典型的矩阵编码隐写 56
4.3.1 F5 隐写 56
4.3.2 MME 隐写 58
4.4 小结 60
思考与实践 60
第5章 专用隐写分析 61
5.1 对空域隐写的专用分析 61
5.1.1 RS 分析 61
5.1.2 对彩色图像的RQP 分析 66
5.1.3 SPA 分析 68
5.1.4 直方图特征函数质心分析 70
5.2 对JPEG 隐写的专用分析 73
5.2.1 对OutGuess 的块效应分析 73
5.2.2 对MB 的直方图分析 76
5.2.3 对F5 隐写的校准分析 78
5.3 对调色板图像隐写的专用分析 82
5.3.1 奇异颜色分析 82
5.3.2 颜色混乱度分析 83
5.4 小结 85
思考与实践 86
第6章 湿纸编码 87
6.1 湿点与干点 87
6.2 湿纸编码算法 89
6.2.1 编码原理 89
6.2.2 消息容量分析 90
6.2.3 一个基本算法 91
6.3 典型的湿纸编码隐写 94
6.3.1 量化扰动 94
6.3.2 抗收缩JPEG 隐写 94
6.3.3 双层隐写 95
6.4 小结 95
思考与实践 96
第7章 基于±1的分组隐写编码 97
7.1 一个特例——LSBM-R 97
7.2 基于和差覆盖集的GLSBM 99
7.2.1 GLSBM 基本构造方法 99
7.2.2 和差覆盖集的生成 102
7.3 小结 103
思考与实践 104
第8章 通用隐写分析 105
8.1 通用隐写分析基本过程 105
8.2 通用空域隐写分析 106
8.2.1 小波高阶统计特征分析 107
8.2.2 SPAM 特征分析 108
8.3 通用JPEG 隐写分析 110
8.3.1 Markov 特征分析 111
8.3.2 融合校准特征分析 113
8.4 通用盲隐写分析简介 116
8.4.1 隐写分析的多种工作模式 117
8.4.2 算法去失配 118
8.4.3 载体去失配 119
8.5 通用定量隐写分析简介 120
8.6 小结 122
思考与实践 123
第9章 高维特征通用隐写分析 124
9.1 FLD 集成分类器 124
9.1.1 基本构造 125
9.1.2 参数设置 126
9.2 富模型高维特征隐写分析 127
9.2.1 空域富模型特征分析 127
9.2.2 JPEG 富模型特征分析 133
9.3 随机投影与相位感知分析 138
9.3.1 随机投影特征分析 138
9.3.2 相位感知特征分析 141
9.3.3 相位感知随机投影特征分析 153
9.4 小结 155
思考与实践 156
第10章 最优嵌入理论 157
10.1 一般情况 157
10.1.1 PLS 与DLS 问题 157
10.1.2 最优修改分布的性质 158
10.2 加性模型 161
10.2.1 加性模型下的最优嵌入 161
10.2.2 加性模型最优修改分布求解 164
10.3 最优嵌入模拟 166
10.3.1 基于Gibbs 抽样的模拟 166
10.3.2 基于子格迭代的模拟 168
10.4 小结 170
思考与实践 170
第11章 校验子格编码 171
11.1 STC 基本思想 171
11.2 STC 算法 173
11.3 双层STC 177
11.3.1 基于三元嵌入分解 178
11.3.2 基于两层嵌入综合 183
11.4 小结 186
思考与实践 186
第12章 自适应隐写 187
12.1 限负载自适应隐写 187
12.1.1 基本框架 187
12.1.2 图像空域自适应隐写 189
12.1.3 JPEG 域自适应隐写 198
12.2 限失真自适应隐写 201
12.2.1 基本框架 201
12.2.2 限平均失真隐写 202
12.2.3 限平均统计量失真隐写 205
12.3 非加性模型自适应隐写 208
12.3.1 子格嵌入与失真修正 209
12.3.2 联合失真及其分解 214
12.4 小结 216
思考与实践 217
第13章 选择信道感知隐写分析 218
13.1 空域图像选择信道感知分析 218
13.1.1 基于区域选择的方法 219
13.1.2 基于特征权重的方法 219
13.2 JPEG 图像选择信道感知分析 224
13.3 小结 226
思考与实践 226
第14章 基于深度学习的隐写分析 227
14.1 深度卷积神经网络简介 227
14.2 针对空域隐写的CNN 分析 231
14.2.1 基本框架的形成 231
14.2.2 支持选择信道感知的CNN 分析 236
14.3 针对JPEG 域隐写的CNN 分析 239
14.3.1 混合深度学习网络 239
14.3.2 支持相位感知的CNN 分析 241
14.4 小结 244
思考与实践 246
第15章 其他与后记 247
15.1 其他进展 247
15.2 部分问题 252
参考文献 256
附录A 部分基础知识提要 274
A.1 数学与统计学 274
A.1.1 群、子群与陪集 274
A.1.2 环与域 276
A.1.3 线性回归及其误差估计 277
A.1.4 Lagrange 乘子法最优化求解 279
A.2 信息论与编码 280
A.2.1 信息量单位与转换 281
A.2.2 Fisher 信息 281
A.2.3 KL 散度性质 283
A.2.4 Huffman 编码 285
A.2.5 线性分组纠错码 286
A.3 模式识别 290
A.3.1 分类问题与判别函数 290
A.3.2 Bayes 分类器 291
A.3.3 线性分类器 292
A.3.4 支持向量机 295
A.3.5 神经网络基础 299
A.4 信号处理与检测 304
A.4.1 离散Fourier 变换 304
A.4.2 离散余弦变换 305
A.4.3 离散小波变换 306
A.4.4 最小均方误差直方图修正 307
A.4.5 假设检验 308
附录B 实验 313
B.1 图像隐写工具的使用 313
B.2 图像专用隐写分析 316
B.3 JPEG 图像通用隐写分析 318
B.4 空域图像自适应隐写 320
B.5 JPEG 图像自适应隐写 322
B.6 富模型空域图像隐写分析 324
B.7 选择信道感知隐写分析 326
B.8 空域图像CNN 隐写分析 328
名词索引 331
书单推荐
