Page 287 - 《软件学报》2021年第9期

沈军 等:基于卷积神经网络的低嵌入率空域隐写分析 2911

从表 2 和表 3 中可以看出,本文提出的 Shen-Net 在 WOW 隐写算法下的检测正确率比现有隐写分析方法
更好.与 Pibre-Net 相比,Shen-Net 在嵌入率为 0.5bpp~0.3bpp 时的检测正确率提高了 3%~8%.由于 Pibre-Net 对
输入图像直接使用大尺寸卷积核进行卷积操作,使模型无法捕获低嵌入率下的隐写噪声信息,所以在嵌入率为
0.2bpp~0.05bpp 时的训练模型已经无法收敛.与 Salomon-Net 相比,Shen-Net 在嵌入率为 0.5bpp~0.1bpp 时的检
测正确率提高了 2%~5%.与 Yedroudj-Net 相比,Shen-Net 在嵌入率为 0.5bpp~0.2bpp 时的检测正确率提高了 20%
左右.与 S-CNN 相比,Shen-Net 在嵌入率为 0.5bpp~0.05bpp 时的检测正确率提高了 3%~15%.
特别是在 0.05bpp 下,现有隐写分析方法的网络结构在训练阶段已经难以收敛,S-CNN 网络虽然在训练阶
段达到了收敛效果,但是对训练模型进行测试后,检测正确率仅仅只有 51.22%.显然,这个检测效果对于两分类
问题很不理想.但是本文提出的 Shen-Net 在 0.05bpp 下,检测正确率能够达到 66.55%.由此可见,本文提出的
Shen-Net 在嵌入率很低的情况下,进行隐写分析也能取得很好的效果.
表 4 和表 5 展示了 S-UNIWARD 隐写算法高嵌入率和低嵌入率时,本文提出的 Shen-Net 与现有隐写分析
方法的检测准确率的对比.根据表 4 和表 5 的检测结果可以看出:在 S-UNIWARD 隐写算法下,本文提出的 Shen-
Net 的检测性能同样优于现有基于卷积神经网络的隐写分析方法.检测正确率的提升幅度与 WOW 隐写算法检
测正确率大致类似.在嵌入率为 0.05bpp 时,Pibre-Net,Salomon-Net 和 Yedroudj-Net 这 3 个网络的训练模型都未
能收敛,S-CNN 网络的检测准确率为 58.83%.而本文提出的 Shen-Net 在嵌入率为 0.05bpp 时检测正确率能够达
到 73.63%.
Table 4 Comparison of high embedding rate detection accuracy of S-UNIWARD
表 4 S-UNIWARD 隐写算法高嵌入率检测准确率对比
Payload(bpp) 0.5 0.4 0.3
Pibre-Net 94.51% 89.86% 83.06%
Salomon-Net 95.96% 93.10% 91.25%
Yedroudj-Net 75.81% 76.23% 65.70%
S-CNN 95.59% 92.66% 90.34%
Shen-Net 97.86% 96.18% 94.94%
Table 5 Comparison of low embedding rate detection accuracy of S-UNIWARD
表 5 S-UNIWARD 隐写算法低嵌入率检测准确率对比
Payload(bpp) 0.2 0.1 0.05
Pibre-Net − − −
Salomon-Net 86.88% 78.03% −
Yedroudj-Net 58.30% − −
S-CNN 85.88% 74.95% 58.83%
Shen-Net 91.30% 83.18% 73.63%

表 6、表 7 分别展示了 HILL 隐写算法高嵌入率和低嵌入率情况下,Shen-Net 与现有基于卷积神经网络的
隐写分析方法的检测准确率的对比.根据表 6 和表 7 的检测结果,本文提出的 Shen-Net 在 HILL 隐写算法下,检
测性能同样优于其他 4 个现有基于卷积神经网络的隐写分析方法.在 0.05bpp 下,Pibre-Net,Salomon-Net 和
Yedroudj-Net 这 3 个网络的训练模型依然未能收敛,S-CNN 的测试结果仅为 50.58%,这个检测结果并无太大意
义.而本文提出的 Shen-Net 在 HILL 隐写算法 0.05bpp 下,检测准确率还是能够达到 70.48%.
Table 6 Comparison of high embedding rate detection accuracy of HILL
表 6 HILL 隐写算法高嵌入率检测准确率对比
Payload(bpp) 0.5 0.4 0.3
Pibre-Net 94.16% 89.82% 80.19%
Salomon-Net 94.36% 93.22% 90.00%
Yedroudj-Net 77.26% 73.38% 66.72%
S-CNN 94.46% 92.39% 70.61%
Shen-Net 97.10% 96.17% 93.45%