MMFeb, 2019

基于多通道卷积滑动窗口的流媒体实时隐写分析

PDF
TL;DR通过滑动窗口检测算法和卷积神经网络，本文提出了一种基于多通道卷积滑动窗口的实时 VoIP 隐写分析方法。通过设计多个特征提取通道和使用前向全连接网络进行特征融合，实现对 VoIP 信号中的隐写信息的统计分析，检测能力表现出优异的低嵌入率性能和几乎实时的检测效率。
voip steganalysissliding window detectionconvolution neural networkfeature fusionreal-time detection
发现论文，激发创造
  • 卷积神经网络隐写分析在隐写术中的应用

    本文提出一种新方法，在最小化失真的标准下，提高图像隐写术的性能界限。该方法利用隐写分析卷积神经网络框架来理解图像的模型，并在不易被探测的区域进行嵌入以保留模型。实验结果表明，在广泛的低相对负载范围内，与 HUGO、S-UNIWARD 和 HILL 等最先进的隐写分析技术相比，所提出的算法表现优异。

    Nov, 2017

  • 利用噪声残差卷积神经网络进行空间域取证视频隐写分析

    该研究评估了一种卷积神经网络（CNN）的方法来进行法医视频隐写分析，使用一个噪声残差的卷积神经网络来检测嵌入式的秘密，实验结果表明，CNN 方法可以是一种有效的法医视频隐写分析方法，可以达到 99.96% 的检测率。

    May, 2023

  • FCEM: 一种用于 VoIP 流实时隐写分析的新型快速相关性提取模型，基于多头注意力机制

    本研究利用关注机制处理定量化指数调制压缩 VoIP 流中基于 QIM 的隐写分析问题。研发了一个名为快速相关提取模型（FCEM）的轻量级神经网络来提取 VoIP 帧中的相关特征，具有比复杂的循环神经网络和卷积神经网络更高的准确性和时间效率。此外，提出的模型在样品长度为 0.1s 时可将检测速度提高一倍，适用于在线服务。

    Nov, 2019

  • 使用卷积长短期记忆学习检测暴力视频

    本文提出了一个基于深度学习神经网络的方法来自动识别监控视频中的暴力行为，具有很高的识别精度。该方法采用卷积神经网络和长短时记忆网络，能够捕捉到视频中局部的时空特征，实现对局部运动的分析，并通过对相邻帧的差异计算来增强所提出方法的识别功能。实验证明，该方法表现优于现有的同类方法，具有广泛的研究价值。

    Sep, 2017

  • 一种新型带有共享归一化的图像隐写分析卷积神经网络

    该研究探索在图像隐写分析中，基于深度学习的技术，使用批量归一化和共享归一化提高原有模型的性能，并实验证明所提出的共享归一化技术在图像隐写分析中有稳定的表现且优于之前的方法。

    Nov, 2017

  • 基于时间残差建模的卷积视频隐写术

    提出一个基于深度卷积神经网络的视频隐写模型，通过利用帧差的高度稀疏性，显式地考虑帧间残差，并分别设计两个支路来分别隐藏帧间差和原始秘密帧，得到比传统方法更好的结果。

    Jun, 2018

  • 端到端多通道语音分离

    本文提出了一种基于端到端的多通道语音分离模型，通过可学习空间特征的提出，在 WSJ0 远场语音分离任务中显著改进了单通道和传统多通道方法的性能。

    May, 2019

  • 一种采用灰狼优化的高效模式挖掘卷积神经网络（CNN）算法

    本文提出了一种基于 Convoluted Pattern of Wavelet Transform（CPWT）特征向量的 CNN 特征分析方法，通过优化 Grey Wolf Optimization（GWO）算法，对动态图像帧数据集中的特征进行分析和分类，从而实现自动化的特征分析。

    Apr, 2022

  • 隐写分析的持续学习

    本文提出了一种基于精确的参数重要度估计（APIE）的连续学习方案，用于检测新兴隐写算法，并应用于实际场景中，通过对之前的训练流程中网络参数的重要性进行评估，在训练新的隐写图像数据集的过程中有效并高效地更新其网络参数，从而使得隐写分析模型能够学习新隐写算法的特征模式，而不会明显降低之前隐写算法的检测性能。实验证明，该方案对新兴隐写算法具有良好的扩展性。

    Sep, 2022

  • 一种感知动机的方法用于低复杂度、实时完整语音的增强

    本文提出了一种称之为 PercepNet 的用于语音增强的深度学习方法，该方法仅需要短时间的傅里叶变换，通过聚焦于语音的谱包络和周期性，可以实现高质量、实时的全频带语音增强，仅需要不到 5% 的 CPU 核心。

    Aug, 2020