用于失配隐写分析的对抗子领域自适应网络OACSTPCD
Adversarial subdomain adaptation network for mismatched steganalysis
当训练集数据和测试集数据来自不同的载体源时,即在载体源失配的条件下,通常会使一个表现优异的隐写分析器检测准确率下降.在实际应用中,隐写分析人员往往需要处理从互联网上采集的图像.然而,与训练集数据相比,这些可疑图像很可能具有完全不同的捕获和处理历史,导致隐写分析模型可能出现不同程度的检测性能下降,这也是隐写分析工具在现实应用中很难成功部署的原因.为了提高基于深度学习的隐写分析方法的实际应用价值,对测试样本信息加以利用,使用领域自适应方法来解决载体源…查看全部>>
章蕾;王宏霞
四川大学网络空间安全学院,四川 成都 610065四川大学网络空间安全学院,四川 成都 610065
信息技术与安全科学
图像隐写分析载体源失配对抗学习领域自适应
《网络与信息安全学报》 2022 (3)
基于人工免疫系统的信息隐藏研究
76-86,11
国家自然科学基金(61972269)四川省科技计划(2022YFG0320)河南省网络空间态势感知重点实验室开放课题(HNTS2022003)
评论