基于Markov双向转移矩阵的低嵌入率LSB匹配隐写分析方法

摘要

低嵌入率下的隐写分析是当前信息隐写领域最大挑战之一,论文利用小波包分解对语音信号细节特征精准刻画的优点,提出了一种基于二阶导小波包系数Markov双向转移矩阵的隐写检测方法.该方法以语音小波包系数相关性Markov双向转移矩阵为特征,通过大量嵌入率分别为1％、3％、5％、10％、30％、50％、80％的LSB匹配隐写数据来训练SVM分类器,实现了对低嵌入率下语音载体的LSB匹配隐写检测.实验结果表明:与目前主流二阶导小波包系数直方图频域矩为特征,以及以二阶导MFCC为特征的检测方法相比,论文提出的方法在低嵌入率下的隐写分析性能具有明显优势.特别是在嵌入率仅3％时,检测准确率达68.5％,比以二阶导小波包系数直方图频域矩为特征的检测准确率提高了17.8％,并且检测准确率率随着嵌入率的增加稳定提高.